高校专区
BAT3R：从二维图像集合中自训练关节式三维重建
机构 * University of Edinburgh（爱丁堡大学）
AI总结 研究从单张图像进行关节物体3D重建，利用未标注2D图像集和单个绑定规范网格，提出训练框架，通过拟合网格到预测点图迭代估计关节和相机姿态，提升模型性能。
Comments Accepted to ECCV 2026. Project page: https://jakubzadrozny.github.io/bat3r/
个性化因果追索：一种人在回路中的方法
机构 * The University of Edinburgh（爱丁堡大学） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； University of Pavia（帕维亚大学）
AI总结 研究人在回路框架，通过贝叶斯推理的交互式查询迭代逼近用户结构因果模型，克服传统追索方法局限，实现个性化、合理且具成本效益的追索推荐，模拟验证有成效但仍有挑战。
Comments Accepted at the 4th World Conference on eXplainable Artificial Intelligence (XAI 2026)
从原始分割到适用于模拟的心脏网格：用于解剖重建和虚拟队列生成的自动化框架
机构 * Gran Sasso Science Institute (GSSI)（大萨索科学研究所） ； European Hospital（欧洲医院） ； University of Edinburgh（爱丁堡大学） ； Physics of Fluids Group, University of Twente（特温特大学流体物理小组） ； INFN–Laboratori Nazionali del Gran Sasso（意大利国家核物理研究所大萨索国家实验室）
AI总结 该研究提出半自动管道，将基于CT的分割转化为适用于模拟的心脏网格。利用深度学习分割方法，经模板配准和变形策略，几分钟内完成转化，保留解剖和拓扑一致性，可构建心脏统计形状模型。
熵正则化提高连续时间强化学习中的策略鲁棒性
机构 * University of Edinburgh（爱丁堡大学） ； J.P. Morgan AI Research（摩根大通人工智能研究） ； Imperial College London（伦敦帝国理工学院）
AI总结 研究连续时间强化学习中熵正则化的策略鲁棒性，建立相关理论保证，分析鲁棒集特性，实验验证其有效性。
噪声量子硬件的路由匿名性与可识别性
机构 * Centre for Quantum Information and Foundations, DAMTP, University of Cambridge（量子信息与基础研究中心，DAMTP，剑桥大学） ； Quantum Software Lab, School of Informatics, University of Edinburgh（量子软件实验室，信息学院，爱丁堡大学）
AI总结 研究噪声量子硬件中后端可识别性及隐私问题，通过引入后端可识别性博弈形式化路由匿名性，证明相关问题是假设检验问题，建立效用-匿名权衡及深度原则，并辅以实验验证。
Comments 22+30 pages, 6 figures
通过迭代元反射实现自主科学发现
机构 * University of Edinburgh（爱丁堡大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出DiscoPER框架，利用大语言模型进行开放式的自主科学发现，通过动态代码生成、统计检验和二阶推理机制，在iNatDisco基准上以72.7%假设支持率恢复8/9已知模式。
Logit贡献评分识别非字面检索头
机构 * University of Edinburgh（爱丁堡大学） ； Heriot-Watt University（赫瑞瓦特大学）
AI总结 提出Logit贡献评分（LOCOS），通过OV电路输出投影到答案标记方向，识别大语言模型中执行非字面检索的注意力头，消融实验显著降低ROUGE-L而保持其他能力。
Comments 41 pages, 18 figures
当Transformer学习“不可能”语言时，它们学到了什么？
机构 * University of Edinburgh（爱丁堡大学）
AI总结 研究通过训练GPT-2模型于英语的“不可能”变体，发现模型在语法敏感性上仅逐渐退化，但在生成任务中显著失败，提出生成缺陷是语言不可习得性的可能解释。
Comments CoNLL 2026 (Best Paper Award). 14 pages, 3 figures
DeXposure-Claw: 一个用于DeFi风险监管的智能体系统
机构 * University of Edinburgh（爱丁堡大学） ； University of Glasgow（格拉斯哥大学） ； University of Cambridge（剑桥大学）
AI总结 针对DeFi监管中LLM智能体易误报的问题，提出DeXposure-Claw系统，通过图时间序列基础模型预测风险网络，结合确定性监控和置信度门控生成可审计监管票据，并构建六轴评估基准DeXposure-Bench，实验验证有效性。
非线性的策略分类变得实用
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； School of Informatics University of Edinburgh（爱丁堡大学信息学院）
AI总结 针对策略分类中非线性分类器难以处理的问题，提出利用拉格朗日对偶近似最佳响应，结合隐函数定理计算损失梯度，实现非线性策略分类的实用训练算法。
Comments 15 pages, 4 figures, 2 tables
跨视角多模态视觉评估框架用于中医康复训练
机构 * Department of Computer Science, Durham University（杜伦大学计算机科学系） ； Institute for Regeneration and Repair, The University of Edinburgh（爱丁堡大学再生与修复研究所） ； Ningbo Hospital of Traditional Chinese Medicine（宁波市中医院） ； Department of Rehabilitation Medicine, The Gulou Hospital of Traditional Chinese Medicine（南京市鼓楼区中医院康复医学科）
AI总结 提出跨视角多模态视觉评估框架CME-AQA，融合视觉-姿态信息，利用第一人称和第三人称视频提升推理鲁棒性，在中医康复训练动作质量评估中取得优于基线10%的加权F1提升。
Comments Published in IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2026
Journal ref IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2026
退火熵分配用于排序与选择
机构 * Business School（商学院） ； The University of Edinburgh（爱丁堡大学） ； Warwick Business School（沃里克商学院） ； The University of Warwick（沃里克大学）
AI总结 提出退火熵分配框架，通过加权log-sum-exp替代非光滑极大极小大偏差率目标，结合鞍点近似提升有限预算下的区分能力，数值实验表明在多个候选接近时性能优异。
超越全局散度：贝叶斯推断的局部质量视角
机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； University of Edinburgh（爱丁堡大学）
AI总结 本文引入质量指数和正则化扩展KL散度，从局部质量角度分析贝叶斯推断中全局散度未捕捉的行为，并证明局部质量比较的不等式。
Comments 28 pages, 3 figures, 2 tables
OpenFinGym: 一个可验证的多任务Gym环境，用于评估量化智能体
机构 * University of Edinburgh（爱丁堡大学） ； University College London（伦敦大学学院） ； Alan Turing Institute（艾伦·图灵研究所） ； University of Oxford（牛津大学）
AI总结 提出OpenFinGym统一环境，覆盖预测、市场生成、实时交易和欺诈检测等量化金融任务，支持自动化任务构建、容器化验证和延迟解析，以全面评估LLM智能体。
使用SamAdams变步长和位置自适应Langevin动力学的加速采样
机构 * School of Mathematics, University of Edinburgh（爱丁堡大学数学系） ； Seminar for Statistics, Department of Mathematics, ETH Zürich（苏黎世联邦理工学院数学系统计研究所）
AI总结 提出一种结合SamAdams自适应步长和位置自适应Langevin动力学的加速采样方法，在多个模型问题上混合速率提升1.5-3倍，效率提高一个数量级以上。
可扩展的消息传递量子图神经网络在Weisfeiler-Leman层次结构中
机构 * LIP6, CNRS, Sorbonne Université, Paris, France（巴黎大学LIP6研究所、法国国家科学研究中心、索邦大学） ； QC Ware, Palo Alto, USA and Paris, France（QC Ware公司，美国帕洛阿尔托及法国巴黎） ； School of Informatics, University of Edinburgh, Edinburgh, UK（爱丁堡大学信息学院，英国爱丁堡） ； Fujitsu Research of Europe Ltd., United Kingdom（日本富士通欧洲研究有限公司，英国） ； Terra Quantum GmbH, Germany（德国Terra Quantum GmbH公司） ； Quantum Research Center, Technology Innovation Institute, Abu Dhabi, UAE（阿布扎赫尔技术创新研究所量子研究中心，阿联酋）
AI总结 本文构建了可执行消息传递、置换等变且处于指定Weisfeiler-Leman层次的量子图神经网络，通过小图预训练缓解训练问题，并在多达56量子比特的大规模模拟中验证了其可扩展性和表达能力。
Comments 10 pages, 4 figures (main text); 35 pages, 9 figures, 14 tables including Supplementary Information. Code available at https://github.com/SnehalRaj/mp-qgnns
SurgAtlas：一个包含2,391小时开放和微创手术的大规模手术视频-语言数据集
机构 * University of Michigan（密歇根大学） ； University of Edinburgh（爱丁堡大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； University of Colorado（科罗拉多大学） ； University of Rochester（罗切斯特大学） ； Michigan Medicine（密歇根医学）
AI总结 提出SurgAtlas，最大手术视频-语言数据集（15,291视频，2,391小时，18专科，5,000+术式），首次大规模纳入开放手术并建立基准，通过多层级自动标注管道生成丰富注释，微调Qwen3-VL-8B在多个基准上达到领先。
使用无注意力变换器学习Koopman算子
机构 * Institute for Bioengineering, School of Engineering and Centre for Engineering Biology, University of Edinburgh（爱丁堡大学生物工程研究所、工程学院与工程生物学中心） ； Electrical and Computer Engineering and Applied Mathematics, University of Washington（华盛顿大学电气与计算机工程与应用数学系） ； Electrical and Computer Engineering and Computer Science & Engineering, University of Washington（华盛顿大学电气与计算机工程及计算机科学与工程系）
AI总结 针对Koopman自编码器长期预测中流形漂移导致误差累积的问题，提出无注意力潜在记忆块和动态重编码两种方法，在三个基准系统上显著降低长时域误差并保持低推理延迟。
Comments 28 pages, 10 figures, 9 tables. Code: https://github.com/MohammedNagdi/Attended-Koopman
结构化问题的约束变量投影
机构 * Gran Sasso Science Institute（格兰萨索科学研究所） ； MOBS Lab（MOBS实验室） ； Northeastern University（东北大学） ； University of Padova（帕多瓦大学） ； University of Edinburgh（爱丁堡大学）
AI总结 提出约束变量投影框架，将变量投影推广到带凸约束的分离非线性最小二乘问题，推导精确降梯度公式并设计条件梯度算法，在稀疏自编码等任务上提升效率。
性化合成人格通过声音编码并放大性别权力不对称
机构 * University of Edinburgh（爱丁堡大学） ； KTH Royal Institute of Technology（皇家理工学院）
AI总结 研究商业平台性化AI语音，通过听众实验发现女性声音被性化和服从化，男性声音与支配和正面特质关联，揭示性别表达的二元和异性恋规范。
Comments Accepted at Interspeech 2026
量子环全归约：分布式学习的通信与隐私优势
机构 * University of Edinburgh（爱丁堡大学） ； Centre for Quantum Technologies（量子技术中心）
AI总结 提出量子环全归约协议，利用预共享纠缠和超密编码将每链路在线通信量减半，并通过验证纠缠实现信息论安全的可组合ε-安全聚合，同时获得通信与隐私优势。
Comments 23 pages, 1 figure / v2: Minor expository corrections; results unchanged
文本到语音语音重建的评估框架
机构 * The Centre for Speech Technology Research, University of Edinburgh, UK（语音技术研究中心，爱丁堡大学，英国）
AI总结 针对语音障碍者的TTS语音重建，提出包含主观和客观评估的框架，主观使用最佳最差缩放，客观引入双参考分布度量，平衡可懂度与说话人身份。
Comments Accepted at Interspeech 2026
BatchGen：一种可扩展且高效的批量推理架构
机构 * University of Edinburgh（爱丁堡大学） ； Tencent（腾讯）
AI总结 提出序列协程计算模型，通过细粒度事件驱动协程动态重组工作负载，实现更大专家级批量、减少掉队者并跨设备重分配工作，在128 GPU集群上批量完成时间降低2.3倍，内存受限加速器上性能提升9.6倍。
在视觉-语言-动作模型中解耦声明性知识与程序性知识
机构 * University of Edinburgh（爱丁堡大学） ； UCL（伦敦大学学院） ； Samsung AI Center - Cambridge, UK（三星人工智能中心 - 英国剑桥）
AI总结 针对现有VLA模型无法解耦声明性与程序性知识导致零样本技能迁移脆弱的问题，提出w$^{2}$VLA模型，通过重构信息流实现模块化、可解释的知识解耦，显著提升对未见物体的零样本技能迁移能力。
SwarmX: 面向低延迟智能体系统的智能调度
机构 * University of Edinburgh（爱丁堡大学） ； Tencent（腾讯）
AI总结 提出SwarmX系统，通过调度专用神经预测器捕获提示、设备、运行时和目标模型特征，结合路由器与缩放器实现尾延迟感知决策，在近千GPU和百万CPU核的生产部署中，相比现有调度器将尾延迟降低61.5%，吞吐量提升2倍。
Comments 14 pages
迈向 Dys-XAI：基于影响的构音障碍严重程度评估解释
机构 * University of Southampton（南安普顿大学） ； Imperial College London（帝国理工学院） ； University of Edinburgh（爱丁堡大学） ； King's College London（伦敦国王学院）
AI总结 提出基于影响的实例级可解释性框架，通过支持性和竞争性训练样本解释构音障碍严重程度评估的深度学习模型决策，并通过删除实验验证解释有效性。
Comments Accepted to Interspeech 2026
LISE: 可听可解释的说话人嵌入
机构 * University of Southampton（南安普顿大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Edinburgh（爱丁堡大学）
AI总结 提出LISE框架，将预训练说话人嵌入分解为少量可解释分量，在保持说话人验证性能的同时，通过听辨实验证明其可解释性。
Comments Accepted to Interspeech 2026
故事线树：长篇叙事的层次化表示
机构 * School of Informatics University of Edinburgh（信息学院爱丁堡大学）
AI总结 提出故事线树，通过自顶向下和自底向上过程构建叙事层次结构，实现自适应检索，在长上下文叙事问答中优于强基线方法。
基于LLM驱动溯因与逻辑验证的神经符号临床试验匹配
机构 * University of Leicester（莱斯特大学） ； University of Edinburgh（爱丁堡大学） ； University of Sheffield（谢菲尔德大学）
AI总结 提出一种结合大语言模型与逻辑验证的神经符号框架αNeSy-CTM，通过溯因推理处理噪声和不完整临床文本，在临床试验匹配中相对零样本基线提升30%准确率。
Comments 21 pages (including appendix), 5 figures, 9 tables
从知道到行动：基准测试LLM代理的自我意识能力
机构 * The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； University of Edinburgh（爱丁堡大学） ； Tencent（腾讯） ； University of Bristol（布里斯托大学）
AI总结 提出KAPRO框架和KAware数据集，通过解耦元认知判断与自主执行，评估LLM代理的自我意识能力，发现其与任务成功强相关但在内部能力场景中下降，开源模型易过度使用工具。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈