Imperial College London（帝国理工学院）

Momentum SVGD-EM for Accelerated Maximum Marginal Likelihood Estimation

动量SVGD-EM用于加速最大边际似然估计

Adam Rozzio, Rafael Athanasiades, O. Deniz Akyildiz

机构 * Department of Mathematics, Ecole Normale Supérieure Paris-Saclay（数学系，巴黎萨克雷高等师范学院） ； Department of Mathematics, Imperial College London（数学系，伦敦帝国理工学院） 纠错

AI总结 本文提出动量SVGD-EM方法，通过引入Nesterov加速提升MMLE的收敛速度，适用于不同难度的任务。

Comments Accepted to AISTATS 2026

From Mice to Trains: Amortized Bayesian Inference on Graph Data

从老鼠到火车：图数据上的消 amortized 贝叶斯推断

Svenja Jedhoff, Elizaveta Semenova, Aura Raulo, Anne Meyer, Paul-Christian Bürkner

机构 * Department of Statistics, TU Dortmund University（统计系，多特蒙德技术大学） ； School of Public Health, Imperial College London（公共卫生学院，伦敦帝国理工学院） ； Department of Biology, University of Oxford（生物学系，牛津大学） ； Department of Mechanical Engineering, Karlsruhe Institute of Technology（机械工程系，卡尔斯鲁厄理工学院） 纠错

AI总结 本文提出了一种基于生成神经网络的消 amortized 贝叶斯推断方法，用于图数据的节点、边和图层面参数推断，通过评估不同架构在合成和现实数据中的表现，解决了图参数后验估计的挑战。

Evidence-Driven Reasoning for Industrial Maintenance Using Heterogeneous Data

基于异构数据的工业维护证据驱动推理

Fearghal O'Donncha, Nianjun Zhou, Natalia Martinez, James T Rayfield, Fenno F. Heath, Abigail Langbridge, Roman Vaculin

机构 * IBM Research Europe（IBM欧洲研究院） ； IBM Research Yorktown（IBM约克镇研究院） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 本文提出Condition Insight Agent，通过整合维护语言、操作数据行为抽象和工程故障语义，实现基于证据驱动的工业维护决策支持。

MedQ-Deg: A Multidimensional Benchmark for Evaluating MLLMs Across Medical Image Quality Degradations

MedQ-Deg：一个多维基准，用于评估医疗图像质量退化下的多模态大语言模型

Jiyao Liu, Junzhi Ning, Chenglong Ma, Wanying Qu, Jianghan Shen, Siqi Luo, Jinjie Wei, Jin Ye, Pengze Li, Tianbin Li, Jiashi Lin, Hongming Shan, Xinzhe Luo, Xiaohong Liu, Lihao Liu, Junjun He, Ningsheng Xu

机构 * Fudan University（复旦大学） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 MedQ-Deg是一个多维基准，用于评估医疗图像质量退化下多模态大语言模型的性能，揭示模型在不同退化类型下的表现差异及置信度校准问题。

Comments 29 pages, 11 figures

YAQIN: Culturally Sensitive, Agentic AI for Mental Healthcare Support Among Muslim Women in the UK

YAQIN：面向英国穆斯林女性的文化敏感、代理型AI心理健康支持系统

Yasmin Zaraket, Céline Mougenot

机构 * Dyson School of Design Engineering, Imperial College London（帝京理工学院伦敦校区设计工程学院） 纠错

AI总结 YAQIN通过整合伊斯兰心理学和用户中心设计，为英国穆斯林女性提供文化敏感的AI心理健康支持，提升信任与治疗效果。

A Distributed Gaussian Process Model for Multi-Robot Mapping

多机器人制图的分布式高斯过程模型

Seth Nabarro, Mark van der Wilk, Andrew J. Davison

机构 * Dyson Robotics Lab, Imperial College London（帝京大学伦敦分校戴森机器人实验室） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） 纠错

AI总结 DistGP通过分布式高斯过程实现多机器人协同制图，优于现有方法并在动态环境下表现更优。

Comments ICRA 2026, 8 pages

SurgCUT3R: Surgical Scene-Aware Continuous Understanding of Temporal 3D Representation

SurgCUT3R: 术场景感知的连续时间3D表示理解

Kaiyuan Xu, Fangzhou Hong, Daniel Elson, Baoru Huang

机构 * The Hamlyn Centre for Robotic Surgery, Imperial College London（机器人手术中心，帝国理工学院伦敦分校） ； S-Lab, College of Computing and Data Science, Nanyang Technological University（S实验室， computing and Data Science学院，南洋理工大学） ； Department of Computer Science, University of Liverpool（计算机科学系，利物浦大学） 纠错

AI总结 SurgCUT3R通过数据生成、混合监督和分层推理框架，解决手术场景中3D重建的准确性和效率问题，实现稳健的重建性能。

Prediction of Steady-State Flow through Porous Media Using Machine Learning Models

利用机器学习模型预测多孔介质稳态流

Jinhong Wang, Matei C. Ignuta-Ciuncanu, Ricardo F. Martinez-Botas, Teng Cao

机构 * Department of Mechanical Engineering, Imperial College London（帝国理工学院伦敦校区机械工程系） 纠错

AI总结 本文提出利用FNO模型高效预测多孔介质稳态流，相比传统CFD方法，FNO在精度和速度上均表现优异，适用于拓扑优化任务。