Imperial College London（帝国理工学院）

SafeAdapt: Provably Safe Policy Updates in Deep Reinforcement Learning

SafeAdapt: 在深度强化学习中提供安全的策略更新

Maksim Anisimov, Francesco Belardinelli, Matthew Wicker

机构 * Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出SafeAdapt方法，通过引入Rashomon集在连续强化学习中提供安全策略更新的正式保证，确保在下游适应过程中源任务的安全性。

Comments Code available at: https://github.com/maxanisimov/provably-safe-policy-updates

Self-Supervised Slice-to-Volume Reconstruction with Gaussian Representations for Fetal MRI

基于高斯表示的自监督切片到体积重建

Yinsong Wang, Thomas Fletcher, Xinzhe Luo, Aine Travers Dineen, Rhodri Cusack, Chen Qin

机构 * Department of Electrical and Electronic Engineering and I-X, Imperial College London（伦敦帝国理工学院电气与电子工程系及I-X） ； Trinity College Institute of Neuroscience, Trinity College Dublin（都柏林圣三一学院神经科学研究所） 纠错

AI总结 本文提出GaussianSVR框架，利用高斯表示实现高保真胎儿MRI体积重建，通过模拟正向切片采集模型实现自监督训练，提升重建精度与效率。