Imperial College London（帝国理工学院）

StableHand: Quality-Aware Flow Matching for World-Space Dual-Hand Motion Estimation from Egocentric Video

StableHand: 世界空间双臂运动估计中的质量感知流匹配

Huajian Zeng, Chaohua Yao, Yuantai Zhang, Jiaqi Yang, Rolandos Alexandros Potamias, Xingxing Zuo

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·泽德人工智能大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出StableHand，一种质量感知的流匹配框架，用于从第一人称视频中恢复世界空间双臂的4D运动，通过分解手部姿态估计器提取的观测质量为四个通道，并利用学习的质量网络预测质量信号，以提高运动估计的鲁棒性。

Comments Project Page: https://huajian-zeng.github.io/projects/stablehand/

Context Memorization for Efficient Long Context Generation

上下文记忆用于高效长上下文生成

Yasuyuki Okoshi, Hao Mark Chen, Guanxi Lu, Hongxiang Fan, Masato Motomura, Daichi Fujiki

机构 * Institute of Science Tokyo, Japan（东京科学研究所） ； Imperial College London, UK（伦敦帝国学院） 纠错

AI总结 本文提出了一种无需训练的上下文记忆方法，通过将前缀外部化为轻量级的预计算注意力状态查找表，以提高长上下文生成的准确性和效率，同时减少注意力计算的延迟。

UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction

UTOPYA：一种用于物理信息异常检测和时间序列预测的多模态深度学习框架

Robson W. S. Pessoa, Julien Amblard, Alessandra Russo, Idelfonso B. R. Nogueira

机构 * Department of Chemical Engineering, Norwegian University of Science and Technology (NTNU)（化学工程系，挪威科学与技术大学） ； Department of Computing, Imperial College London（计算系，帝国理工学院伦敦分校） 纠错

AI总结 本文提出UTOPYA框架，通过融合八种数据模态，利用FiLM条件交叉模态注意力和门控融合，共同解决批次蒸馏中的异常检测、时间序列预测和相分类问题，并通过物理信息正则化方案和课程学习方法提升性能。

Beyond Accuracy: Robustness, Interpretability and Expressiveness of EEG Foundation Models

超越准确率：EEG基础模型的鲁棒性、可解释性和表达性

Urban Širca, Maryam Alimardani, Stefanos Zafeiriou, Konstantinos Barmpas

机构 * Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 本文研究了EEG基础模型的鲁棒性、可解释性和表达性，通过在八个数据集上对六个EEG-FMs和一个基线深度学习模型进行基准测试，揭示了模型在不同扰动下的表现，以及其在可解释性和表达性方面的特性。

Deep Learning-Based Channel Extrapolation for Dual-Band Massive MIMO Systems

基于深度学习的双频大规模MIMO系统的信道外推

Qikai Xiao, Kehui Li, Binggui Zhou, Shaodan Ma

机构 * State Key Laboratory of Internet of Things for Smart City and the Department of Electrical and Computer Engineering, University of Macau（物联网智能城市国家重点实验室和澳门大学电子与计算机工程系） ； Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院伦敦分校电子与电气工程系） 纠错

AI总结 本文提出了一种基于深度学习的多域融合信道外推方法，用于将sub-6 GHz频段的信道状态信息外推到毫米波频段，以减少毫米波信道状态信息获取的试点开销，提高大规模MIMO系统的效率。

Scales++: Compute Efficient Evaluation Subset Selection with Cognitive Scales Embeddings

Scales++: 一种计算高效的评估子集选择方法，基于认知尺度嵌入

Andrew M. Bean, Nabeel Seedat, Shengzhuang Chen, Jonathan Richard Schwarz

机构 * Thomson Reuters Foundational Research（汤姆森路透基础研究） ； University of Oxford（牛津大学） ； Imperial College London（帝国理工学院伦敦分校） 纠错

AI总结 本文提出了一种基于任务项目内在属性的评估子集选择方法Scales++，通过减少预选成本并保持预测保真度，提高了大规模语言模型的评估效率，同时提升了冷启动性能和可解释性。

Comments 9 pages, 2 figures, 4 tables

NeuroRVQ: Multi-Scale Biosignal Tokenization for Generative Foundation Models

NeuroRVQ：多尺度生物信号分词用于生成式基础模型

Konstantinos Barmpas, Na Lee, Dimitrios Chalatsis, William Raftery, Yannis Panagakis, Dimitrios A. Adamos, Nikolaos Laskaris, Alexandros Koliousis, Dario Farina, Stefanos Zafeiriou

机构 * Imperial College London（帝国理工学院伦敦分校） ； Cogitat ； National and Kapodistrian University of Athens（国家与资本主义大学雅典分校） ； Archimedes Research Unit（阿基米德研究单位） ； Aristotle University of Thessaloniki（亚里士多德大学塞萨洛尼基分校） ； Northeastern University London（东北大学伦敦分校） 纠错

AI总结 本文提出NeuroRVQ，一种多尺度生物信号分词方法，通过多尺度时序卷积分解生物信号并结合相位感知损失，实现高保真信号重建，验证了高质量分词对下游性能的重要性。

Red-Bandit: Test-Time Adaptation for LLM Red-Teaming via Bandit-Guided LoRA Experts

Red-Bandit：通过带引导的LoRA专家实现LLM红队测试的测试时适应

Christos Ziakas, Nicholas Loo, Nishita Jain, Alessandra Russo

机构 * Imperial College London（伦敦帝国学院） 纠错

AI总结 本文提出Red-Bandit框架，通过带引导的LoRA专家在不同攻击风格下实现LLM的测试时适应，通过强化学习生成不安全提示，并利用多臂老虎机策略动态选择攻击风格专家，从而在AdvBench上取得最佳结果，同时生成更易读的提示。

Comments Accepted to the Main Conference at ACL 2026

The Geometry of Projection Heads: Conditioning, Invariance, and Collapse

投影头的几何学：条件性、不变性与坍缩

Faris Chaudhry

机构 * Department of Computing, Imperial College London, United Kingdom（伦敦帝国学院计算机系，英国） 纠错

AI总结 本文提出了一种投影头的几何理论，通过将投影头建模为可训练的黎曼度量来研究自监督学习中的条件性、不变性和坍缩问题，揭示了投影头在不同深度下的适应能力和稳定性。

Comments Accepted at ICML 2026. 29 pages, 8 figures, 7 tables

TriAxialKV: Toward Extreme Low-Precision KV-Cache Quantization for Agentic Inference Tasks

TriAxialKV: 向极低精度KV缓存量化迈进以应对代理推理任务

Hanzhang Shen, Haoran Wu, Yiren Zhao, Robert Mullins

机构 * University of Cambridge（剑桥大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 本文提出TriAxialKV，一种混合精度的KV缓存量化方案，通过为每个token分配三轴标签，校准每种标签的敏感性，并在固定内存预算下分配INT2/INT4位宽，以提高代理推理任务的效率和吞吐量。

Evolutionary Extreme Learning Machine of ab-initio Energy Landscapes for Crystal Structure Prediction using Manta Ray Optimization with Levy Flight

基于Manta Ray优化与Levy飞行的进化极值学习机用于二元系统中晶格结构预测

Adrian Rubio-Solis

机构 * Hamlyn Centre for Robotic Surgery, Imperial College London (ICL)（机器人手术哈姆林中心，伦敦帝国理工学院） 纠错

AI总结 本文提出了一种改进的Manta Ray优化算法结合Levy飞行用于训练极值学习机，以预测二元系统中未弛豫和弛豫形成能化合物相对于基态晶格结构的纯组分相对能量。

Comments 8 pages, 4 figures

The Learnability Gap in Medical Latent Diffusion

医学潜在扩散中的可学习差距

Mischa Dombrowski, Felix Nützel, Bernhard Kainz

机构 * Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） 纠错

AI总结 本文研究了医学图像中潜在扩散模型在处理类别不平衡问题时的可学习差距，指出尽管预训练的自动编码器能有效编码判别特征，但其潜在表示的结构性使分类器难以学习，通过开发噪声条件潜在分类器和图像空间蒸馏技术，提高了效率并改善了潜在空间质量。

Extending Pretrained 10-Second ECG Foundation Models to Longer Horizons

扩展预训练的10秒ECG基础模型以适应更长的时域

Wei Tang, Jinpei Han, Kangning Cui, Mattia Carletti, Fredrik K. Gustafsson, Shreyank N Gowda, Patitapaban Palo, Anshul Thakur, Lei Clifton, Jean-michel Morel, Raymond H. Chan, David A. Clifton, Xiao Gu

机构 * City University of Hong Kong（香港城市大学） ； Imperial College London（伦敦帝国学院） ； Wake Forest University（威克森林大学） ； University of Nottingham（诺丁汉大学） ； Lingnan University（岭南大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出了一种参数高效的框架，通过在不重新训练基础模型的情况下扩展预训练的10秒ECG基础模型，使其能够处理更长和可变长度的ECG信号，解决了结构不兼容和语义挑战问题，实验表明其在多个长时域ECG任务中优于滑动窗口和池化基线方法。

The Alpha Illusion: Reported Alpha from LLM Trading Agents Should Not Be Treated as Deployment Evidence

阿尔法幻觉：LLM交易代理报告的阿尔法不应被视为部署证据

Yuxuan Ye, Jun Han, Ao Hu, Juncheng Bu, Yiyi Chen, Liangjian Wen, Danilo Mandic, Danny Dongning Sun, Xu Yinghui, Zenglin Xu

机构 * Fudan University（复旦大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Southwest University of Finance and Economics（西南财经大学） ； Northeastern University（东北大学） ； Imperial College London（伦敦帝国理工学院） ； Peng Cheng Laboratory（鹏城实验室） 纠错

AI总结 本文指出，LLM交易代理报告的阿尔法不应被当作部署的证据，因为这些阿尔法需要通过结构有效性测试来验证其时间完整性、现实摩擦、反事实稳健性、预测校准、数值执行和多代理分解等关键指标，当前的公开证据无法区分稳健的预测能力与时间污染、未建模的摩擦、短窗口夏普不确定性、叙事拟合和参数先验等因素。

Multiple Object Detection and Tracking in Panoramic Videos for Cycling Safety Analysis

全景视频中多目标检测与跟踪用于骑行安全分析

Jingwei Guo, Yitai Cheng, Meihui Wang, Ilya Ilyankou, Natchapon Jongwiriyanurak, Xiaowei Gao, Nicola Christie, James Haworth

机构 * Department of Civil, Environmental, and Geomatic Engineering（土木、环境与测绘工程系） ； University College London（伦敦大学学院） ； SpaceTimeLab（时空实验室） ； Department of Earth Science and Engineering（地球科学与工程系） ； Imperial College London（帝国理工学院） ； Centre for Transport Studies（交通研究中心） 纠错

AI总结 本文提出三步框架提升全景视频中多目标检测与跟踪性能，通过子图像分割投影提升检测精度，改进跟踪模型以处理边界连续性和类别信息，并在实际应用中验证车辆超车检测的有效性。

Journal ref IET Intelligent Transport Systems, Volume 20, no. 1 (2026): e70228

High-Resolution Reference Image Assisted Volumetric Super-Resolution of Cardiac Diffusion Weighted Imaging

高分辨率参考图像辅助的心脏扩散加权成像体积分辨率提升

Yinzhe Wu, Jiahao Huang, Fanwen Wang, Pedro Ferreira, Andrew Scott, Sonia Nielles-Vallespin, Guang Yang

机构 * Department of Bioengineering, Imperial College London（帝国理工学院生物工程系） ； Cardiovascular Magnetic Resonance Unit, Royal Brompton Hospital（皇家布里托尼医院心血管磁共振单位） ； National Heart and Lung Institute, Imperial College London（帝国理工学院国家心脏和肺研究所） 纠错

AI总结 本文提出一种基于深度学习的体积分辨率提升框架，利用高分辨率b0 DWI作为输入，提升心脏扩散加权成像的图像质量，并证明了该框架在未见b值下的泛化能力。

Comments Accepted by SPIE Medical Imaging 2024

Flow Matching with Optimized Subclass Priors for Medical Image Augmentation

利用优化子类先验的流匹配用于医学图像增强

Felix Nützel, Mischa Dombrowski, Bernhard Kainz

机构 * Department of Artificial Intelligence in Biomedical Engineering, Friedrich-Alexander-Universität Erlangen-Nürnberg, 91052 Erlangen, Germany（生物医学工程人工智能系，弗里德里希-亚历山大-厄林根-纽伦堡大学） ； Department of Computing, Imperial College London, London SW7 2AZ, UK（计算系，帝国理工学院伦敦分校） 纠错

AI总结 本文提出通过优化子类先验来提升医学图像增强中罕见疾病的生成质量，通过生成模型的潜在空间进行子类模式划分，并学习子类条件源分布以提高生成效果和多样性。

Comments 11 pages, 3 figures, 7 tables

Bridging the Modality Bottleneck in Pathology MIL through Virtual Molecular Staining

弥合病理MIL中的模态瓶颈：通过虚拟分子染色

Yucheng Xing, Pei Liu, Jingying Ma, Ruping Hong, Jiangdong Qiu, Tianyu Liu, Kai He, Ling Huang, Mengling Feng

机构 * National University of Singapore（新加坡国立大学） ； Hunan University（湖南大学） ； Peking Union Medical College Hospital (PUMCH)（北京协和医学院附属阜外医院） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出MIST方法，通过虚拟分子染色提升病理MIL中投影层性能，改进240/256配置，平均提升3.5%，在生存预测、组织分型和生物标志物预测中分别提升5.2%、3.3%和2.6%。

Evidence of a Cognitive Shift in AI Education: How Students Are Rethinking Human Intelligence?

人工智能教育中认知转变的证据：学生如何重新思考人类智能？

Islem Rekik

机构 * BASIRA Lab, Imperial-X (I-X) and Department of Computing（BASIRA实验室、Imperial-X（I-X）和计算系） ； Imperial College London, London, United Kingdom（伦敦帝国学院，伦敦，英国） 纠错

AI总结 研究通过长期分析发现，学生对人工智能和人类智能的评价随时间推移逐渐转变，从2020年偏爱AI到2026年多数学生更重视人类智能。

Comments ICLR HCAIR Workhop 2026 https://openreview.net/forum?id=chH4gO2tZT

Matérn Gaussian Processes on Graphs

图上的Matérn高斯过程

Viacheslav Borovitskiy, Iskander Azangulov, Alexander Terenin, Peter Mostowsky, Marc Peter Deisenroth, Nicolas Durrande

机构 * St. Petersburg State University（圣彼得堡国立大学） ； Imperial College London（帝国理工学院伦敦分校） ； Centre for Artificial Intelligence, University College London（伦敦大学学院人工智能中心） ； Secondmind（Secondmind公司） ； St. Petersburg Department of Steklov Mathematical Institute of Russian Academy of Sciences（俄罗斯科学院圣彼得堡斯捷克洛夫数学研究所彼得堡分部） 纠错

AI总结 本文研究了图上Matérn高斯过程，利用其随机偏微分方程特性，继承了欧几里得和黎曼流形高斯过程的特性，提供标准训练方法，使其适用于小批量和非共轭场景。

Journal ref Artificial Intelligence and Statistics, 2021