高校专区
PlayClass: 家禽自动玩耍行为分类
机构 * Section for Health Data Science & AI, University of Copenhagen（哥本哈根大学健康数据科学与人工智能部门） ； AVIAN Behaviour Genomics and Physiology Group, Linköping University（林雪平大学鸟类行为基因组学与生理学组） ； Department of Infectious Disease Epidemiology, Imperial College London（伦敦帝国学院传染病流行病学系）
AI总结 提出PlayClass流水线，利用SAM 3长时跟踪和V-JEPA 2.1基础模型，从俯拍视频中自动分类家禽玩耍行为，达到77.0宏平均F1。
Comments Accepted at CV4Animals Workshop @ CVPR 2026
时间同步性预测情感语料库中的标注质量
机构 * Data Science for Social Impact, University of Pretoria（社会影响力数据科学，南非普里特里亚大学） ； Instituto Politécnico Nacional（技术学院国家） ； Department of African Languages, University of Pretoria（非洲语言系，南非普里特里亚大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 通过分析Setswana情感数据集，发现标注者间一致性随时间下降的主要原因是时间同步性，即同时标注的样本一致性高，而间隔较长的标注一致性低。
喷注标记器中的粒子-拉普兰多模态
机构 * Brown University（布朗大学） ； Imperial College of Science, Technology and Medicine（帝国理工学院科学、技术与医学学院）
AI总结 提出PLuM多模态架构，联合处理粒子成分与拉普兰平面分裂，通过交叉注意力机制研究显式QCD层次结构是否补充原始粒子表示，发现对顶夸克和H→bb标记有系统性提升，在HH(4b)分析中背景抑制提高25%。
通过扩散策略优化扩展世界模型强化学习
机构 * Dynamic Systems Lab, University College London（伦敦大学学院动态系统实验室） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Santa Fe Institute（圣塔菲研究所） ； School of Statistics and Data Science, Shanghai University of Finance and Economics（上海财经大学统计与数据科学学院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系）
AI总结 针对世界模型强化学习中搜索与价值学习之间的结构错位问题，提出基于扩散策略优化的模型基方法MBDPO，统一搜索与策略优化，实现可扩展的策略学习。
语言模型中的工具调用是线性可读且可引导的
机构 * University College London（伦敦大学学院） ； Holistic AI ； Imperial College London（伦敦帝国学院）
AI总结 本文发现语言模型内部存在对应工具选择的线性方向，通过干预该方向可切换工具调用，并能提前检测潜在错误，在多个模型和基准上验证了有效性。
Comments 24 pages. ACL ARR May 2026 submission (EMNLP 2026 preferred venue); v2 reflects revised manuscript
从可行到实用：帕累托最优合成规划
机构 * Department of Chemical Engineering, Imperial College London, UK（伦敦帝国理工学院化学工程系） ； Department of Chemical Engineering, University of Manchester, UK（曼彻斯特大学化学工程系）
AI总结 针对现有合成规划方法忽略多目标权衡的问题，提出MORetro*算法，通过多目标A*搜索生成帕累托前沿，在成本、可持续性、毒性等指标间实现最优权衡。
Comments Published in Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
退化一致性配对训练用于鲁棒的AI生成图像检测
机构 * Department of Computer Science（计算机科学系） ； University College London（伦敦大学学院） ； Department of Earth Science and Engineering（地球科学与工程系） ； Imperial College London（伦敦帝国理工学院） ； School of Electronic Information（电子信息学院）
AI总结 提出退化一致性配对训练（DCPT），通过特征一致性和预测一致性约束显式增强模型对JPEG压缩、高斯模糊等真实世界图像退化的鲁棒性，在Synthbuster基准上平均准确率提升9.1个百分点。
Comments 6 pages, 5 figures, 2 tables
LLMs 与停机问题：程序终止推理的特征化
机构 * FAIR Team, Meta AI（Meta AI FAIR 团队） ； The Hebrew University of Jerusalem, Israel（耶路撒冷希伯来大学） ； Bloomberg, New York, USA（彭博社，纽约，美国） ； Imperial College London, UK（伦敦帝国理工学院，英国） ； University College London, UK（伦敦大学学院，英国）
AI总结 本文评估了前沿LLMs在程序终止推理上的能力，发现GPT-5和Claude Sonnet 4.5在C程序终止判断上达到顶级验证工具水平，但无法生成形式化证明，并引入分歧前置条件形式化描述非终止条件。
PyCAT4: 基于层次化视觉Transformer的3D人体姿态估计框架
机构 * Department of Computer Science（计算机科学系） ； University College London（伦敦大学学院） ； School of Electronic Engineering（电子工程学院） ； Queen Mary University of London（伦敦女王学院） ； Department of Earth Science（地球科学系） ； Imperial College London（帝国理工学院）
AI总结 本研究提出PyCAT4框架，通过引入自注意力机制的Transformer特征提取层、特征时间融合技术和空间金字塔结构，优化Pymaf网络，在COCO和3DPW数据集上显著提升3D人体姿态估计的检测能力。
Comments 10 pages, 20 figures
AI Agent 用于逆向工程遗留有限差分代码并转换为 Devito
机构 * Department of Earth Science and Engineering（地球科学与工程系） ； Imperial College London（帝国理工学院伦敦分校） ； Department of Computer Science（计算机科学系） ； University College London（伦敦大学学院）
AI总结 本研究提出一个集成 AI Agent 框架，结合检索增强生成（RAG）和开源大语言模型，通过多阶段迭代工作流将遗留有限差分代码转换为 Devito 环境，并引入强化学习反馈机制实现动态自适应代码翻译。
Comments 14 pages, 7 figures
基于f-散度的扩散模型遗忘统一框架
机构 * University of Klagenfurt, Austria（克雷根福特大学） ； Sapienza University of Rome, Italy（罗马萨皮恩扎大学） ； Imperial College London, UK（伦敦帝国学院）
AI总结 提出一个基于f-散度的统一框架，将扩散模型概念遗忘中的MSE损失推广到任意f-散度，并通过理论分析和实验验证不同散度对遗忘效果的影响。
Comments Accepted at ICML 2026
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