Imperial College London（帝国理工学院）

S3TS: Stochastic Scenario-Structured Tree Search for Advanced Planning Under Uncertainty

S3TS：面向不确定性下高级规划的随机情景结构化树搜索

Fabio Pavirani, Bert Claessens, Pierre Pinson, Chris Develder

机构 * IDLab Ghent university – imec（IDLab 布鲁塞尔大学 – imec） ； Beebop.ai ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 提出随机情景结构化树搜索（S3TS）算法，通过情景树显式表示不确定性并集成非线性模型，在需求响应信号发布问题上实现近最优性能，成本比最优解高14%以内，在非线性场景中比贪心算法和确定性MCTS分别降低51%和5.4%的成本。

ProbMoE: Differentiable Probabilistic Routing for Mixture-of-Experts

ProbMoE：可微分的专家混合概率路由

Heng Zhao, Zilei Shao, Guy Van den Broeck, Zhe Zeng

机构 * Imperial College London（伦敦帝国学院） ； University of Waterloo（多伦多大学） ； EPFL（瑞士联邦理工学院） 纠错

AI总结 提出ProbMoE概率路由框架，通过离散子集空间上的概率推断实现专家选择，解决top-k路由的离散非可微问题，并扩展到动态k路由，提升专家利用率和路由多样性。

Comments Accepted at ICML 2026

Bandit Simulation for Average Reward Inference

平均奖励推断的赌博机模拟

Samya Praharaj, Chih-Yu Chang, Koulik Khamaru, Kelly W. Zhang

机构 * Rutgers University（罗格斯大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 提出BSI框架，通过拟合环境模拟器并传播参数不确定性，为自适应赌博机算法构建渐近有效的置信区间。

Robust Shielding for Safe Reinforcement Learning

用于安全强化学习的鲁棒屏蔽

Edwin Hamel-De le Court, Thom Badings, Alessandro Abate, Francesco Belardinelli, Francesco Fabiano

机构 * Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； Faculty of Computer Science & DSME, RWTH Aachen University（亚琛工业大学计算机科学与DSME学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

AI总结 提出一种针对鲁棒MDP的屏蔽框架，通过线性时序逻辑公式在最坏情况下的概率阈值保证安全性，并证明其可靠性与最优性。

21cmEMUv3: a hybrid diffusion-LSTM emulator of 21cmFAST summary observables

21cmEMUv3: 一种混合扩散-LSTM的21cmFAST概要可观测量的仿真器

Daniela Breitman, Andrei Mesinger, Steven G. Murray, Ivan Nikolic, Roberto Trotta

机构 * Research Center for the Early Universe, Graduate School of Science, The University of Tokyo（早期宇宙研究中心，东京大学研究生院） ； Department of Physics, Graduate School of Science, The University of Tokyo（东京大学研究生院物理系） ； Scuola Normale Superiore (SNS), Piazza dei Cavalieri 7, Pisa（普拉蒂亚学院（SNS），比萨） ； Physics Department, Stellenbosch University（斯坦福博斯奇大学物理系） ； Cosmic Dawn Center (DAWN)（黎明宇宙中心（DAWN）） ； Niels Bohr Institute, University of Copenhagen（哥本哈根大学尼尔斯·波尔研究所） ； SISSA, Via Bonomea 265, 34136 Trieste（SISSA，特里斯特） ； INFN Sezione di Trieste（INFN特里埃斯特分部） ； Centro Nazionale di Ricerca in High Performance Computing, Big Data e Quantum Computing（高性能计算、大数据和量子计算国家研究中心） ； Physics Department, Blackett Lab, Imperial College London（伦敦帝国理工学院布莱特实验室物理系） 纠错

AI总结 提出混合扩散-LSTM仿真器21cmEMUv3，基于21cmFASTv3模拟，以高精度仿真21cm功率谱等七个概要可观测量，并用于重新解释HERA观测上限和预测SKA探测能力。

Comments 12 pages, 6 figures

Claudini: Autoresearch Discovers State-of-the-Art Adversarial Attack Algorithms for LLMs

Claudini: 自动研究发现针对LLM的最先进对抗攻击算法

Alexander Panfilov, Peter Romov, Igor Shilov, Yves-Alexandre de Montjoye, Jonas Geiping, Maksym Andriushchenko

机构 * MATS ELLIS Institute（MATS ELLIS研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Tübingen AI Center（图宾根人工智能中心） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出一种自动研究循环，利用前沿AI代理（如Claude Code和Codex）自动发现针对大语言模型的新型对抗攻击算法，在白盒越狱和提示注入评估中达到最先进水平。

DPsurv: Dual-Prototype Evidential Fusion for Uncertainty-Aware and Interpretable Whole-Slide Image Survival Prediction

DPsurv: 双原型证据融合用于不确定性感知和可解释的全切片图像生存预测

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

机构 * National University of Singapore ； National University of Singapore Guangzhou Research Translation ； Innovation Institute ； Imperial College London ； Peking Union Medical College Hospital, Chinese Academy of Medical Sciences \& Peking Union Medical College ； Hunan University ； Institute of High Performance Computing, Agency for Science, Technology ； Research (A STAR) 纠错

AI总结 提出DPsurv双原型证据融合网络，通过不确定性感知的生存区间预测和基于补丁原型分配图、组件原型及组件级相对风险聚合的可解释性，在五个公开数据集上取得最佳一致性指数和积分Brier分数。