Imperial College London（帝国理工学院）

When the Judge Changes, So Does the Measurement: Auditing LLM-as-Judge Reliability

当评判者改变时，测量结果也会改变：评估大语言模型作为评判者的可靠性

Zongyou Yang, Yinghan Hou, Xiaokun Yang

机构 * Dyson School of Design Engineering, Imperial College London（伦敦帝国理工学院戴森设计工程学院） ； Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电气与电子工程系） ； School of Electronic Information, Nanchang Institute of Technology（南昌工程学院电子信息学院） 纠错

AI总结 研究大语言模型作为评判者时分数因评估者变化而改变的问题，通过在四个数据集上比较两种升级路径，发现评判者升级不可互换，强评判者可减偏差，重复采样陪审团作用有限，结构化辩论能改决策，提出报告应含多方面内容。

Comments 6 pages, 6 figures, 4 tables

Factors Influencing Conversational Engagement in Robot-Delivered Individual Cognitive Stimulation Therapy (iCST) for Dementia in Home Settings

家庭环境中机器人辅助个体认知刺激疗法（iCST）对话参与度的影响因素

Emmanuel Akinrintoyo, Nicole Salomons

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

AI总结 研究家庭环境中机器人辅助个体认知刺激疗法（iCST）对话参与度的影响因素，通过Co-STAR系统分析对话指标，发现个性化提示、交互阶段和参与者特征影响对话参与度，为自适应对话机器人设计提供参考。

Comments Accepted for publication at the IEEE RO-MAN Conference 2026

Expressivity and Statistical Trade-offs in Diffusion Policy Learning

扩散策略学习中的表达能力与统计权衡

Viet Vu, Renyuan Xu, Jiacheng Zhang, Yufei Zhang

机构 * Stanford University（斯坦福大学） ； Chinese University of Hong Kong（香港中文大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 研究扩散策略学习中表达能力与统计权衡，确定漂移Lipschitz预算K为核心量，通过近似量化表达能力，证明其与统计复杂性的关系，给出有限样本性能差距，数值实验验证，还提出根据样本大小选K及对应神经网络架构的实现原则。

Tubular Neighbourhoods of Pfaffian Sets and Applications to Neural Networks

普法夫式集的管状邻域及其在神经网络中的应用

Paul Lezeau, Martin Lotz

机构 * London School of Geometry and Number Theory, Imperial College London, UK（几何与数论学校，帝国学院伦敦，英国） ； Warwick Mathematical Institute, University of Warwick, UK（沃里克数学研究所，沃里克大学，英国） 纠错

AI总结 研究普法夫超曲面管状邻域体积界，推广代数簇相关结果。通过普法夫格式给出界，并应用于神经网络分类器，在均匀和高斯设置下得到条件数概率分布尾部界，特殊单隐藏层 sigmoid 网络有宽度多项式界。

Comments 32 pages, 1 figure

Distributed Attacks in Persistent-State AI Control

持久状态AI控制中的分布式攻击

Josh Hills, Ida Caspary, Asa Cooper Stickland

机构 * Constellation Astra Fellowship（Constellation Astra 奖学金） ； Imperial College London（帝国理工学院） ； UK AI Security Institute（英国人工智能安全研究所） 纠错

AI总结 研究AI编码代理在持久代码库中跨拉取请求分布攻击的威胁，提出Iterative VibeCoding基准，发现单一监控器无法同时防御渐进与非渐进攻击，而状态跟踪监控器可显著降低渐进攻击成功率。

Optimal uncertainty bounds for multivariate kernel regression under bounded noise: A Gaussian process-based dual function

有界噪声下多元核回归的最优不确定性界：基于高斯过程的对偶函数

Amon Lahr, Anna Scampicchio, Johannes Köhler, Melanie N. Zeilinger

机构 * Institute for Dynamical Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院） ； Department of Electrical Engineering, Chalmers University of Technology（电气工程系，查尔姆斯理工大学） ； Department of Mechanical Engineering, Imperial College London（机械工程系，伦敦帝国理工学院） 纠错

AI总结 针对有界噪声下再生核希尔伯特空间中的多输出函数，提出一种紧致、确定性的不确定性界，通过无约束对偶公式获得，具有与经典高斯过程置信界相同的结构，便于集成到下游优化中。

Comments Extended version

ToDMA: Large Model-Driven Massive Token Communications for Semantic Multiple Access

ToDMA：用于语义多址接入的大模型驱动海量令牌通信

Li Qiao, Mahdi Boloursaz Mashhadi, Zhen Gao, Robert Schober, Deniz Gündüz

机构 * The University of Hong Kong（香港大学） ； Beijing Institute of Technology（北京理工大学） ； University of Surrey（Surrey大学） ； Friedrich-Alexander-University Erlangen-Nurnberg（埃森哲-亚琛工业大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出ToDMA，一种大模型驱动的语义多址接入方案，将无源随机接入与上下文感知令牌处理结合，用于海量令牌通信。通过压缩感知检测令牌及估计信道状态信息，利用上下文模型恢复冲突令牌，能降低接入延迟并保持令牌恢复与语义重建质量。

Comments Submitted to IEEE journals