Imperial College London（帝国理工学院）

A Graph Signal Processing Perspective on Numerical Sequence Representations in LLM In-Context Learning

大语言模型上下文学习中数值序列表示的图信号处理视角

Jiajun Bao, Zihao Qi, Toni J. B. Liu, Gurbir Arora, Raphaël Sarfati, Nicolas Boullé, Christopher J. Earls

机构 * Cornell University（康奈尔大学） ； Goodfire AI（古德火人工智能公司） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 本文从图信号处理视角研究LLM上下文学习中数值序列的表示，发现数值推理的内部特征随上下文长度和输入动态复杂性变化，且在不同模型家族间一致。

Forbidden Region Dynamic Active Constraints in Robot-Assisted Minimally Invasive Surgery

机器人辅助微创手术中的禁区动态主动约束

Zejian Cui, Ferdinando Rodriguez y Baena

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

AI总结 本研究针对机器人辅助微创手术中禁区主动约束（FRAC）的动态组织变形等挑战，提出能量耗散型FRAC策略，经体外实验验证其鲁棒性、有效性及时间效率优于对比方法。

Comments 8 pages, 12 figures

Journal ref Volume: 10, Issue: 3, March 2025, Page(s): 2950 - 2957

Verifier-Guided Model Discovery for Physical Dynamical Systems with Pretrained Symbolic Transformers

基于预训练符号 Transformer 的物理动力系统验证器引导式模型发现

Farbod Faraji, Francesco Belardinelli

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

AI总结 该研究提出了一种验证器引导式（VG）工作流程，基于预训练符号 Transformer ODEFormer 实现物理动力系统的可解释预测，在范德波尔振荡器和涡旋脱落场景中展现出优于原方法的性能与泛化能力。

Comments 33 pages, 13 figures, 10 tables

Think Fast: Estimating No-CoT Task-Completion Time Horizons of Frontier AI Models

快速思考：估计前沿AI模型的无思维链任务完成时间范围

Dewi Gould, Francis Rhys Ward, Anders Cairns Woodruff, Rauno Arike, Josh Hills, Alex Serrano, Ida Caspary, Jason Ross Brown, Jo J. Jiao, Patrick Leask, Twm Stone, Ram Potham, Ionut Gabriel Stan, Harry Mayne, Simeon Hellsten, Shubhorup Biswas, Ariana Azarbal, William L. Anderson, Elle Najt, Ryan Greenblatt, Julian Stastny

机构 * Redwood Research（红木研究） ； Astra Fellows Program（Astra 后援计划） ； Aether Research（Aether 研究） ； MATS Research（MATS 研究） ； Polytechnic University of Catalonia（加泰罗尼亚理工大学） ； Imperial College London（伦敦帝国理工学院） ； University of Cambridge（剑桥大学） ； University of Chicago（芝加哥大学） ； Durham University（杜伦大学） ； MIT（麻省理工学院） ； University of Oxford（牛津大学） ； University of Glasgow（格拉斯哥大学） ； Constellation（星座） 纠错

AI总结 本研究通过超过3万个问题测试前沿AI模型在无思维链推理下的表现，估计其50%任务完成时间范围，发现该时间每约两年翻一番，GPT-5.5已达3分钟以上。

PAGE-4D: Disentangled pose and geometry estimation for vggt-4d perception

PAGE-4D: 通过解耦姿态与几何估计实现VGGT-4D感知

Kaichen Zhou, Yuhan Wang, Grace Chen, Xinhai Chang, Gaspard Beaudouin, Fangneng Zhan, Paul Pu Liang, Mengyu Wang

机构 * Harvard AI and Robotics Lab, Harvard University（哈佛人工智能与机器人实验室，哈佛大学） ； Media Lab and Electrical Engineering and Computer Science, Massachusetts Institute of Technology（媒体实验室和电气工程与计算机科学，麻省理工学院） ； Department of Computing, Imperial College London（计算系，帝国理工学院） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究学院） 纠错

AI总结 提出PAGE-4D，扩展VGGT到动态场景，通过动态感知聚合器解耦静态与动态信息，同时提升相机姿态估计、深度预测和点云重建性能。

Comments ICLR 2026, VGGT-4D, Dynamic VGGT

The production of meaning in the processing of natural language

自然语言处理中意义产生的机制

Christopher J. Agostino, Quan Le Thien, Nayan D'Souza, Louis van der Elst

机构 * Department of Physics, Indiana University（印第安纳大学物理系） ； Department of Linguistics, Indiana University（印第安纳大学语言学系） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 研究自然语言处理中意义产生的机制，探讨量子逻辑与经典布尔理论在语义处理中的差异，分析模型在不同参数下的表现及对安全交互的影响。

Comments Accepted to QNLP 2026, 9 pages, 3 figures, 2 tables

On-the-fly hand-eye calibration for the da Vinci surgical robot

达芬奇手术机器人的在线手眼标定

Zejian Cui, Ferdinando Rodriguez y Baena

机构 * Department of Mechanical Engineering, Imperial College London（帝国理工学院机械工程系） ； Mechatronics in Medicine Laboratory（医学机电实验室） ； Hamlyn Centre for Robotics Surgery（机器人外科哈姆林中心） 纠错

AI总结 针对达芬奇机器人因编码器误差导致工具定位不准的问题，提出一种在线计算手眼变换矩阵的标定框架，通过特征关联和手眼标定两个模块实现无预训练的关键点匹配，在多种手术场景下显著降低定位误差且时间效率高。

Comments 18 pages, 17 figures, 5 tables

MIMIC-MJX: Neuromechanical Emulation of Animal Behavior

MIMIC-MJX：动物行为的神经机械模拟

Charles Y. Zhang, Yuanjia Yang, Aidan Sirbu, Elliott T. T. Abe, Emil Wärnberg, Eric J. Leonardis, Diego E. Aldarondo, Adam Lee, Aaditya Prasad, Jason Foat, Kaiwen Bian, Joshua Park, Rusham Bhatt, Vyom N. Patel, Hutton Saunders, Austin O. Barbano, Akira Nagamori, Ayesha R. Thanawalla, Kee Wui Huang, Fabian Plum, Hendrik K. Beck, Steven W. Flavell, David Labonte, Blake A. Richards, Bingni W. Brunton, Eiman Azim, Bence P. Ölveczky, Talmo D. Pereira

机构 * Department of Organismic and Evolutionary Biology（有机与进化生物学系） ； Harvard University（哈佛大学） ； Computational Neurobiology Laboratory（计算神经生物学实验室） ； Salk Institute for Biological Studies（生物研究 institute） ； Neurosciences Graduate Program（神经科学研究生项目） ； University of California San Diego（加州大学圣地亚哥分校） ； Mila ； School of Computer Science（计算机科学学院） ； McGill University（麦吉尔大学） ； University of Washington（华盛顿大学） ； eScience Institute（eScience 院） ； Computational Neuroscience Center（计算神经科学中心） ； Department of Brain and Cognitive Sciences（脑与认知科学系） ； Massachusetts Institute of Technology（麻省理工学院） ； Picower Institute for Learning and Memory（记忆学习研究所） ； Molecular Neurobiology Laboratory（分子神经生物学实验室） ； Department of Bioengineering（生物工程系） ； Imperial College London（帝国理工学院） ； Howard Hughes Medical Institute（霍华德·休斯医学研究所） 纠错

AI总结 MIMIC-MJX通过学习生物合理的神经控制策略，实现了对动物行为的神经机械模拟，具有高准确性和广泛适用性。

Comments Project page available at https://mimic-mjx.talmolab.org