Imperial College London（帝国理工学院）

Prompt-Conditioned Channel Attention for Hierarchical Feature Modulation toward Anatomy-Agnostic Segmentation

面向解剖结构无关分割的提示条件通道注意力用于分层特征调制

Mosharof Hossain, Md Rabiul Islam, Limon Halder, Erchin Serpedin, Md Kamrul Hasan

机构 * Khulna University of Engineering & Technology (KUET)（库尔纳工程技术大学） ； Texas A&M University（德克萨斯农工大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 针对现有医学图像分割方法的提示融合局限，提出PCCA机制与PROMISE-Net两种变体，在四个基准测试中较对应基线取得一致IoU提升，为医学图像分割提供可扩展的提示感知分层特征调制框架。

InsufficiencyBench: Evaluating LLM legal advice on underspecified user queries

InsufficiencyBench：评估大型语言模型（LLM）在信息不足的用户查询下的法律建议

Samuel J. Vincent, Daniel Calloway, Fangyi Yu, Andrew M. Bean, Nabeel Seedat

机构 * Thomson Reuters Foundational Research（汤姆森路透基础研究机构） ； Imperial College London（帝国理工学院） 纠错

AI总结 本研究构建了首个针对查询端信息不足的法律基准InsufficiencyBench，评估前沿LLM在信息不足的法律查询中识别缺失要素、避免过早结论的能力，发现现有模型表现不佳。

Comments 10 pages, Best Paper Honorable Mention at ICML AI4Law 2026

ContractScrub: A benchmark for final review of legal contracts

ContractScrub：用于法律合同最终审核的基准测试

Yejin Bang, Kirsty Fielding, Brandan Oliver, Brian Birke, Nabeel Seedat, Andrew M. Bean

机构 * Thomson Reuters Foundational Research（汤森路透基础研究部） ； Imperial College London（帝国理工学院） 纠错

AI总结 针对合同 scrubbing 任务，研究人员推出首个基准测试 ContractScrub，发现前沿 LLMs 在该任务上表现不佳，凸显了领域特定基准的重要性。

Comments 10 pages, ICML AI4Law Workshop

Magnetically Self-Sealed MR Haptic Actuator With PWM-Based Excitation and High-Fidelity Torque Control

采用基于PWM的激励与高保真力矩控制的磁自密封MR触觉执行器

Dong Qiang, Tian Yuan, Song Yang, Kequan Xia, Thomas Reddyhoff, Yikun Zhang, Cheng Cheng, Min Yu

机构 * Imperial College London（伦敦帝国学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 该研究提出一种集成式MRF触觉系统，采用磁自密封旋转执行器与高保真力矩控制，通过优化磁通量布置提升性能，其控制器较PID大幅降低误差，可稳定运行，将变革人机协作模式。

Comments Submitted to IEEE/ASME Transactions on Mechatronics. 16 pages, 9 figures, including supplementary material

SoftVTBench: A Safety-Aware Visuo-Tactile Benchmark for Physically Constrained Robotic Manipulation of Deformable Objects (Early Version)

SoftVTBench：用于物理约束下可变形物体机器人操作的安全感知视觉触觉基准测试

Bowen Jing, Mingxin Wang, Ruiyang Hao, Chenchen Ge, Hanwen Shen, Junjie He, Yang Cui, Yiming Hou, Weitao Zhou, Jiawei Wang, Minglei Li, Dandan Zhang, Ding Zhao, Houde Liu, Xiaofan Li, Si Liu, Ping Luo, Haibao Yu

机构 * Tuojing Intelligence（拓景智能） ； Tsinghua University（清华大学） ； King’s College London（伦敦国王学院） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manchester（曼彻斯特大学） ； Simple AI（简单人工智能公司） ； Imperial College London（伦敦帝国学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 研究物理约束下可变形物体操作，提出SoftVTBench基准测试，通过有限元模拟可变形物体，定义任务套件，分别报告目标成功和安全成功，实现基线并实验，表明仅成功评估高估策略性能，触觉传感可提升安全性。

Comments Early version of SoftVTBench, Accepted by ECCVW