高校专区
宪法偏好重建中的开放问题
机构 * Imperial College London（帝国理工学院伦敦分校） ； University of Cambridge（剑桥大学）
AI总结 针对成对偏好数据压缩为自然语言原则时存在的未定义问题，通过实证分析揭示了原则质量难测、组合歧义及模型间差异三大挑战，并提出原则细化（ICAI+）作为改进方向。
Comments 24 pages, 9 figures, 9 tables
TacEvo：通过LLM驱动的质量多样性搜索实现机器人触觉感知的自演化架构发现
机构 * Department of Bioengineering, Imperial-X Initiative, Imperial College London（生物工程系、Imperial-X计划、伦敦帝国学院）
AI总结 提出TacEvo框架，利用LLM生成代码级变异和交叉，结合MAP-Elites质量多样性循环，自动发现高效触觉感知网络架构，在力回归和光栅分类任务上显著提升性能。
语言交际的信息动力学
机构 * Calleva Research Centre, University of Oxford, UK（牛津大学卡勒瓦研究中心） ； St John’s College, University of Cambridge, UK（剑桥大学圣约翰学院） ； Montréal Neurological Institute, McGill University, Canada（蒙特利尔神经科学研究所，麦吉尔大学，加拿大） ； Centre for Eudaimonia and Human Flourishing, University of Oxford, UK（幸福与人类繁荣中心，牛津大学，英国） ； Department of Computing, Imperial College London, UK（伦敦帝国理工学院计算机系）
AI总结 提出信息论框架量化语义信息在对话中的定向流动，通过语义转移熵和语义部分信息分解测量信息传递，在四个实验中验证其能检测认知僵化对话、说服者主导作用、心理治疗质量及议论文协同贡献。
NeuReasoner: 理论驱动的推理激发边界映射
机构 * ETH Zürich（苏黎世联邦理工学院） ； Imperial College London（伦敦帝国理工学院） ； Technical University of Munich（慕尼黑技术大学）
AI总结 提出理论驱动的NeuReasoner框架，通过神经透镜与认知透镜结合，在无需外部工具下激发大模型推理能力，在数学、编码及认知任务上匹配或超越后训练思维模式，并发现风险决策等边界。
VIB-AVSR：基于变分信息瓶颈的噪声鲁棒LLM视听语音识别
机构 * Imperial College London（帝国理工学院伦敦分校） ； NatWest AI Research（NatWest人工智能研究）
AI总结 提出VIB-AVSR，通过在LLM骨干中插入变分信息瓶颈层来正则化表示，无需架构修改或额外数据，即可在多种噪声条件下提升AVSR鲁棒性。
Comments Accepted to INTERSPEECH 2026. Our code is available at https://github.com/PiyushArora1010/VIB-AVSR
RAGA：面向3DGS化身-场景交互的实时光线追踪高斯阴影投射
机构 * Tübingen AI Center, University of Tübingen, Germany（图宾根人工智能中心，图宾根大学，德国） ； Max Planck Institute for Informatics, Saarland Informatics Campus, Germany（马克斯·普朗克研究所信息学院，萨尔兰信息学院，德国） ； Imperial College London, UK（伦敦帝国理工学院，英国） ； King Abdullah University of Science and Technology (KAUST), Saudi Arabia（国王阿卜杜勒阿齐兹科技大学（KAUST），沙特阿拉伯） ； Snap Inc., USA（Snap公司，美国）
AI总结 提出RAGA方法，通过精确的射线-高斯线积分在纯高斯空间中实现阴影计算，无需网格重建，支持单/多化身及物体交互场景，达到约50 FPS的实时性能。
Comments ECCV 2026. Project Page at https://miraymen.github.io/raga/
用于开发和评估因果AI的神经影像模拟框架
机构 * Biomedical Engineering Graduate Program, University of Calgary（卡莱尔大学生物医学工程研究生项目） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） ； Department of Radiology, University of Michigan（密歇根大学放射科）
AI总结 提出一种生成具有已知因果结构的合成神经影像框架，通过模拟T1加权MRI中的体积变化实现因果控制，为因果AI方法提供基准测试数据。
Comments 10 pages, 5 figures, submitted to the Journal of Biomedical and Health Informatics, Code available at https://github.com/erynl-s/SCAR
通过基因组瓶颈蒸馏模块化储层
机构 * Department of Computer Science, University of Tübingen（图宾根大学计算机科学系） ； Max Planck Institute for Biological Cybernetics（生物感知研究所） ； Flowers Team Inria（Inria花朵团队） ； Human and Machine Cognition Lab, Center for Cognitive Science, TU Darmstadt（人类与机器认知实验室，认知科学中心，图恩大学） ； Department of Bioengineering, Imperial College London（帝国理工学院生物工程系）
AI总结 受生物神经网络发育启发，使用超网络学习压缩生成过程以产生模块化储层连接，结合课程元学习与模块化储层计算，生成稀疏递归网络，以最少训练解决困难时序任务并保持鲁棒性。
AHOY! 从YouTube视频中通过高斯点云和视频扩散先验构建可动画的遮挡人类
机构 * University of Tübingen（图宾根大学） ； Imperial College London（帝国理工学院） ； KAUST（阿卜杜拉国王科技大学）
AI总结 本文提出AHOY方法，通过高斯点云和视频扩散先验从真实视频中重建完整可动画3D人体，解决遮挡挑战，提出四点贡献：生成监督、两阶段架构、解耦策略、头身监督。
Comments ECCV 2026. Project page is available at https://miraymen.github.io/ahoy/
将语言模型基准与成对偏好对齐
机构 * School of Data Science, University of Virginia（弗吉尼亚大学数据科学学院） ； Imperial College London（伦敦帝国理工学院） ； Thomson Reuters Foundational Research（汤姆森路透基础研究） ； Department of Electrical Engineering and Computer Science, UC Berkeley and UCSF（伯克利大学电气工程与计算机科学系及旧金山大学）
AI总结 提出BenchAlign方法，通过利用语言模型在问题级别的性能与模型成对排名，自动调整离线基准权重，使新基准能根据偏好准确排序未见模型。
对齐审计员：一种用于验证和细化大语言模型目标的贝叶斯框架
机构 * Imperial College London（伦敦帝国学院） ； Amazon AGI（亚马逊通用人工智能）
AI总结 本文提出一种贝叶斯框架，通过验证和细化LLM目标，解决逆强化学习中奖励函数推断的非识别性问题，提供可操作的诊断和验证政策效用的方法。
Comments Preprint
高效3D高斯散射与轴共享光栅化及顺序无关透射率
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Cambridge（剑桥大学） ； Imperial College London（伦敦帝国学院） ； Samsung AI（三星人工智能）
AI总结 本文提出轴共享光栅化和顺序无关透射率方法，提升3D高斯散射在资源受限平台的实时性能，实现1.33至1.88倍的加速。
Comments ISCA 2026
CPAgents: 用于心脏疾病关联的智能复合表型生成
机构 * Department of Mechanical Engineering, University College London（伦敦大学学院机械工程系） ； CSIG Group, Tencent（腾讯CSIG组） ； Department of Computing, Imperial College London（帝国理工学院计算系） ； Department of Brain Sciences, Imperial College London（帝国理工学院脑科学系） ； Data Science Institute, Imperial College London（帝国理工学院数据科学研究所） ； FAU Erlangen–Nürnberg（埃尔朗根-纽伦堡大学） ； UK Dementia Research Institute, Imperial College London（英国痴呆症研究所帝国理工学院） ； Rosalind Franklin Institute（罗莎琳德·富兰克林研究所）
AI总结 提出CPAgents框架，通过多智能体协作自动构建可解释的复合表型（如多项式、比值和交互形式），在群体规模心脏影像队列中显著提升疾病判别性能。
Comments Accepted to MICCAI 2026
从检测到行动：使用LLM智能体进行容错控制
机构 * Imperial College London（帝国理工学院伦敦校区） ； Helmut Schmidt University（海德堡-施密特大学）
AI总结 提出基于大语言模型智能体的主动容错控制框架，通过多智能体协作、数字孪生和知识图谱增强检索，生成并验证最小风险恢复路径，在离散和连续过程控制中实现从故障检测到有效纠正行动的闭环。
自调制量子快速权重编程器用于高效自适应序列学习
机构 * Wells Fargo（沃爾斯福吉公司） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁克海文国家实验室） ； Imperial College London（伦敦帝国理工学院） ； National Taiwan University（台湾国立大学）
AI总结 提出自调制量子快速权重编程器，通过自适应调制快速权重更新和历史记忆，提升量子序列学习的收敛稳定性和预测性能。
递归QLSTM与动态变分量子电路自适应
机构 * Wells Fargo（沃克斯·福杰公司） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁赫斯国家实验室） ； Imperial College London（伦敦帝国理工学院） ； National Taiwan University（国立台湾大学）
AI总结 提出递归量子长短期记忆模型（Recursive QLSTM），通过元核递归扩展QLSTM，数值测试不同输入长度、元核设计和递归规则，理论论证递归结构提升时间信息传播和学习性能。
TacVerse：面向跨传感器视觉触觉感知的多传感器数据集与基准
机构 * Imperial College London（帝国理工学院） ； Queen Mary University of London（伦敦玛丽女王大学）
AI总结 提出TacVerse多传感器数据集与基准，包含7种视觉触觉传感器的106800张图像，支持形状分类、光栅分类和力回归任务，实验表明跨传感器直接迁移性能下降，而少样本适应可提升力回归性能。
退化蒸馏器
机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge（剑桥大学应用数学与理论物理系） ； Imperial Centre for Inference and Cosmology (ICIC), Imperial College London（伦敦帝国理工学院帝国推理与宇宙学中心） ； Astrophysics, University of Oxford（牛津大学天体物理学系） ； CNRS & Sorbonne Université, Institut d’Astrophysique de Paris (IAP)（法国国家科学研究中心与索邦大学巴黎天体物理研究所） ； Department of Physics and Astronomy, University College London（伦敦大学学院物理与天文学系） ； Department of Physics & King’s Institute for Artificial Intelligence, King’s College London（伦敦国王学院物理系与国王人工智能研究所） ； Department of Physics and Astronomy, Johns Hopkins University（约翰霍普金斯大学物理与天文学系） ； Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系）
AI总结 提出退化蒸馏器方法，通过估计和展平Fisher信息矩阵，自动符号化检测并解决物理模型中的退化参数组合，降低神经后验估计所需的模拟预算。
Comments 30 pages, 10 figures. Supporting code found at https://github.com/tlmakinen/degeneracy_distillery
UniDrive: 面向自动驾驶可解释风险理解的统一视觉-语言与定位框架
机构 * organization= Department of Earth Science \& Engineering, Imperial College London , city= London , postcode= SW7 2AZ , country= United Kingdom ； organization= SpaceTimeLab, Department of Civil, Environmental ； Geomatic Engineering, University College London , city= London , postcode= WC1E 6BT , country= United Kingdom ； organization= Department of Computing, The Hong Kong Polytechnic University , city= Hong Kong , country= China ； organization= Trinity College, University of Oxford , city= Oxford , postcode= OX1 3BH , country= United Kingdom ； organization= Department of Geography, University College London , city= London , postcode= WC1E 6BT , country= United Kingdom ； organization= Centre for Global Infrastructure Resilience, The Bartlett School of Sustainable Construction, University College London , city= London , postcode= WC1E 7HB , country= United Kingdom
AI总结 提出UniDrive框架，通过融合时序推理与高分辨率感知分支，联合生成风险描述和边界框定位，在DRAMA-Reasoning基准上超越现有方法，提升小目标定位和可解释性。
Lite Any Stereo V2：更快更强的零样本立体匹配
机构 * Imperial College London（帝国理工学院）
AI总结 提出Lite Any Stereo V2超快模型系列，通过2D代价聚合框架和三阶段训练策略（合成监督、自蒸馏、真实知识蒸馏）实现高效零样本立体匹配，在保持低延迟的同时达到最先进精度。
人类静态声源定位贝叶斯模型的统计验证与全空间扩展
机构 * Dyson School of Design Engineering, Imperial College London（帝国理工学院戴森设计工程学院） ； Audio Communication Group, Technische Universität Berlin（柏林工业大学音频通信组） ； Department of Industrial Systems Technology and Management, University of Padova（帕多瓦大学工业系统技术与管理系）
AI总结 提出贝叶斯声源定位模型的显式似然函数，通过参数恢复和行为数据拟合验证其可靠性，并比较四种HRTF模板插值方法，发现全空间覆盖和高频保真度是关键。
Comments 16 pages, 6 figures, 3 supplementary figures; submitted to Acta Acustica (special issue on Spatial and Binaural Hearing: From Neural Processes to Applications)
具有可训练非线性连接的低功耗模拟神经网络用于连续控制
机构 * School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院） ； Intrinsic Semiconductor Technologies（Intrinsic Semiconductor Technologies公司） ； School of Chemical, Biological, and Materials Science Engineering, University of Sheffield（谢菲尔德大学化学、生物与材料科学工程学院） ； School of Physics, Engineering, and Technology, University of York（约克大学物理、工程与技术学院） ； Department of Computer Science, University of York（约克大学计算机科学系） ； Department of Electronic & Electrical Engineering, University College London（伦敦大学学院电子与电气工程系） ； King’s College London（伦敦国王学院） ； Blackett Laboratory, Imperial College London（帝国理工学院布莱克特实验室）
AI总结 受Kolmogorov-Arnold网络启发，在连接上放置可训练非线性函数，使每个物理连接成为可学习计算单元，通过现场可编程模拟阵列实现带通滤波器，在连续控制等任务上以更少节点和连接达到高效，预计CMOS实现功耗约30微瓦。
Comments Preprint. Further verification of all simulations is ongoing. Any resulting corrections will be incorporated in a revised version
Hessian增强的Hamilton-Jacobi-Bellman偏微分方程监督学习
机构 * Department of Mathematics, Imperial College London, South Kensington Campus（帝国理工学院伦敦数学系，南肯辛顿校区） ； Department of Mathematics and Statistics, University of Konstanz（康斯坦茨大学数学与统计学系） ； RICAM and Institute of Mathematics and Scientific Computing, University of Graz（格拉茨大学RICAM与数学与计算科学研究所）
AI总结 提出一种数据驱动方法，利用最优控制问题中值函数的梯度与Hessian信息增强加权最小二乘回归，显著降低样本复杂度并提高近似精度，在高维问题中采用部分Hessian策略控制成本。
连接语言与行动：语言引导的机器人操作综述
机构 * Technical University of Munich（慕尼黑技术大学） ； Corporate Research, Robert Bosch GmbH（罗伯特·博世集团企业研究部） ； University of California Berkeley（加州大学伯克利分校） ； Microsoft（微软） ； Google DeepMind（谷歌DeepMind） ； Carnegie Mellon University（卡内基梅隆大学） ； Imperial College London（伦敦帝国理工学院） ； Princeton University（普林斯顿大学） ； University of Southern California（南加州大学） ； Sun Yat-sen University（中山大学） ； University of Michigan（密歇根大学） ； Institute for Artificial Intelligence, University of Stuttgart（斯图加特大学人工智能研究所） ； The State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室）
AI总结 本文综述了语言引导的机器人操作领域，探讨了语言如何与机器人系统整合，分析了现有方法的分类及最新进展，指出关键争议和未来研究方向。
HiPath: 用于结构化病理报告预测的分层视觉-语言对齐
机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； Department of Bioengineering and Imperial-X, Imperial College London（帝国理工学院伦敦校区生物工程系） ； Department of Pathology, Xiangtan Maternal and Child Health Hospital（湘潭 maternal and child health hospital pathology department） ； Department of Pathology, The First People’s Hospital of Xiangtan City（湘潭市第一人民医院病理科）
AI总结 提出HiPath框架，通过分层补丁聚合器、对比学习和槽位掩码诊断预测，在冻结UNI2和Qwen3骨干上实现结构化病理报告预测，准确率达68.9%，安全率97.3%。
Comments 10 pages, 1 figures, 3 tables
基于人工智能从非对比MR成像预测脑肿瘤强化：一项多队列回顾性诊断准确性研究
机构 * Queen Square Institute of Neurology, University College London, London, UK（伦敦大学学院医院神经科学研究所） ； National Hospital for Neurology and Neurosurgery, London, UK（伦敦神经病学与神经外科医院） ； NVIDIA, UK（英国NVIDIA公司） ； Great Ormond Street Hospital for Children, London, UK（伦敦儿童医院） ； Royal National Orthopaedic Hospital, Stanmore, Middlesex, UK（斯坦莫尔皇家骨科医院，中西敏，英国） ； University College Hospitals NHS Foundation Trust, London, UK（伦敦大学学院医院 NHS 基础信托） ； Royal Free Hospital, London, UK（伦敦皇家自由医院） ； Imperial College Healthcare NHS Trust, London, UK（伦敦帝国学院医疗信托） ； Imperial College London, London, UK（伦敦帝国学院）
AI总结 本研究开发并验证了深度学习模型，仅从非对比MRI预测肿瘤对比增强，在多个数据集上达到83.0%的平衡准确率，有望减少神经肿瘤成像中对钆的依赖。
Comments 44 pages
RTFF：使用双臂机械手的随机到目标织物展平策略
机构 * Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； Dyson School of Design Engineering, Imperial College London（帝国理工学院设计工程学院） ； Unprecedented-scale Data Analytics Center, Tohoku University（东北大学大规模数据分析中心） ； Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； Department of Mechanical Engineering, City University of Hong Kong（香港城市大学机械工程系）
AI总结 提出随机到目标织物展平任务，通过模板网格对齐和混合模仿学习-视觉伺服策略，实现双臂机器人对任意目标姿态的织物展平与对齐。
Comments 8 pages, 7 figures, conference
不耐烦的赌博机：无需延迟地优化长期目标
机构 * Imperial College London（帝国理工学院伦敦分校） ； University of Manchester（曼彻斯特大学） ； Spotify ； Reflection AI ； Columbia University（哥伦比亚大学）
AI总结 针对推荐系统中长期用户满意度优化问题，提出一种结合贝叶斯滤波的延迟奖励预测模型和赌博机算法，利用短期代理信号加速学习，理论证明遗憾界依赖于渐进反馈价值，在播客推荐A/B测试中显著优于基线方法。
Comments To appear in Journal of Machine Learning (JMLR)
基于VLM的医学图像分布外检测的Wasserstein对齐定位
机构 * Department of Computing, Imperial College London, UK（伦敦帝国理工学院计算机系） ； Technical University Munich, DE（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), DE（慕尼黑机器学习中心（MCML））
AI总结 提出WALDO框架，利用最优传输理论通过熵加权切片Wasserstein距离、Goldilocks区域采样和自一致性聚合实现零样本异常定位，在NOVA脑MRI基准上mAP@30达43.5%，相对提升19%。
Comments submitted to MICCAI 2026
可扩展贝叶斯加性模型：通过摊销高斯过程推理和隐马尔可夫模型进行恒星耀斑检测
机构 * Department of Statistical Sciences, University of Toronto（多伦多大学统计科学系） ； Data Sciences Institute, University of Toronto（多伦多大学数据科学研究院） ； School of the Environment, University of Toronto（多伦多大学环境学院） ； David A. Dunlap Department of Astronomy and Astrophysics, University of Toronto（多伦多大学大卫·A·邓拉普天文与天体物理系） ； School of Public Health, Imperial College London（伦敦帝国学院公共卫生学院） ； Department of Astronomy, University of Washington（华盛顿大学天文学系）
AI总结 提出生成式代理框架，利用变分自编码器压缩Celerite先验，避免精确协方差运算，结合隐马尔可夫模型实现恒星耀斑的高效检测。
Comments Main paper: 19 pages, full paper: 34 pages. 4 appendices. 9 main figures, 21 figures in total. 4 tables. Poster Presenter, SSC 2026 (Statistical Society of Canada Annual Meeting) and ISBA 2026 (International Society for Bayesian Analysis World Meeting)
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