University of Oxford（牛津大学）

Vision-Language Model Based Multi-Expert Fusion for CT Image Classification

基于视觉-语言模型的多专家融合用于CT图像分类

Jianfa Bai, Kejin Lu, Runtian Yuan, Qingqiu Li, Jilan Xu, Junlin Hou, Yuejie Zhang, Rui Feng

机构 * College of Computer Science and Artificial Intelligence, Shanghai Key Laboratory of Intelligent Information Processing, Fudan University（复旦大学计算机科学与人工智能学院，上海智能信息处理重点实验室） ； University of Oxford（牛津大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出一种三阶段源感知多专家框架，通过构建肺部感知3D专家、开发MedSigLIP基专家和训练源分类器，提升多源CT图像中新冠检测的鲁棒性，实验结果显示在不同阶段模型在宏F1、ACC和AUC指标上均取得优异成绩。

Visual Set Program Synthesizer

视觉集合程序合成器

Zehua Cheng, Wei Dai, Wenhu Zhang, Thomas Lukasiewicz, Jiahao Sun

机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Institute of Logic and Computation, TU Wien（维也纳技术大学逻辑与计算研究所） 纠错

AI总结 本文提出通过视觉程序合成解决复杂视觉推理问题，引入Set-VQA基准测试，显著提升回答准确性并提高透明度。

Comments 10 pages, IEEE International Conference on Multimedia and Expo 2026

Journal ref IEEE International Conference on Multimedia and Expo 2026

Clinical Priors Guided Lung Disease Detection in 3D CT Scans

基于临床先验的3D CT扫描肺部疾病检测

Kejin Lu, Jianfa Bai, Qingqiu Li, Runtian Yuan, Jilan Xu, Junlin Hou, Yuejie Zhang, Rui Feng

机构 * College of Computer Science and Artificial Intelligence, Shanghai Key Laboratory of Intelligent Information Processing, Fudan University（计算机科学与人工智能学院，上海智能信息处理重点实验室，复旦大学） ； University of Oxford（牛津大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出一种考虑性别因素的两阶段肺部疾病分类框架，通过性别分类器和性别特异性疾病分类器提升少数类疾病识别性能，尤其在鳞状细胞癌上表现突出。

Gradient Atoms: Unsupervised Discovery, Attribution and Steering of Model Behaviors via Sparse Decomposition of Training Gradients

梯度原子：通过训练梯度的稀疏分解实现无监督的行为发现、归因与引导

J Rosser

机构 * FLAIR, University of Oxford（FLAIR，牛津大学） 纠错

AI总结 本文提出梯度原子方法，通过训练梯度的稀疏分解发现、归因和引导模型行为，无需监督即可识别可解释的任务类型行为，如拒绝、算术、二元分类等，并能有效控制模型行为变化。

Synergizing Understanding and Generation with Interleaved Analyzing-Drafting Thinking

融合理解与生成的交错分析-草稿思维

Shengqiong Wu, Bobo Li, Xinkai Wang, Xiangtai Li, Lei Cui, Furu Wei, Shuicheng Yan, Hao Fei, Tat-seng Chua

机构 * National University of Singapore（国立新加坡大学） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Microsoft Research（微软研究院） 纠错

AI总结 本文提出AD-Loop机制，通过交错分析与草稿操作提升视觉语言模型的理解与生成能力，实验表明其在多个基准测试中表现优异，具备良好的迁移性。

Comments 28 pages, 17 figures, 6 tables, ICLR conference

Think3D: Thinking with Space for Spatial Reasoning

Think3D: 基于空间的思考以实现空间推理

Zaibin Zhang, Yuhan Wu, Lianjie Jia, Yifan Wang, Zhongbo Zhang, Yijiang Li, Binghao Ran, Fuxi Zhang, Zhuohan Sun, Zhenfei Yin, Lijun Wang, Huchuan Lu

机构 * Dalian University of Technology（大连理工大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Oxford（牛津大学） 纠错

AI总结 Think3D通过引入交互式3D推理框架，提升多模态代理的空间推理能力，实现在BLINK Multi-view和MindCube上的7.8%性能提升，并通过Think3D-RL优化小模型性能。

On Geometric Understanding and Learned Priors in Feed-forward 3D Reconstruction Models

关于馈送式3D重建模型中的几何理解与学习先验

Jelena Bratulić, Sudhanshu Mittal, Thomas Brox, Christian Rupprecht

机构 * University of Freiburg（弗赖堡大学） ； University of Oxford（牛津大学） 纠错

AI总结 研究探讨了馈送式3D重建模型是否基于传统多视图流程的几何原理或依赖大规模训练的学习先验，通过分析内部表示和注意力模式验证了几何理解的存在。

Defining AI Models and AI Systems: A Framework to Resolve the Boundary Problem

定义人工智能模型和人工智能系统：解决边界问题的框架

Yuanyuan Sun, Timothy Parker, Lara Gierschmann, Sana Shams, Teo Canmetin, Mathieu Duteil, Rokas Gipiškis, Ze Shen Chin

机构 * AI Governance Exchange（AI治理交流） ； University of British Columbia（不列颠哥伦比亚大学） ； Oxford Internet Institute, University of Oxford（牛津大学互联网研究所） ； AI Standards Lab（AI标准实验室） ； Vilnius University（维尔纽斯大学） ； Oxford Martin AI Governance Initiative（牛津马丁AI治理倡议） ； Independent（独立） 纠错

AI总结 本文通过分析896篇学术论文和80多份监管文件，提出人工智能模型与系统的定义框架，解决边界问题，明确责任分配。

Comments Added paragraph in Section 5.5.2 discussing model modifications; corrected typos