高校专区
$D^2$-Monitor: 通过犹豫感知路由实现扩散LLM的动态安全监控
机构 * Torr Vision Group, University of Oxford（奥克斯大学托尔视觉组） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 针对扩散大语言模型的安全监控问题，提出基于犹豫感知路由的双层动态监控框架$D^2$-Monitor，通过轻量级探针实时估计犹豫度并触发高容量探针，在3个数据集上以0.85M参数达到最优性能与效率平衡。
Strat-Reasoner：在多智能体游戏中增强大语言模型的战略推理能力
机构 * School of Software Engineering, South China University of Technology（华南理工大学软件学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系）
AI总结 提出Strat-Reasoner框架，通过递归推理范式和集中式思维链比较模块，结合混合优势与组相对强化学习，提升大语言模型在多智能体游戏中的战略推理能力。
PolySAE: 通过多项式解码建模稀疏自编码器中的特征交互
机构 * The Cyprus Institute（塞浦路斯研究所） ； University of Athens（雅典大学） ； University of Oxford（牛津大学） ； Archimedes AI/Athena Research Center（阿基米德AI/雅典娜研究中心） ； University of Cyprus（塞浦路斯大学）
AI总结 提出PolySAE，在稀疏自编码器解码器中引入高阶项以建模特征交互，通过低秩张量分解在共享投影子空间上捕获成对和三元特征交互，在保持可解释性的同时提升探测F1约8%，并产生与共现频率无关的组合结构。
Comments 43rd International Conference on Machine Learning (ICML 2026); Code: https://github.com/pakoromilas/PolySAE
通过稀疏后训练实现内在可解释的注意力机制
机构 * MPI-IS（马克斯·普朗克研究所） ； University of Oxford（牛津大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出一种后训练方法，通过约束损失下的灵活稀疏正则化，在不牺牲性能的前提下将Transformer注意力连接稀疏至约0.4%，从而简化全局电路并提升可解释性。
接下来会发生什么？通过生成点轨迹预测未来运动
机构 * Visual Geometry Group, University of Oxford（牛津大学视觉几何组）
AI总结 提出一种基于单张图像预测未来运动的方法，通过生成密集轨迹网格来捕捉场景动态和不确定性，相比现有方法更准确多样，并验证其在机器人等下游任务中的有效性。
Journal ref ICLR 2026
PCSP元问题的搜索无效性和不可判定性
机构 * University of Oxford（牛津大学） ； Durham University（杜伦大学） ； University of Zaragoza（阿拉瓦大学）
AI总结 本文研究承诺约束满足问题（PCSP）的搜索版本与决策版本是否等价，证明BLP、AIP等算法在搜索版本中无效，并基于代数方法给出搜索无效的充分条件，进而证明相关元问题的不可判定性。
路径很重要：学习扩散语言模型的令牌提交策略
机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Department of Engineering Science, University of Oxford（工程科学系，牛津大学）
AI总结 本文提出TraceLock，一种轻量级可插拔控制器，通过学习可复用的轨迹状态策略来优化扩散语言模型中的令牌提交决策，从而改善质量与步数之间的权衡。
AI驱动的自适应对手与公钥系统中密码学信任的侵蚀
机构 * Department of Computer Sciences, University of Oxford（牛津大学计算机科学系） ； The Alan Turing Institute（艾伦·图灵研究所） ； British Library（大英图书馆）
AI总结 本文研究人工智能驱动的自适应对手如何利用实现层面的可观测性侵蚀公钥密码学的安全性，提出了一种新的安全评估框架。
Journal ref J Anal Sci Technol 17, 26 (2026)
去中心化AI是否可治理？从规制政策到构成性协议
机构 * University of Oxford（牛津大学） ； New York University Shanghai（纽约大学上海校区）
AI总结 本文分析去中心化AI的六层堆栈，揭示其导致的治理真空（责任缺口和无力化缺口），并提出从基于政策的规范性治理转向基于协议的构成性治理，同时确立合法性、可争议性、透明性和非支配性四个伦理条件。
Comments Submitted for Ethics and Information Technology
思维链劫持
机构 * Independent（独立） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； Anthropic ； Martian Core
AI总结 提出思维链劫持攻击，通过诱导大型推理模型进行长时间良性推理来削弱其拒绝有害请求的能力，实现高成功率越狱。
Agent-X：评估视觉中心智能体任务中的深度多模态推理
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； University of Central Florida（中央佛罗里达大学） ； University of Oxford（牛津大学）
AI总结 提出Agent-X基准，通过828个真实视觉任务和细粒度步骤评估框架，揭示当前模型在多步视觉推理中全链成功率低于50%的瓶颈。
Comments Accepted in International Conference of Learning Representations (ICLR 2026)
PACT：人机协作中持续任务辅助的主动询问
机构 * University of Science and Technology Beijing（北京科技大学） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学）
AI总结 提出PACT框架，通过强化学习在部分观测下决定何时主动询问用户以澄清任务，从而在跨日人机协作中逐步提高辅助准确性和澄清效用。
算法度量：算法反馈下的预测
机构 * University of Oxford（牛津大学）
AI总结 提出算法度量框架，研究预测算法影响自身评估数据的反馈机制，证明部署风险不可仅由历史数据识别，并给出估计方法。
分类问题的神经正切核
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Oxford-Man Institute of Quantitative Finance, University of Oxford（牛津大学量化金融研究所） ； OATML, University of Oxford（牛津大学OATML研究中心） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Spotify
AI总结 本文通过识别宽神经网络在分类损失下保持懒惰训练的条件，将神经正切核理论扩展到分类问题，并分析了参数正则化对核常数性的影响以及预测器分布与贝叶斯方法的关系。
Comments Preprint
线性系统求解器中后向误差的通用收敛性
机构 * University of Michigan（密歇根大学） ； University of Oxford（牛津大学） ； Princeton University（普林斯顿大学）
AI总结 本文证明经典Richardson迭代在半正定线性系统上具有与条件数无关的1/k后向误差收敛率，并基于Krylov子空间最小化后向误差提出MINBERR算法，实现O(n^2/√ε)复杂度。
Comments Added convergence analysis of MINBERR-NE for general linear systems (Theorems 5.1 and 5.3)
随机到达的在线非质心聚类中的延迟分配
机构 * Bar Ilan University（巴伊兰大学） ； University of Oxford（牛津大学）
AI总结 针对随机到达模型，提出一种常数竞争比的在线非质心聚类算法，允许延迟分配以平衡聚类距离成本和延迟成本。
Comments To Appear in the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS), 2026
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