University of Oxford（牛津大学）

Functional Attention: From Pairwise Affinities to Functional Correspondences

函数注意力：从成对亲和性到函数对应

Jiefang Xiao, Maolin Gao, Simon Weber, Guandao Yang, Daniel Cremers

机构 * Technical University of Munich, Germany（慕尼黑技术大学，德国） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML），德国） ； PIXL, Department of Computer Science, University of Oxford, United Kingdom（牛津大学计算机科学系PIXL，英国） ； ECE, University of Texas at Austin, USA（德克萨斯大学奥斯汀分校电子与计算机工程系，美国） 纠错

AI总结 提出函数注意力机制，将注意力重新解释为自适应基之间的函数对应，通过结构化线性算子替代softmax亲和性，实现紧凑、可泛化、分辨率不变的全局依赖表示，在PDE求解、3D分割和回归等算子学习任务中达到最先进性能。

Comments 26 pages, 12 figures. Accepted at the 43rd International Conference on Machine Learning (ICML 2026)

Value Functions as Supermartingale Certificates

值函数作为超鞅证书

Alessandro Abate, Daniel Contro, Mirco Giacobbe, Agustín Martínez-Suñé, Diptarko Roy

机构 * University of Oxford, UK（英国牛津大学） ； University of Birmingham, UK（英国伯明翰大学） 纠错

AI总结 本文通过建立值函数与Streett超鞅证书之间的理论联系，将随机系统的形式化验证方法与强化学习相结合，为ω-正则性质提供了一种基于RL的证书合成方法。

Comments To appear in SAIV'26

LinTree: Improving LLM Reasoning with Explicitly Structured Search Histories

LinTree: 通过显式结构化搜索历史提升LLM推理能力

Liwei Kang, Yee Whye Teh, Wee Sun Lee

机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） 纠错

AI总结 针对LLM推理中隐式搜索树导致性能不佳的问题，提出LinTree方法，通过添加父指针显式表示线性化树结构，在Blocks World、网格导航和Sokoban任务中提升了任务性能和搜索效率。

Comments 16 pages, 3 figures

Graphical einops: bridging tensor networks and computation graphs

Graphical einops: 桥接张量网络与计算图

Vincent Wang-Maścianica, Nikhil Khatri

机构 * Laboratory for Human-Centered AI, Department of Philosophy, University of Oxford（人类中心人工智能实验室，哲学系，牛津大学） ； Machine Learning Research Group, Department of Engineering Science, University of Oxford（机器学习研究组，工程科学系，牛津大学） 纠错

AI总结 本文提出一种形式化的图形演算，用于einops的张量编程结构片段，通过等级自然性重写实现张量等变性的图解证明，并应用于注意力掩码转换以优化稀疏注意力实现。

Graph Neural Networks Are Not Continuous Across Graph Resolutions

图神经网络在图分辨率上不连续

Christian Koke, Yuesong Shen, Abhishek Saroha, Marvin Eisenberger, Bastian Rieck, Michael Bronstein, Daniel Cremers

机构 * Munich Center for Machine Learning（慕尼黑机器学习中心） ； Technical University of Munich, Munich（慕尼黑技术大学） ； University of Fribourg（弗里堡大学） ； Institute of Computational Biology（计算生物学研究所） ； University of Oxford（牛津大学） 纠错

AI总结 本文证明图神经网络在自然图收敛模式下不连续，并提出一种基于信息传播方案的结构性修改，使其具备跨尺度连续性，从而实现对不同分辨率的稳定整合与泛化。

Comments arXiv admin note: text overlap with arXiv:2310.00431

TASER: Task-Aware Stein Regularisation for Geometry-Driven Robustness

TASER: 面向几何驱动鲁棒性的任务感知斯坦正则化

Michał Kozyra, Gesine Reinert

机构 * Department of Statistics, University of Oxford, United Kingdom（英国牛津大学统计系） 纠错

AI总结 提出TASER（任务感知斯坦正则化），一种基于Langevin斯坦算子的训练时正则化框架，通过惩罚训练分布下的逐点斯坦残差，诱导各向异性数据感知平滑性，从而提升模型在分布偏移和对抗扰动下的鲁棒性。

ELAN4D: Embodiment-Centric 4D Supervision for Vision-Language-Action Models via Plug-and-Play Adaptation

ELAN4D：以具身为中心的4D监督用于视觉-语言-动作模型的即插即用适配

Zeyuan He, Bowen Yang, Zhirui Fang, Keru Zhou, Lei Jiang, Jingjing Qian, Fan Mo, Junchi Yan, Philip Torr, Xiu Li, Li Jiang, Jialin Yu

机构 * Torr Vision Group, University of Oxford（托尔视觉组，牛津大学） ； The Chinese University of Hong Kong, Shenzhen（香港大学（深圳）） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； University College London（伦敦大学学院） ； University of Cambridge（剑桥大学） 纠错

AI总结 提出ELAN4D框架，通过未来机器人关键点轨迹作为预测性时空监督，以即插即用方式增强VLA策略的鲁棒性和泛化能力。

MatchFixAgent: Language-Agnostic Autonomous Repository-Level Code Translation Validation and Repair

MatchFixAgent: 语言无关的自主仓库级代码翻译验证与修复

Ali Reza Ibrahimzada, Brandon Paulsen, Reyhaneh Jabbarvand, Joey Dodds, Daniel Kroening

机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） ； Amazon, Arlington, VA, USA（亚马逊公司，阿灵顿，弗吉尼亚州，美国） ； University of Oxford, Oxford, UK（牛津大学，牛津，英国） 纠错

AI总结 提出基于大语言模型的多智能体框架MatchFixAgent，实现语言无关的仓库级代码翻译等价性验证与修复，在验证覆盖率和修复成功率上显著优于现有方法。

Comments Published in ICML 2026