Itô maps for any-step SDEs
任意步SDE的Itô映射
机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Kempner Institute（凯门研究所）
AI总结 提出Itô映射，一种任意步随机流映射，通过单次前向传播预测未来状态，实现随机动力学的精确蒸馏，并支持推理时控制和后验采样。
高校专区
University of Oxford（牛津大学）
Data Journalist Agent: Transforming Data into Verifiable Multimodal Stories
数据记者智能体：将数据转化为可验证的多模态故事
机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 提出多智能体框架Data2Story，通过证据链验证声明并自动生成多模态文章，在18篇文章上评估，证明其在透明性和可审计性上接近人类记者。
Comments Project page: https://data2story.github.io Github: https://github.com/QinghongLin/data2story-skill
GUIDE: Goal-Initialized Directional Understanding for End-to-End Visual Navigation
GUIDE: 目标初始化的定向理解用于端到端视觉导航
机构 * Institute of Cyber-Systems and Control, Zhejiang University（浙江大学控制科学与工程学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所） ； Center for Robotics, University of Bonn（波恩大学机器人中心） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）
AI总结 提出GUIDE框架，通过空间锚点预测器利用多频率本体感受历史提取自运动表示，结合深度流感知局部几何，实现无需后续目标更新的端到端四足机器人导航。
Comments https://guide-navigation.github.io/
3D-CoS: A New 3D Reconstruction Paradigm Based on VLM Code Synthesis
3D-CoS：基于VLM代码合成的新型3D重建范式
机构 * Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Microsoft（微软） ； University of Oxford（牛津大学）
AI总结 提出3D代码合成（3D-CoS）范式，将3D资产表示为可执行的Blender代码，利用VLM进行程序化重建，实现高可控性和局部编辑能力。
Comments Preprint. 24 pages, 11 figures
Gaming AI-Assisted Peer Reviews Poses New Risks to the Scientific Community
游戏化AI辅助同行评审对科学界构成新风险
机构 * OATML, University of Oxford（OATML，牛津大学） ； MBZUAI
AI总结 研究发现，通过表面改写摘要即可显著操纵AI评审结果，成功率约38%，且成本低、难以区分，可能扭曲科学评估的公正性。
A Note on the Strategic Confinement Problem
关于战略约束问题的一个注记
机构 * University of Oxford（牛津大学）
AI总结 本文引入战略约束问题，指出当通信方为具有共享协调资源的战略智能体时，即使信道容量极小，也可能导致机密信息的高影响泄露，并论证学习型战略智能体系统自然实例化该问题。
Toward Calibrated, Fair, and accurate Deepfake Detection
迈向校准、公平且准确的深度伪造检测
机构 * University of Oxford（牛津大学）
AI总结 提出Face-Fairness框架，通过Face-Feature Tuning实现无需人口统计标签的深度伪造检测公平性，同时保持或提升整体准确率。
Evaluation Cards: An Interpretive Layer for AI Evaluation Reporting
评估卡：AI评估报告的解释层
机构 * Hugging Face ； Stanford University（斯坦福大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； University of Copenhagen（哥本哈根大学） ； Trustible ； EleutherAI ； TU Darmstadt（达姆施塔特工业大学） ； Weizenbaum Institute & Technical University of Munich（魏森鲍姆研究所与慕尼黑工业大学） ； Harvard University（哈佛大学） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Iowa State University（爱荷华州立大学） ； IBM Research（IBM研究院） ； University of Chicago（芝加哥大学） ； Independent（独立） ； Berkeley AI Safety Institute (BASIS)（伯克利人工智能安全研究所） ； Simula ； University of Edinburgh（爱丁堡大学） ； ETH Zurich & ETH AI Center（苏黎世联邦理工学院与ETH AI中心） ； Oxford Internet Institute（牛津互联网研究所） ； Amherst College（阿默斯特学院） ； University of Nebraska（内布拉斯加大学） ； Syntony Research ； McGill University（麦吉尔大学） ； Evals Consensus ； Israel Institute of Technology（以色列理工学院） ； IOL.Learn & Zuse Institute Berlin（IOL.Learn与柏林祖泽研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； Quebec AI Institute, Université de Montréal（魁北克人工智能研究所，蒙特利尔大学） ； University of Notre Dame（圣母大学） ； Georgetown University（乔治城大学） ； DHBW Stuttgart（斯图加特双元制大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 针对AI评估报告不一致的问题，提出EvalCards作为统一记录层，通过结构化模式、四种解释信号和监控工具，覆盖5816个模型和635个基准，揭示报告实践中的系统性差距。
Generalization in Nonlinear Least Squares via Learned Feature Geometry
非线性最小二乘中基于学习特征几何的泛化性
机构 * University of Oxford（牛津大学） ； Google DeepMind（谷歌DeepMind） ； Sapient Intelligence（智睿科技）
AI总结 通过算法稳定性分析岭正则化非线性最小二乘的泛化误差，利用经验雅可比Gram矩阵和残差曲率项定义数据依赖的有效维度，并证明其与内在维度而非参数数量相关。
Comments Preprint, under review
MedFeat: Model-Aware and Explainability-Driven Feature Engineering with LLMs for Clinical Tabular Prediction
MedFeat: 基于模型感知与可解释性驱动的LLM特征工程用于临床表格预测
机构 * Microsoft Research（微软研究院） ； University of Oxford（牛津大学）
AI总结 提出MedFeat框架，利用模型感知和特征重要性信号迭代引导LLM生成针对性特征，在临床表格预测中平均提升超10%。
