University of Oxford（牛津大学）

Diagram-MMU: A Multi-Modal Benchmark for Scientific Diagrams

Diagram-MMU：面向科学图表的多模态基准测试

Weihao Bo, Shan Zhang, Yanpeng Sun, Jie Liu, Yongke Yao, Jinhao Du, Wei He, Kai Zou, Zechao Li, Jingdong Wang

机构 * Nanjing University of Science and Technology（南京理工大学） ； Baidu Inc（百度公司） ； AIML, Adelaide University（阿德莱德大学AIML） ； SUTD（新加坡科技设计大学） ； Southeast University（东南大学） ； East China Normal University（华东师范大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文构建了多模态基准测试Diagram-MMU，评估MLLMs的科学图表解析与理解能力，发现图表转代码任务更具挑战，Claude-4.6 Opus在智能体场景下表现最优。

How to Spend Your Oracle Budget: Practical Guidance for Protein Structure Prediction Models

如何使用你的专家预算：蛋白质结构预测模型的实用指南

Aleksandra Kalisz, Jack Simons, Krisztina Sinkovics, Noam Ghenassia, Shikha Surana, Henry Moss, Paul Duckworth

机构 * InstaDeep Ltd（InstaDeep公司） ； University of Oxford（牛津大学） ； Lancaster University（兰卡斯特大学） 纠错

AI总结 本研究针对蛋白质结构预测模型的专家预算约束，通过基准测试FK-steering、DPO、Best K-of-N采样及O3方法，明确不同预算下的最优方法并给出实用选择建议。

Comments Proceedings of the ICML 2026 Workshop on Structured Probabilistic Inference & Generative Modeling (SPIGM)

A Local Sinkhorn Framework for Conditional Distribution Reconstruction of Multidimensional Random Fields

用于多维随机场条件分布重构的局部Sinkhorn框架

Mingtao Xia, Qijing Shen

机构 * School of Mathematics, University of Birmingham（伯明翰大学数学学院） ； Department of Mathematics, University of Houston（休斯顿大学数学系） ； Nuffield Department of Medicine, University of Oxford（牛津大学纳菲尔德医学院） 纠错

AI总结 本文提出用于多维随机场条件分布重构的局部Sinkhorn框架，结合去偏Sinkhorn散度构建可微高效目标，经数值示例验证，该框架在SNN训练中实现了重构精度与计算效率的平衡，且具备良好可扩展性。