University of Oxford（牛津大学）

Rule of Thumb: Explaining Artificial Intelligence Systems using Partial Information

经验法则：使用部分信息解释人工智能系统

Kaivalya Rawal, Daria Onitiu, Brent Mittelstadt, Sandra Wachter, Chris Russell

机构 * University of Oxford（牛津大学） ； Hasso Plattner Institute（哈索·普拉特纳研究所） ； Weizenbaum Institute（魏茨曼研究所） 纠错

AI总结 该研究提出名为“经验法则”（RoT）的新型XAI方法，可识别特定数据点下与AI系统行为最相关的特征，适用于零样本分类等场景，符合AI法规且效率更高。

Comments Code available at: https://github.com/KaiRawal/Rule-of-Thumb-Explaining-Artificial-Intelligence-Systems-using-Partial-Information

Beckmann Transport Models: From Autonomous Flows to One-Step Maps

贝克曼运输模型：从自主流到一步映射

Lee Cheuk-Kit, Florentin Coeurdoux, Yuyuan Chen, Sophia Tang, Peter Potaptchik, Yilun Du, Michael Samuel Albergo, Eric Vanden-Eijnden

机构 * Harvard University（哈佛大学） ； Capital Fund Management (CFM)（凯鹏华盈资产管理公司） ； University of Oxford（牛津大学） ； New York University（纽约大学） 纠错

AI总结 该研究提出基于自主流的流匹配实例，构建统一框架实现分布间精确映射，修正现有方法不一致性，在ImageNet 256×256上验证了自主流与一步映射的有效性。

Embedding networks with the random walk first return time distribution

基于随机游走首次返回时间分布的嵌入网络

Vedanta Thapar, Renaud Lambiotte, George T. Cantwell

机构 * The Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Engineering, University of Cambridge（剑桥大学工程系） 纠错

AI总结 本文提出基于随机游走首次返回时间分布的节点嵌入方法，通过数学原理和实验验证，展示了其在复杂网络分析中的有效性。