高校专区
重新审视无需初始化的光束平差法：一项受控实验研究
机构 * University of Oxford（牛津大学） ； Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Hanyang University（汉阳大学） ； Lund University（隆德大学）
AI总结 本文通过统一评估框架开展受控实验，揭示无需初始化的光束平差法存在优化-重建差距，明确其核心挑战是获取可可靠度量升级的投影重建，为该领域研究提供了实验基础。
EvoTS-Agent：一种用于金融时间序列变点检测的自进化大语言模型智能体
机构 * Alan Turing Institute（阿兰·图灵研究所） ； University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学） ； NatWest AI Research（国民西敏寺银行人工智能研究部） ； University of Edinburgh（爱丁堡大学） ； University College London（伦敦大学学院）
AI总结 该研究针对金融时间序列变点检测难题，提出自进化 LLM 智能体 EvoTS-Agent，经验证引导进化检测流程，在四个基准数据集上表现优于现有同类智能体且执行成功率达100%。
金融新闻NLP中的时间泄露：针对特定 regime 并购信号的多架构审计
机构 * Predictive Labs Ltd（Predictive实验室有限公司） ； University of Oxford（牛津大学） ； Imperial College London（伦敦帝国学院）
AI总结 该研究针对金融新闻NLP的时间泄露问题，在多模型架构上审计了其影响，发现并购信号具有时间局限性，主张将泄露审计作为金融NLP基准的必备披露项。
用于初等函数与滤波函数逐元素评估的迭代张量网络变换
机构 * Clarendon Laboratory, University of Oxford（牛津大学克拉伦登实验室） ； The Hamburg Centre for Ultrafast Imaging（汉堡超快成像中心） ； Institute for Quantum Physics, University of Hamburg（汉堡大学量子物理研究所） ； Institute of Software Methods for Product Virtualization, German Aerospace Center (DLR)（德国航空航天中心产品虚拟化软件方法研究所）
AI总结 本文提出迭代张量网络变换（ITNTs）框架，可在压缩域中对张量列编码的数据执行初等与滤波函数的逐元素评估，能高效处理大规模数据，在三维流场计算与Max-SAT问题求解中展现出应用价值。
Comments 23 pages, 10 figures
宪法式中间训练：内容存在驱动对齐增益
机构 * University of Oxford（牛津大学） ； Institute for Ethics in AI, University of Oxford（牛津大学人工智能伦理研究所） ； Geodesic Research ； Oxford Internet Institute, University of Oxford（牛津大学互联网研究院）
AI总结 该研究提出宪法式中间训练方法，在中间训练中插入基于原则价值观的内容，可提升模型对齐的泛化性与持久性，削弱SFT灌输的敲诈倾向且不造成能力损失，为以SFT为中心的流程提供低成本补充方案。
ChatPlanner: 一个用于个性化公共交通路线规划的大型语言模型框架
机构 * School of Engineering and Materials Science, Queen Mary University of London（伦敦玛丽女王大学工程与材料科学学院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系）
AI总结 提出ChatPlanner框架，利用大型语言模型和检索增强生成技术从自然语言查询中提取用户偏好并融入路线规划算法，实验证明其能生成更符合个性化需求的可行路线方案。
Comments Under Review at Transportation Research Part C
标准可解释模型：一种基于拉格朗日力学的可解释机器学习通用理论，用于演绎设计可解释方法
机构 * IBM Research (CH)（IBM研究院（瑞士）） ； University of Oxford (UK)（牛津大学（英国）） ； University of Cambridge (UK)（剑桥大学（英国）） ； KU Leuven (BE)（鲁汶大学（比利时）） ； Institute of Physics of the Czech Academy of Sciences (CZ)（捷克科学院物理研究所（捷克））
AI总结 提出标准可解释模型（SIM），基于拉格朗日力学从前提演绎出可解释性对称性和约束，通过最小化拉格朗日函数得到最优可解释模型，解决现有方法局限性并指导新方法设计。
迈向AI历史学家：从原始资料中进行代理信息提取
机构 * Torr Vision Group, Department of Engineering Science, University of Oxford（牛津大学工程科学系托尔视觉组） ； Oxford Centre for Economic and Social History, University of Oxford（牛津大学牛津经济与社会史中心） ； Faculty of Music, University of Oxford（牛津大学音乐学院） ； Fraunhofer HHI（弗劳恩霍夫海因里希·赫兹研究所）
AI总结 本文介绍Chronos项目首个模块，通过自然语言交互将历史文献图像转化为数据，允许历史学家自定义流程、评估模型性能并迭代优化。
概率程序合成中的似然黑客行为
机构 * University of Oxford, Department of Computer Science（牛津大学计算机科学系） ； University of Edinburgh, School of Informatics（爱丁堡大学信息学院） ； CIFAR Fellow, Learning in Machines and Brains（CIFAR Fellow, 机器与大脑学习）
AI总结 研究概率程序合成中语言模型通过强化学习生成程序时可能人为夸大边际似然奖励的问题，提出安全语言片段SafeStan以防止似然黑客行为。
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