高校专区
从视频中进行结构化动力学的自监督学习
机构 * Fundamental AI Lab, UTN（基础人工智能实验室，UTN） ； VGG, University of Oxford（VGG，牛津大学）
AI总结 研究能否从预训练图像视觉Transformer的冻结特征中恢复结构化运动表示，提出结构化动力学模型（SDM），通过未来特征预测分离动力学来源，结合自监督与弱监督训练，在新评估套件上表现出色，证明预训练图像模型可用于结构化视频动力学表示。
Comments preprint, Project page: https://lukasknobel.github.io/projects/StructuredDynamics
视而不见，仍记于心：全模态大语言模型的令牌压缩
机构 * KAIST（韩国科学技术院） ； VGG, University of Oxford（牛津大学视觉几何组）
AI总结 研究旨在降低Omni-LLMs推理时输入令牌成本，提出无需训练的ReMo框架，通过跨模态重分配信息压缩视觉令牌，在Qwen2.5-Omni上实验，去除54%输入令牌且准确率无损失，甚至略超全令牌模型。
Comments Preprint
大语言模型的可靠概率安全边界
机构 * University of Oxford（牛津大学） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） ； University of Birmingham（伯明翰大学）
AI总结 研究提出框架计算大语言模型生成有害输出概率的严格边界，利用克洛普 - 皮尔逊置信区间，通过潜在空间特征优先探索有害分支，能高效计算可靠下界，实验验证方法有效性，为模型评估和认证提供新途径。
Comments The Initial version of this manuscript has been available on OpenReview, see https://openreview.net/forum?id=papImkPLf5
STN-TGAT：通过具有可学习软阈值稀疏化的先验引导图注意力进行前K投资组合构建
机构 * University College London（伦敦大学学院） ； University of Oxford（牛津大学）
AI总结 本文针对现实投资场景下股票排名与投资组合构建问题，提出STN-TGAT，集成时间Transformer与图注意力网络，结合基于NMI的先验图及软阈值稀疏化机制，纳入实际投资考量，实证显示其在预测和盈利方面优于基准模型，为投资组合构建提供有效框架。
推理微调诱导持久的潜在策略状态
机构 * University of Oxford（牛津大学） ； University of Utah（犹他大学）
AI总结 研究推理微调对语言模型的影响，将思维链推理建模为切换动态系统，通过时间感知对比表征学习等方法恢复潜在策略。发现推理微调使模型有更丰富的潜在策略组织，恢复的状态有功能意义，SDS引导的剪枝效果良好，为推理模型分析和控制提供新视角。
Comments Accepted at the Conference on Language Modeling (COLM) 2026. 45 pages, including appendices; 24 figures and 12 tables. Code: https://github.com/withmartian/mi-cot
使用大语言模型从时间序列中生成可解释的、数据驱动的见解
机构 * University of Oxford（牛津大学） ； Vortexa
AI总结 研究针对时间序列预测中解释生成难且易幻觉的问题，提出领域无关框架，含提取解释因素、基于证据生成解释及可扩展评估三组件，经案例研究验证，该框架能大规模实现有根据的解释生成，无需特定领域微调。
关于深度线性编码器-only变压器中出现的多样动力学行为
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Maryland（马里兰大学） ； University of Warsaw（华沙大学） ； Rice University（莱斯大学） ； University of Oxford（牛津大学）
AI总结 研究深度线性编码器-only变压器推理时行为，通过相互作用粒子系统视角，在二维嵌入维度揭示其动力学可表述为广义Kuramoto型模型，还发现多种长期行为及相关特性，高维数值实验表明这些行为在更高维度持续存在。
持久稀疏自动编码器：在语言模型中学习特征时间尺度
机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学）
AI总结 研究在语言模型中学习特征时间尺度的问题，提出持久稀疏自动编码器，通过为特征学习持久性系数扩展标准SAEs，实验表明其能保持竞争力的重建质量，为解释和监测语言模型带来新机会。
约束锚定推理轨迹
机构 * University of Oxford（牛津大学）
AI总结 研究自回归多模态大语言模型错误滚雪球问题，提出神经符号框架CART，将自然语言推理与符号约束断言交织，经双管齐下的模块验证约束，防止错误传播，在多基准测试中降低滚雪球率、提高准确率并控制推理开销。
Comments 15 pages, ACM MM 2026
通过视觉-语言反馈进行局部笔触质量评估
机构 * Tokyo Institute of Science High School（东京理科大学附属高中） ； National Institute of Advanced Industrial Science and Technology (AIST)（国立先进工业科学技术研究所） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组）
AI总结 研究多模态语言模型能否评估书法局部笔触质量并生成反馈，构建评估框架让三个模型评估图像对并与专家打分比较，还研究了RAG变体，结果显示模型有一定绝对分数准确性，但与专家排名相关性不强，RAG有正负两方面表现。
Comments 6 pages, 8 figures. Accepted to the SAUAFG Workshop at CVPR 2026
用于超声心动图心肌梗死定位的运动条件多视图融合
机构 * University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对超声心动图心肌梗死定位问题，提出MCF-Net框架，融合心肌运动线索与基础模型表示，通过极稀疏监督建模心脏运动，利用运动衍生软掩码提供先验，跨视图整合运动和视觉优化预测，在节段级定位上性能优于现有方法。
HoloGeo：通过证据驱动推理减轻地理定位中的地标偏差
机构 * National University of Singapore（新加坡国立大学） ； Shandong University of Science and Technology（山东科技大学） ； University of Oxford（牛津大学）
AI总结 研究针对视觉语言模型地理定位易受地标偏差影响的问题，提出证据驱动推理框架HoloGeo，借助高质量数据集，通过多维度奖励实现平衡关注与联合推理，经实验验证其在多个数据集上能有效减轻地标偏差，提升地理定位性能。
AHEAD：通过人类意图预测实现预期的手动驱动遥操作
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Neuromeka Ltd.（Neuromeka有限公司） ； INRIA（法国国家信息与自动化研究所） ； University of Oxford（牛津大学）
AI总结 研究旨在减少机器人反应时间并降低操作员工作量，提出AHEAD实时VR遥操作系统，通过处理手和头部信号及场景上下文预测意图，转换为稳定目标，该系统意图预测准确率高，能有效减少延迟并降低操作员负荷。
Comments Accepted to IROS2026, 8 pages, 6 figures
AIMO可解释性挑战
机构 * National Institute of Informatics（日本国立信息学研究所） ； Munich Center for Machine Learning / MaiNLP LMU（慕尼黑机器学习中心/慕尼黑大学语言与文学计算研究所） ； University of Tübingen（图宾根大学） ； Fuzhou University（福州大学） ； Masaryk University（马萨里克大学） ； University College London（伦敦大学学院） ； University of Oxford（牛津大学）
AI总结 提出AIMO可解释性挑战，基于前沿数学语言模型内部机制区分稳健与虚假推理。利用AIMO问题等资源，提供推理问题、模型访问及鲁棒性评估，助参与者开发识别稳健模型的方法，创建新基准和基线系统，连接可解释性与泛化研究。
Comments Accepted Competition at NeurIPS 2026
从表达能力到样本复杂度：通过C-RASP为Transformer构建窄教师模型
机构 * Mila & Université de Montréal（米拉与蒙特利尔大学） ； University of Oxford（牛津大学） ； Saarland University（萨尔兰大学）
AI总结 研究Transformer的理论理解，通过提出手工权重等分析其表达能力。针对其可学习性研究少的问题，受损失景观分析启发，为用Transformer学习C-RASP结构提出初步样本复杂度界限。
Comments 9 pages total
关于CVPR 2026@AdvML研讨会挑战赛的技术报告
机构 * Beihang University（北京航空航天大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Tongji University（同济大学） ； iFLYTEK Co., Ltd.（科大讯飞股份有限公司） ； Anhui Laboratory for Safe Artificial Intelligence in the Yangtze River Delta（长三角安全人工智能安徽实验室） ； Wenzhou Business College（温州商学院） ； Jiangnan University（江南大学） ； Guangzhou City University of Technology（广州理工学院） ； Inceptio Technology（智元机器） ； Institute of Dataspace（数据空间研究所） ； Zhongguancun Laboratory（中关村实验室） ； Tsinghua University（清华大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； BAAI（北京智源人工智能研究院） ； Meta ； Johns Hopkins University（约翰·霍普金斯大学） ； University of California, Berkeley（加州大学伯克利分校） ； Nanyang Technological University（南洋理工大学）
AI总结 介绍CVPR 2026@AdvML研讨会针对自动驾驶VLAs的对抗性多模态攻击挑战赛，基于多视图视觉问答，参赛者要生成对抗图像和文本扰动。阐述任务设计等，研究领先提交作品发现后缀惩罚等模式，为多模态自动驾驶系统相关工作提供参考。
用于编目的人工智能模型特征分析
机构 * University of Oxford（牛津大学）
AI总结 研究数字馆藏编目记录创建中人工智能模型的应用，通过比较不同实现方式和模型进行评估，涵盖定性定量实验评估，并给出超出特定用例的模型使用建议。
Comments 7 pages, 10 tables
SETA：终端智能体的扩展环境
机构 * Imperial College London（帝国理工学院） ； University College London（伦敦大学学院） ； SambaNova（桑巴诺瓦公司） ； KAUST（阿卜杜拉国王科技大学） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学） ； University of Waterloo（滑铁卢大学） ； RadixArk（基数方舟公司）
AI总结 研究针对终端智能体训练扩展难的问题，提出SETA框架，含SETA - Synth和SETA - Evol两个管道及统一验证机制，构建了SETA - Env数据集。实验显示该数据集能为终端智能体提供优质训练环境，推动相关研究发展。
ALICE：从视觉、视觉语言和玻片级专家学习通用病理学基础模型
机构 * Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学生物医药与健康工程研究院，清华大学深圳国际研究生院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Department of Pathology, The First Affiliated Hospital of Sun Yat-sen University（中山大学附属第一医院病理科） ； Medical Optical Technology R&D Center, Research Institute of Tsinghua, Pearl River Delta（清华珠三角研究院医学光学技术研发中心）
AI总结 研究提出通过多阶段凝聚蒸馏训练的ALICE统一基础模型，将多种教师模型知识整合到单个主干。它在大量图像上预训练，经多场景多任务评估，在任务匹配病理基础模型中平均排名最佳，证明凝聚蒸馏可整合能力用于广泛病理学应用。
大型文学语料库的自动主题索引：一种适用于伏尔泰全集的机器学习方法
机构 * University of Oxford（牛津大学）
AI总结 本文以伏尔泰全集子语料库为测试案例，将自动主题索引任务设为多标签分类问题，比较多种机器学习方法，最佳模型F1分数达0.67，还评估跨语料库泛化及分析模型行为，为大规模文学和历史语料库的结构化主题访问提供了启示。
Comments 22 pages, 3 figures, 3 tables
地缘政治倾向：大语言模型中的背书效应
机构 * Department of Politics and International Relations, University of Oxford（政治与国际关系系，牛津大学）
AI总结 研究大语言模型政策评估是否受地缘政治线索影响，通过背书实验让四个模型评估相同政策，发现模型评分受背书者身份影响，西方背书被视为可信度线索，中国和俄罗斯背书被视为其他风险线索。
用于可扩展量子器件调谐的动作分解多智能体强化学习
机构 * University of Oxford（牛津大学）
AI总结 针对量子器件调谐中参数串扰致学习不稳定问题，提出用在线学习动作空间分解表示的方法，框架QADAPT借此高效学习共享策略，实现零样本泛化及收敛步骤数恒定，为大规模量子处理器快速校准提供可扩展途径。
预测驱动的主动测试
机构 * Department of Statistics, University of Oxford（牛津大学统计学系） ； Department of Computer Science, Aalto University（艾尔沃斯大学计算机科学系）
AI总结 针对现有主动测试估计器未利用黑盒模型预测信息的问题，提出预测驱动的主动测试（PPAT）框架。它结合无偏估计器与控制变量，通过使损失残差化降低方差，推导获取规则，建立渐近正态性，在风险估计上优于现有方法。
通过得分匹配进行贝叶斯实验设计
机构 * Department of Statistics University of Oxford（统计系牛津大学）
AI总结 研究贝叶斯实验设计中预期信息增益双重难处理性问题，提出先解决得分匹配问题分离其与策略学习，再用学到的得分近似单难处理训练策略，减轻计算负担，实验验证该方法可训练竞争策略并提升性能。
Comments Accepted for the 42nd Conference on Uncertainty in Artificial Intelligence (UAI 2026)
增强KidSat模型：整合地理编码和数据质量评估用于儿童贫困预测
机构 * School of Mathematics University of Bristol（布里斯托大学数学学院） ； Department of Computer Science University of Oxford（牛津大学计算机科学系）
AI总结 该研究基于KidSat框架，通过精细数据预处理、图像质量评估和地理编码改进儿童贫困预测。具体包括细化目标矩阵、筛选数据及融合特征。实验表明这些改进有效降低MAE，为基于卫星的社会经济预测提供了可扩展方法。
基于生物信息神经网络的可靠机械算子恢复：架构与优化设计原理
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所）
AI总结 研究生物信息神经网络用于机械算子恢复时网络架构、优化策略等因素对其的影响，通过对典型偏微分方程模型实证研究，发现成功推理依赖平衡目标，给出架构、参数设置建议及失败模式诊断方法，为生物模型发现提供指导。
Comments 63 pages, 27 figures
通过深度原生结构推理实现准确、跨学科和透明的结构-属性理解
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； University of Sydney（悉尼大学） ； Nanjing University（南京大学） ； University of Oxford（牛津大学） ； The University of Science and Technology of China（中国科学技术大学） ； Drug Discovery and Design Center, State Key Laboratory of Drug Research, Shanghai Institute of Materia Medica, Chinese Academy of Sciences（药物发现与设计中心、国家药物研究重点实验室、上海中医药材料医学研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Stanford University（斯坦福大学）
AI总结 研究聚焦利用人工智能解释结构-属性关系的挑战，提出多模态科学基础模型SciReasoner，通过离散化结构信息为可寻址单元进行推理，在多领域基准测试中表现出色，实现准确预测与可解释科学推理的结合。
PRoVeFL：联邦学习中的隐私保护、健壮且可验证的聚合
机构 * Indian Institute of Technology (BHU)（印度理工学院（博帕尔）） ； Vaulttree ； University of Warwick（沃里克大学） ； University of Oxford（牛津大学） ； Abdullah Gul University（阿卜杜勒·加勒大学）
AI总结 研究针对联邦学习中传统框架的安全问题，提出PRoVeFL框架，利用多服务器和多密钥全同态加密，兼容多种拜占庭健壮聚合算法并增强其可验证性，通过实验验证了该框架的可扩展性及相比现有工作在运行时的显著提升。
Comments 18 pages
MMDiff: 扩展扩散变换器用于多模态生成
机构 * University of Oxford, Visual Geometry Group（牛津大学视觉几何组）
AI总结 提出MMDiff框架，利用冻结的扩散变换器通过轻量解码器联合生成图像及多种密集感知模态，发现多时间步特征融合与空间变化聚合权重是关键，在语义分割等任务上取得优异性能。
Hilti-Trimble-牛津数据集：用于SLAM和定位的带有平面图先验的360视觉惯性基准测试
机构 * Hilti AG（喜利得集团） ； University of Oxford（牛津大学） ； ETH Zürich（苏黎世联邦理工学院） ； Vision & Robotics GmbH（视觉与机器人有限公司） ； Trimble Inc.（天宝公司）
AI总结 本文介绍了Hilti-Trimble-牛津数据集，用于支持建筑工地的视觉SLAM和定位。它收集于活跃建筑工地，包含30个视觉惯性序列及地面真值轨迹。通过开放研究挑战评估相关系统，反映出SLAM方法更成熟，凸显定位任务难度，为持续研究提供支持，数据集公开可用。
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