高校专区
Mesh4D: 从单目视频中进行4D网格重建与跟踪
机构 * VGG, University of Oxford（视觉研究院、牛津大学） ； Nanyang Technological University（南洋理工大学） ； Naver Labs Europe（Naver欧洲实验室）
AI总结 Mesh4D通过紧凑的潜在空间和潜在扩散模型，实现从单目视频中高效重建动态物体的4D网格和运动。
Comments 15 pages, 8 figures, project page: https://mesh-4d.github.io/
从射线到投影：更优质的输入用于前馈视图合成
机构 * HKUST (GZ)（香港科技大学（广州）） ； University of Oxford（牛津大学） ； University of Amsterdam（阿姆斯特丹大学） ； HKUST（香港科技大学）
AI总结 本文提出投影条件化方法，通过稳定的2D输入提升视图合成的鲁棒性和一致性，优于传统射线条件化方法。
Comments Project Page: https://wuzirui.github.io/pvsm-web
V-FAT：基于文本偏见的视觉真实性基准测试
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Meituan（美团） ； University of Oxford（牛津大学）
AI总结 V-FAT通过三级评估框架量化文本偏见对视觉真实性的干扰，揭示多模态大语言模型在高语言主导性下的视觉崩溃问题。
Comments 12 pages, 6 figures
基于采样基于MPC的生成模型：一种用于自适应接触密集操作的自举方法
机构 * Oxford Robotics Institute, University of Oxford, UK（牛津大学机器人研究所） ； Robotics and AI Institute (RAI), Boston, USA（机器人与人工智能研究所） ； Cornell University, Ithaca, NY, USA（康奈尔大学）
AI总结 本文提出了一种基于自举的生成模型框架，用于提升采样基于MPC在接触密集操作中的效率和鲁棒性。
Comments 9 pages, 4 figures
元学习目标用于偏好优化
机构 * Department of Statistics University of Oxford（统计系牛津大学） ； Department of Engineering University of Oxford（工程系牛津大学）
AI总结 本文提出了一种基于镜像下降的新型偏好优化算法MPO，通过进化策略发现针对特定偏好数据集属性的算法，并在MuJoCo和大语言模型对齐任务中取得显著效果。
扫描诱导的域偏移损害病理基础模型的鲁棒性
机构 * Department of Medical Epidemiology and Biostatistics, Karolinska Institutet（卡罗林斯卡研究所医学流行病学与生物统计学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系）
AI总结 本文研究了扫描诱导的域偏移对病理基础模型鲁棒性的影响，发现现有模型在面对扫描设备变异性时存在显著偏差，需改进嵌入稳定性和校准以提升临床可靠性。
FocusUI: 通过位置保持的视觉标记选择实现高效的UI接地
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学）
AI总结 FocusUI通过位置保持的视觉标记选择实现高效UI接地，有效减少冗余标记并保持位置连续性，提升推理效率和性能。
Comments 14 pages, 13 figures
在策略镜像下降中学习镜像映射
机构 * Department of Statistics University of Oxford（统计系牛津大学） ； FLAIR University of Oxford（FLAIR牛津大学）
AI总结 本文通过实证研究发现，传统镜像映射（如NPG）在强化学习中效果有限，利用进化策略学习更高效的镜像映射可提升PMD性能，尤其在复杂环境中表现更优。
DéjàQ：开放性进化多样化、可学习且可验证的问题
机构 * Willem Röpke AI Lab, Vrije Universiteit Brussel Belgium（维尔姆·罗普克人工智能实验室，布鲁塞尔自由大学） ； FLAIR, University of Oxford United Kingdom（FLAIR，牛津大学） ； University College London United Kingdom（伦敦大学学院）
AI总结 DéjàQ通过大语言模型驱动的突变策略动态进化多样化数学问题，提升模型的可学习性和推理能力，开源代码支持其应用潜力。
通过多任务学习实现放松的等变性
机构 * University of Oxford（牛津大学） ； ELLIS Institute（ELLIS研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Tübingen AI Center（图宾根人工智能中心） ； AITHYRA
AI总结 本文提出REMUL方法，通过多任务学习在无约束网络中学习近似等变性，实现对称性的有效利用，提升模型性能并减少计算开销。
带权条件流匹配
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Oxford-Man Institute, University of Oxford（牛津大学奥克斯曼研究所） ； OATML, Department of Computer Science, University of Oxford（牛津大学计算机科学系OATML） ； Department of Engineering, University of Cambridge（剑桥大学工程系）
AI总结 本文提出W-CFM，通过加权训练对改进条件流匹配，提升生成效率和准确性，同时保持计算效率。
Comments Working paper. Changes to generalize the framework
迭代部署提升大语言模型的规划能力
机构 * University of Oxford（牛津大学） ； AI Sequrity Company（AI安全公司） ； UFRGS（乌拉圭联邦大学）
AI总结 通过迭代部署大语言模型，利用用户编纂的数据提升规划能力，展现隐含奖励函数的强化学习机制，具有AI安全和训练制度替代的双重意义。
学习学习胎儿超声扫描技能评估
机构 * Institute of Biomedical Engineering, Department of Engineering Science, University of Oxford（生物医学工程研究所，工程科学系，牛津大学） ； Department of Medical Physics and Biomedical Engineering, University College London（医学物理与生物医学工程系，伦敦大学学院） ； Nuffield Department of Women’s & Reproductive Health, University of Oxford（妇女与生殖健康系，牛津大学） ； Rabin-Beilinson Medical Center, Tel-Aviv University Faculty of Medicine（拉宾-贝利松医疗中心，特拉维夫大学医学院）
AI总结 本研究提出一种双层优化框架，通过任务完成质量评估胎儿超声技能，无需人工预定义评分，实现了自动化和定量的技能评估。
LLM宇宙中的隐形语言
机构 * Amsterdam School of Communication Research, University of Amsterdam（阿姆斯特丹通信研究所，阿姆斯特丹大学） ； Pembroke College, University of Oxford（牛津大学 Pembroke 学院）
AI总结 本文探讨了LLM宇宙中隐形语言的结构性不平等，揭示了语言活力与数字性之间的不匹配，并指出英语主导AI并非技术必然，而是权力结构的产物。
检索增强型问答：当LLMs应承认无知时
机构 * Google Research（谷歌研究） ； University of Oxford（牛津大学）
AI总结 本文提出了一种自适应提示策略，通过分割检索信息并逐步提示LLM回答问题，以提高问答性能并减少无关信息的影响。
利用评分奖励训练AI合作者
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Oxford（牛津大学） ； University of Cambridge（剑桥大学）
AI总结 本文提出利用评分奖励训练AI合作者，通过自动生成研究计划并改进模型性能，实现跨领域泛化和高效训练。
Comments 11 pages in the main paper, total 119 including sample outputs in the Appendix
单个LLM辩论，MoLaCE：混合潜在概念专家对抗确认偏见
机构 * Department of Computer Science University of Oxford（牛津大学计算机科学系）
AI总结 MoLaCE通过混合潜在概念专家减少LLM的确认偏见，提升鲁棒性并高效实现多智能体辩论效果。
重新审视固态氢的破缺对称相：一种神经网络变分蒙特卡洛研究
机构 * Interdisciplinary Center for Theoretical Physics（理论物理交叉中心） ； Information Sciences (ICTPIS), Fudan University（信息科学（ICTPIS），复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Department of Engineering, University of Oxford（工程系，牛津大学） ； Beijing National Laboratory for Condensed Matter Physics（北京凝聚态物理实验室） ； Institute of Physics, Chinese Academy of Sciences（物理研究所，中国科学院） ； Department of Information Engineering, The Chinese University of Hong Kong（信息工程系，香港中文大学） ； International Center for Quantum Materials, School of Physics, Peking University（国际量子材料中心，物理系，北京大学） ； Hefei National Laboratory（合肥国家实验室）
AI总结 本文通过神经网络变分蒙特卡洛方法研究固态氢的破缺对称相，发现其基态结构候选者Cmcm空间群对称性，并验证其稳定性及与实验数据的一致性。
去中心化网络上的可扩展且隐私保护的合成数据生成
机构 * University of Oxford（牛津大学） ； Alan Turing Institute（艾伦·图灵研究所）
AI总结 本文提出利用安全 enclave 提升 Libertas 系统，实现去中心化网络上可扩展且隐私保护的合成数据生成。
Comments Accepted at 24th IEEE/WIC International Conference on Web Intelligence and Intelligent Agent Technology 2025
倾斜匹配用于可扩展的采样与微调
机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Kempner Institute（凯普纳研究所） ； IAIFI
AI总结 本文提出了一种基于倾斜匹配的算法，用于高效且可扩展地进行生成模型采样与微调，无需奖励梯度或轨迹反向传播。
机器学习中签名方法入门
机构 * School of Mathematics, The University of Edinburgh（爱丁堡大学数学学院） ； Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Psychiatry, University of Oxford（牛津大学精神病学系）
AI总结 本文介绍了签名方法在机器学习中的理论基础和应用，包括路径签名的定义、理论性质及在手写数字分类中的实际应用。
Comments 61 pages, 26 figures, 3 tables. Expanded Part 1 and simplified the presentation in Part 2. To appear in Open Access in a forthcoming Springer volume "Signatures Methods in Finance: An Introduction with Computational Applications"
通过机器学习和个性化基因调控网络实现基因型-表型整合用于癌症转移预测
机构 * Nuffield Department of Medicine, University of Oxford（牛津大学纳菲尔德医学系）
AI总结 本文通过整合机器学习与个性化基因调控网络，利用深度学习方法预测癌症转移风险，展示了可扩展且可解释的预测框架。
Comments 39 pages, 14 figures. Preliminary version of ongoing collaborative research; a substantially revised manuscript is in preparation
对NHS初级医疗中基于LLM的药物安全审查系统的真实世界评估
机构 * i.AI, Department for Science, Innovation, and Technology（i.AI，科学、创新与技术部门） ； Centre for Experimental Therapeutics, University of Liverpool（实验治疗中心，利物浦大学） ； Civic Health Innovation Labs, University of Liverpool（公民健康创新实验室，利物浦大学） ； Downing Street（唐宁街10号） ； Department of Statistics, University of Oxford（统计系，牛津大学） ； Ellison Institute of Technology（埃利森技术研究所） ； Centre for Academic Primary Care, University of Nottingham（学术初级护理中心，诺丁汉大学） ； The UK AI Security Institute（英国人工智能安全研究所） ； Department of Computing, Imperial College London（计算系，伦敦帝国学院）
AI总结 本文评估了基于LLM的药物安全审查系统在真实临床数据中的表现，揭示了其在不同复杂性下的失败模式，强调了上下文推理的重要性及改进方向。
大语言模型在社会模拟中的决策机制计算基础
机构 * LBJ School of Public Affairs, University of Texas at Austin（德克萨斯大学奥斯汀分校公共事务学院LBJ学院） ； Gradel Institute of Charity, New College, University of Oxford（牛津大学格拉德尔慈善研究所）
AI总结 本研究通过独裁者游戏探索LLM内部表示的变量变化，揭示社会概念在Transformer模型中的编码机制，为社会模拟和AI对齐提供新方法。
Comments Forthcoming: Sociological Methodology; USPTO patent pending
Journal ref Sociological Methodology, 2025
从视频中进行零样本场景物体操作重建
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Oxford（牛津大学）
AI总结 本文提出了一种基于数据驱动模型的零样本方法，用于从视频中重建场景中的物体操作，通过两阶段优化实现手-物体运动的准确重建。
一种用于部署基于学习的四足移动机械臂框架
机构 * Department of Computer Science, University College London（伦敦大学学院计算机科学系） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系）
AI总结 本文提出了一种开源框架，用于训练、评估和部署基于强化学习的四足移动机械臂控制器，通过统一仿真与现实转移，提升移动- manipulation任务的可控性和可靠性。
brat: 用于脑部MRI分析的对齐多视图嵌入
机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特林癌症中心） ； University of Oxford（牛津大学） ； London School of Economics（伦敦经济学院）
AI总结 brat通过多视图嵌入方法提升脑MRI与临床报告的对齐能力，公开发布基础模型以改进医学影像分析性能。
Comments First round accept at WACV 2026
反向馈送3D重建与视角合成的进展：综述
机构 * NTU（国立台湾大学） ； Caltech（加州理工学院） ； Westlake University（西湖大学） ； UCSD（加州大学圣地亚哥分校） ； University of Oxford（牛津大学） ； Nanjing University（南京大学） ； HKU（香港大学） ； University of Cambridge（剑桥大学） ； Hillbot ； MPI for Informatics（信息研究所） ； Harvard University（哈佛大学） ； MIT（麻省理工学院）
AI总结 本文综述了反向馈送方法在3D重建与视角合成中的进展，涵盖多种表示架构及应用，探讨了关键任务和未来研究方向。
Comments A project page associated with this survey is available at https://fnzhan.com/projects/Feed-Forward-3D
基于函数逼近和经验均值估计的均值场博弈网络通信
机构 * University of Oxford（牛津大学）
AI总结 本文提出基于函数逼近和经验均值估计的网络通信方法，解决均值场博弈中去中心化智能体在大规模状态空间和群体依赖策略下的学习问题。
用于均场博弈中去中心化代理的网络通信
机构 * Department of Computer Science（计算机科学系） ； University of Oxford（牛津大学）
AI总结 本文提出一种网络通信机制，用于改进均场博弈中去中心化代理的训练效率，同时增强鲁棒性。
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