高校专区
用于大语言模型中顺序信息收集的摊销贝叶斯实验设计
机构 * University of Oxford（牛津大学） ； Ellison Institute of Technology（埃里森理工学院）
AI总结 研究大语言模型在顺序决策中信息收集问题，提出摊销顺序信息收集方法，将贝叶斯实验设计融入模型策略，经实验验证该方法能有效提升成功率并降低推理成本。
Comments 20 pages, 7 figures. Accepted to FoGen 2026: Foundations of Deep Generative Models: Understanding Memorization, Generalization, and Reasoning, an ICML 2026 workshop (non-archival)
对话式人类视听对话生成
机构 * Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Department of Earth Science & Engineering, Imperial College London（伦敦帝国理工学院地球科学与工程系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Department of Computer Science, Heriot-Watt University（赫瑞瓦特大学计算机科学系） ； School of Computer Science, Northumbria University（诺森比亚大学计算机科学学院） ； College of Computer Science & Software Engineering, Shenzhen University（深圳大学计算机科学与软件学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（深圳大学广东省智能信息处理重点实验室） ； School of Engineering and Design, Hunan Normal University（湖南师范大学工程与设计学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系）
AI总结 提出CHAT框架，统一大语言模型和说话人脸模型，通过交互音频和面部行为细化模块，从单一文本提示生成多样、配对且相互响应的语音-面部对话片段，优于现有方法，合成数据集可作预训练数据。
Comments Accepted to ECCV 2026 as a main paper
RayTun3R：3D基础模型中的在线相机适配
机构 * TU Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Oxford（牛津大学）
AI总结 研究3D基础模型在鱼眼相机下表现不佳的问题，提出RayTun3R方法，通过学习参数高效的残差校正等，在保持预训练网络不变的情况下适配相机，减少旋转误差且参数少、无需多视图推理。
使用ViT和基于堆叠的集成方法的自动多模态青光眼检测框架
机构 * Department of Computer Science and Engineering, Shahjalal University of Science and Technology（肖哈尔大学科学与技术学院计算机科学与工程系） ； Department of Electrical Engineering, Qatar University（卡塔尔大学电气工程系） ； Department of Electronics and Communication Engineering, Kuwait College of Science and Technology（科威特科学与技术学院电子与通信工程系） ； Department of Interdisciplinary Engineering, Kennesaw State University（肯尼斯州立大学跨学科工程系） ； Department of Biomedical Engineering, School of Medicine, Johns Hopkins University（约翰霍普金斯大学医学院生物医学工程系） ； Department of Biomedical Engineering, University of Oxford（牛津大学生物医学工程系） ； Department of Computer Science and Engineering, Vellore Institute of Technology（维洛雷理工学院计算机科学与工程系）
AI总结 研究在样本级和患者级设置下的青光眼检测，提出整合眼底图像与临床数据的自动多模态框架，用ViT提取特征，经典机器学习模型分类，堆叠集成优化性能，实验验证其高性能并部署为网络平台。
超越满意度：学习内容、评论与幸福感之间的关联
机构 * Vanderbilt University（范德比大学） ； University of Oxford（牛津大学） ； Cosmos Institute（宇宙研究所）
AI总结 研究常用满意度信号能否反映幸福感及何种内容与不同幸福感结果相关，以书籍消费为对象，发现评分等与幸福感关联松散，特定主题与不同幸福感相关，为内容推荐系统提供新目标。
分离性身份：语言模型代理缺乏声誉机制的基础
机构 * University of Oxford（牛津大学） ； New York University Shanghai（纽约大学上海分校）
AI总结 本文指出语言模型代理因本体上的分离性（模块可替换、身份流动）而无法满足声誉机制所需的身份持续性、行为可预测性和制裁敏感性，从而提出转向基于可观察性、事前、构成性、协议的行为约束。
Comments Accepted by FaccT 2026
通过场景自我探索进行视图规划
机构 * Northwestern University（西北大学） ； University of Washington（华盛顿大学） ； Microsoft（微软） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 提出ViewSuite基准测试揭示VLM在多步视图规划中的不足，并设计迭代框架通过自我探索和视图图蒸馏将Qwen2.5-VL-7B的交互式视图规划准确率从2.5%提升至47.8%。
SHINE：一种可扩展的上下文超网络，用于在单次传递中将上下文映射到LoRA
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Technion, NVIDIA（技术学院与NVIDIA） ； University of Oxford（牛津大学） ； School of Electronics Engineering（电子工程学院） ； Computer Science, Peking University（计算机科学，北京大学）
AI总结 本文提出SHINE，一种可扩展的上下文超网络，用于在单次传递中将多样且有意义的上下文映射到高质量的LoRA适配器，通过重用冻结LLM的自身参数和引入架构创新，克服了先前超网络的关键限制，以较少的参数实现了强大的表达能力。
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。
TreeLoc++：利用紧凑数字森林清单在森林中进行稳健的6自由度激光雷达定位
机构 * Department of Mechanical Engineering, Seoul National University, Seoul, South Korea（首尔国立大学机械工程系，韩国首尔） ； Department of Computer Science and Engineering, Indian Institute of Technology Bombay, India（印度班加罗尔印度理工学院计算机科学与工程系） ； Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, UK（牛津大学奥克斯福德机器人研究所，英国牛津）
AI总结 研究提出TreeLoc++框架，直接基于数字森林清单定位，以紧凑几何属性编码树干。通过距离直方图等减少误匹配，优化估计姿态，不依赖密集点云数据，实现厘米级精度定位，具长期部署扩展性。
Comments 30 pages, 33 figures and 15 tables
JADAI：联合摊销自适应设计与贝叶斯推理
机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； TU Dortmund University（多特蒙德技术大学） ； University of Oxford（牛津大学）
AI总结 针对设计变量可优化以最大化信息增益的参数估计问题，引入JADAI框架，通过端到端训练策略、历史网络和推理网络联合摊销贝叶斯自适应设计与推理，在标准基准测试中性能优越。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
用于扩散过程随机控制的自适应划分与学习
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）
AI总结 研究无界连续状态空间等设定下扩散过程的强化学习，引入基于模型算法自适应划分联合状态-动作空间，平衡探索与近似，分析得出依赖多因素的遗憾界并验证方法有效性。
空间思考者：通过密集奖励强化场景图基础的空间推理
机构 * University of Oxford（牛津大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
AI总结 研究针对多模态大语言模型空间推理难题，提出SpatialThinker，通过在线强化学习统一场景图生成与视觉推理，构建心理场景图并借助密集奖励推理，贡献包括基于SGG推理、高质量训练数据集及密集奖励设计。
Comments Preprint. Accepted at NeurIPS 2025 Workshops on SPACE in Vision, Language, and Embodied AI (SpaVLE) as Oral, Embodied World Models for Decision Making (EWM), Aligning Reinforcement Learning Experimentalists and Theorists (ARLET), and Scaling Environments for Agents (SEA)
CoDoL：用于分布外泛化的条件域提示学习
机构 * East China Normal University（东华师范大学） ； Xidian University（西安电子科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Oxford（牛津大学） ； Tsinghua University（清华大学）
AI总结 针对基于提示的CLIP方法存在的文本描述不准确、视觉语言嵌入对齐有限问题，提出CoDoL方法，利用域信息形成提示，还提出DMN生成输入条件令牌，实验验证其在分布外泛化的有效性。
Comments Accepted to TMLR 2026
JaxMARL: JAX中的多智能体强化学习环境与算法
机构 * University of Oxford（牛津大学） ； Universitat Politècnica de Catalunya（巴塞罗那理工大学） ； University College London（伦敦大学学院） ； University of Maryland（马里兰大学） ； Technical University Berlin（柏林技术大学）
AI总结 JaxMARL是首个基于Python的开源库，结合GPU效率支持大量常用多智能体强化学习环境和基线算法，实验显示其训练流程在时间上比现有方法快14倍，多轮训练时快12500倍，缓解了多智能体强化学习领域的评估危机。
Hidden-Shot: 迈向低级视觉通用模型的一次性任务泛化
机构 * Pratt School of Engineering, Duke University（杜克大学普拉特工程学院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Khoury College of Computer Science, Northeastern University（东北大学库里计算机科学学院）
AI总结 提出隐式提示机制Hidden-Shot，通过提取隐含视觉任务信息并融合全局任务感知纹理提示，增强低级视觉通用模型在新任务上的一次性泛化能力，并引入C/U评估框架系统测试泛化性能。
Comments 34 pages, 5 figures, under submission
指数权重聚合在期望意义下是最优的
机构 * Department of Statistics, University of Oxford（统计系，牛津大学） ； Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院）
AI总结 本文证明指数权重聚合（AEW）估计器在平方损失下，当温度足够大时，期望超额风险达到极小极大最优，解决了Lecué和Mendelson（2013）提出的开放问题。
物理信息神经网络良态训练的一种优化框架
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所）
AI总结 提出DSGNAR二阶优化框架，通过双草图高斯-牛顿和自适应正则化步长控制，解决PINN训练中的病态损失景观问题，在多个基准问题上实现前所未有的精度和速度。
FurnitureVLA: 使用视觉-语言-动作模型学习长时域双臂家具组装
机构 * Mitsubishi Electric Research Laboratories（三菱电机研究实验室） ； University of Oxford（牛津大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 提出FurnitureVLA，首个使用视觉-语言-动作模型进行真实尺寸双臂家具组装的系统，通过进度增强VLA和设计因素研究，将平均模拟成功率从48%提升至80%。
Comments Project Page: https://dannymcy.github.io/furniturevla/
当上下文弥补稀疏事件历史：AlphaEarth用于时空点过程预测
机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Université Mohammed VI Polytechnique（穆罕默德六世理工大学） ； University of Oxford（牛津大学） ； Imperial College London（帝国理工学院） ； Rhineland-Palatinate Technical University of Kaiserslautern-Landau (RPTU)（莱茵兰-普法尔茨凯泽斯劳滕-兰道工业大学）
AI总结 研究利用AlphaEarth嵌入作为空间上下文，在事件历史稀疏时提升时空点过程模型的跨区域预测性能，实验表明在短历史下预测误差降低2-6倍。
理解人类如何通过可视化分析将知识注入机器学习工作流
机构 * University of Oxford（牛津大学） ； Istanbul Technical University（伊斯坦布尔理工大学） ； Science and Technology Facilities Council（科学技术设施委员会） ； Fraunhofer Institute IAIS（弗劳恩霍夫智能分析和信息系统研究所）
AI总结 本文调查了200多篇VIS4ML论文，通过编码分析从ML特性、可视化、交互和动作四个视角，揭示了人类通过交互可视化向ML工作流注入知识的多种路径，并基于概念模型和信息论成本效益分析解释了VIS4ML现象。
多信息源约束贝叶斯优化
机构 * TU Delft（代尔夫特理工大学） ； University of Oxford（牛津大学）
AI总结 针对可行域小且存在辅助数据源的约束优化问题，提出多源框架扩展约束最大熵搜索，通过捕获源间相关性平衡成本与信息增益，在弱相关辅助数据下仍高效找到可行最优解。
Spotted: 基于位置信息的相机陷阱调查中鬣狗和豹子的重新识别
机构 * Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所） ； Department of Computer Science, University of Freiburg（弗莱堡大学计算机科学系） ； Bubye Valley Conservancy（布比耶谷保护区） ； Wildlife Conservation Research Unit, Department of Biology, University of Oxford（牛津大学生物系野生动物保护研究组） ； Gonarezhou National Park（戈纳雷若国家公园） ； Oxford e-Research Centre, University of Oxford（牛津大学牛津电子研究中心）
AI总结 提出Spotted框架，结合视觉相似性与时空可行性先验，减少专家审核量，在三个数据集上Top-5准确率提升最高9pp，查询比较量减少69pp。
学习何时倾听：用于人体运动预测的门控情感融合
机构 * University of Oxford（牛津大学）
AI总结 提出门控情感变换器（GAT）动态调节跨模态信息流，解决无约束视频中情感特征与姿态融合的噪声问题，证明面部情感仅在短中期（如30帧）提供有限预测线索。
MolSafeEval: 揭示AI生成分子安全风险的基准
机构 * Zhejiang University（浙江大学） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center（浙大-杭州全球科技创新中心） ； University of Oxford（牛津大学）
AI总结 提出MolSafeEval基准，通过构建分子安全知识图谱和基于大语言模型的推理，系统评估四类分子生成模型的安全风险，揭示当前方法的漏洞。
Comments Accepted by Findings of ACL 2026
基于遗传编程的符号回归中种群初始化方法的评估
机构 * Heuristic and Evolutionary Algorithms Laboratory, University of Applied Sciences Upper Austria（上奥地利应用科学大学启发式与进化算法实验室） ； Astrophysics, University of Oxford（牛津大学天体物理学系） ； Institute of Cosmology & Gravitation, University of Portsmouth（朴茨茅斯大学宇宙学与引力研究所）
AI总结 研究遗传编程符号回归中不同种群初始化方法对解精度和复杂度的影响，发现初始化方法对最终帕累托前沿的影响可忽略。
Comments 15 pages. Accepted for publication at EUROCAST 2026: 20th International Conference on Computer Aided Systems Theory
公共管理中AI系统的技术类型学
机构 * University of Oxford（牛津大学） ； Hertie School（赫蒂学院） ； Utrecht University（乌得勒支大学） ； Harvard University（哈佛大学）
AI总结 针对公共管理研究将AI视为单一类别的问题，提出五类AI系统类型学（手编、玻璃箱、黑箱、通用、代理系统），通过分析91篇高引论文发现技术精度不足，并给出改进建议。
Comments Under Review
UniTac: 一种用于跨传感器触觉理解与生成的统一多模态模型
机构 * Zhejiang University（浙江大学） ； Yale University（耶鲁大学） ； University of Oxford（牛津大学） ； MIT（麻省理工学院） ； Shanghai Jiaotong University（上海交通大学） ； UNIX AI
AI总结 提出UniTac，首个统一多模态模型，通过双级表示编码传感器和物体属性，实现触觉理解与生成，在跨传感器任务上达到最优性能。
Comments This paper has been accepted by ECCV 2026
通过平滑安全结构化策略组合实现在线安全学习
机构 * Technical University of Munich（慕尼黑工业大学） ； University of Oxford（牛津大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出AutoSafe架构，通过将结构化安全监控与干预直接集成到动作生成中，实现性能与安全行为之间的平滑风险依赖转换，在连续控制基准和实物倒立摆系统上验证了强安全性与学习平滑性。
DDIAgents: 机制条件上下文流用于药物相互作用预测
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Biomedical Engineering, University of Oxford（牛津大学生物医学工程研究所） ； Division of Emerging Interdisciplinary Areas, Hong Kong University of Science and Technology（香港科技大学新兴跨学科领域学部）
AI总结 提出DDIAgents多智能体框架，通过动态知识编排预测药物相互作用，减少无关信息并生成可解释推理，性能优于现有方法。
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