Extracting Forgotten Prompts from Targeted Unlearned Models
从定向遗忘模型中提取被遗忘的提示
机构 * University of Warwick（华威大学） ； University of Cambridge（剑桥大学）
AI总结 该研究发现定向遗忘模型存在新漏洞，提出TAS攻击方法，可从模型中提取被遗忘的提示，在多组实验中实现高准确率且大幅减少查询量。
高校专区
University of Cambridge（剑桥大学）
On the Interaction Between Model Compression and Test-Time Adaptation
模型压缩与测试时适应（TTA）之间的相互作用
机构 * Graz University of Technology（格拉茨工业大学） ； Samsung AI Center-Cambridge（三星剑桥人工智能中心） ； University of Cambridge（剑桥大学） ； Complexity Science Hub（复杂系统科学中心）
AI总结 该研究分析了结构化模型压缩与测试时适应（TTA）的相互作用，发现压缩会导致TTA性能显著下降，其核心原因是表征多样性降低和结构约束，需设计保留适应性的压缩策略。
Margins, Not Windows: Training-Free Per-Step Lossy Speculative Decoding
边际而非窗口：无训练的逐步有损推测解码
机构 * University of Cambridge（剑桥大学） ； Samsung AI Center-Cambridge, UK（英国三星剑桥人工智能中心）
AI总结 该研究提出无训练的逐步推测解码方法AdaptiveSpec，通过调整token匹配规则与draft树形状，在SGLang引擎上实现比EAGLE-3最高56%的吞吐量提升，同时保持93%至完全无损的任务准确率。
Earth observation embeddings are effective sub-grid descriptors for probabilistic weather downscaling
地球观测嵌入是概率性天气降尺度的有效亚网格描述符
机构 * University of Cambridge（剑桥大学）
AI总结 该研究提出用TESSERA嵌入增强卷积条件神经过程，用于概率性天气降尺度，在五个气候区提升了2米温度和10米风速的降尺度技能，且对不同变量和新站点均有效。
Comments 46 pages, 13 figures, 9 tables
ThousandWorlds: A benchmark for climate emulation of potentially habitable exoplanets
ThousandWorlds: 一个用于潜在宜居系外行星气候模拟的基准数据集
机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Bristol（布里斯托大学） ； Purdue University（普渡大学） ； University of Exeter（埃克塞特大学）
AI总结 为加速系外行星气候模拟，提出ThousandWorlds基准数据集，包含五个全球气候模型的约1800次模拟，用于评估机器学习模拟器在低数据、多模拟器参数到场回归任务中的性能。
Comments 10 pages main text, 30 pages references/appendix, plus NeurIPS checklist. Data at https://doi.org/10.57967/hf/8695. Code at https://github.com/edstevenson/ThousandWorlds
EDIT: Evidence-Diagnosed Intervention Training for Rule-Faithful LLM Grading
EDIT：基于证据诊断的干预训练以实现遵循规则的LLM评分
机构 * King’s College London（伦敦国王学院） ； University of Cambridge（剑桥大学） ； AQA ； The Alan Turing Institute（艾伦·图灵研究所）
AI总结 提出EDIT框架，通过内部模型信号定位推理错误步骤并修正，结合信念引导的奖励塑造，提升LLM评分对评分标准的忠实度。
EmoDistill: Offline Emotion Skill Distillation for Language Model Agents in Adversarial Negotiation
EmoDistill: 对抗性谈判中语言模型代理的离线情感技能蒸馏
机构 * University of Cambridge（剑桥大学） ； Technical University of Munich（慕尼黑技术大学） ； Exiger LLC ； The Alan Turing Institute（艾伦·图灵研究所）
AI总结 提出EmoDistill离线框架，通过隐式Q学习选择情感和低秩适应策略表达情感，蒸馏情感谈判技能到语言模型代理，在四个高风险谈判领域取得最高效用。
Comments Code: https://github.com/Yunbo-max/EmoDistill
Online Reinforcement Learning in the Met Office Unified Model through Distributed Model-Agent Coupling
通过分布式模型-智能体耦合在英国气象局统一模式中开展在线强化学习
机构 * University of Cambridge（剑桥大学） ； Met Office Hadley Centre（英国气象局哈德利中心）
AI总结 本研究将英国气象局统一模式与分布式强化学习智能体耦合，在单案例中验证了该在线学习框架的可行性，可降低特定纬度带的气象预报误差，为业务系统应用奠定基础。
Comments 18 pages, 13 figures
Sparse Readout Prism: Explaining Logit-Lens Scores in Features Instead of Tokens
稀疏读出棱镜：在特征而非 token 层面解释 Logit-Lens 分数
机构 * University of Cambridge（剑桥大学）
AI总结 该研究提出稀疏读出棱镜（SRP），用于独立于拟合语料库分析语言模型读出结构，其稀疏近似重构 logit 差值的能力优于基线，且主导读出特征不受拟合语料库影响，为透镜分析提供了可靠对照。
Comments 55 pages, 33 figures, 42 tables. Under review. Code: https://github.com/hematteo/sparse-readout-prism Dictionaries: https://huggingface.co/hematteo/sparse-readout-prism
Kirin: Animal Motion Generation from In-the-Wild Video
Kirin：从野外视频生成动物动作
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学）
AI总结 针对动物动作数据稀缺的问题，提出Kirin框架，构建首个四足动物视频-文本-动作对齐大规模数据集AiM3D，开发双条件动作生成模型，实现可渲染动画动物的自动生成。
Comments ECCV 2026
Generative Diffusion Surrogates with Analytical Variance Schedule
带有解析方差调度的生成式扩散替代模型
机构 * University of Oxford（牛津大学） ； Princeton University（普林斯顿大学） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； University of Cambridge（剑桥大学） ； Gonville & Caius College（贡维尔与凯斯学院）
AI总结 本文提出一种带有解析方差调度的生成式扩散替代模型，将正向噪声化速率设为方差的时间导数，无需中间输运数据，即可校准仿真并实现基于似然的推断，在湍流等离子体输运中表现良好。
Comments Accepted for publication in Nature Communications
Persistent Sparse Autoencoders: Learning Feature-Specific Timescales in Language Model Representations
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。
From Prompt to Service: An SLM-Based Agent Orchestration Gateway for AI-Driven Virtual Worlds
从提示到服务：基于SLM的AI驱动虚拟世界代理编排网关
机构 * University of Cambridge（剑桥大学）
AI总结 本文提出一种基于小语言模型的代理编排网关，通过意图驱动的服务路由解耦虚拟世界客户端与异构AI后端，并在虚拟博物馆测试床中验证了其可行性和效率。
AutoScientist-Quant: Self-Evolving Coding Agents for Automatic Research in Quantitative Investment
AutoScientist-Quant：用于量化投资自动研究的自进化编码智能体
机构 * Google（谷歌公司） ； University of Cambridge（剑桥大学）
AI总结 AutoScientist-Quant是将量化研究视为带预算约束搜索问题的自进化编码智能体，修复了评估流程的前瞻问题，在CSI universe等场景下实现最优泛化性能。
Symbolic Neural Generation with Applications to Lead Discovery in Drug Design
符号神经生成及其在药物设计先导发现中的应用
机构 * Dept. of Computer Science & Information Systems and APPCAIR BITS Pilani, K K Birla Goa Campus, India（计算机科学与信息系统系及APPCAIR比特纳学院，K K Birl拉果阿校区，印度） ； Dept. of Computer Science & Information Systems BITS Pilani, K K Birla Goa Campus, India（计算机科学与信息系统系比特纳学院，K K Birl拉果阿校区，印度） ； Department of Biochemistry, University of Cambridge, Cambridge, UK（生物化学系，剑桥大学，剑桥，英国） ； School of Computer Science and Engineering University of New South Wales, Sydney（计算机科学与工程学院新南威尔士大学，悉尼） ； Dr. B.R. Ambedkar Center for Biomedical Research University of Delhi, New Delhi, India（B.R.阿姆贝卡尔生物医学研究中心，德里大学，新德里，印度） ； Department of Chemistry BITS Pilani, K.K. Birla Goa Campus, India（化学系比特纳学院，K.K. Birl拉果阿校区，印度）
AI总结 提出符号神经生成器（SNG）框架，结合归纳逻辑编程与大语言模型，通过符号约束指导神经生成，在药物设计中生成满足形式规范的候选分子，性能与现有方法相当，并在探索性问题上产生与临床候选分子相当的结合亲和力。
Comments 37 pages, submitted to the Machine Learning journal; partial overlap of experimental results with https://doi.org/10.1101/2025.02.14.634875
Journal ref Mach Learn 115, 210 (2026)
D4orm: Multi-Robot Trajectories with Dynamics-aware Diffusion Denoised Deformations
D4orm：基于动力学感知扩散去噪变形的多机器人轨迹生成方法
机构 * University of Cambridge（剑桥大学） ； National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院）
AI总结 D4orm是一种基于扩散模型的多机器人轨迹优化方法，无需学习，仅靠动力学模型和适应度函数即可生成无碰撞可行轨迹，速度优于MPPI，已在多旋翼无人机上零样本部署。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025
NGD-SLAM: Towards Real-Time Dynamic SLAM without GPU
NGD-SLAM：无需GPU的实时动态SLAM系统
机构 * University of Manchester（曼彻斯特大学） ； University of Cambridge（剑桥大学） ； Qualcomm Technologies XR Labs, Austria（Qualcomm Technologies XR 研究所，奥地利）
AI总结 本文提出仅在CPU运行的实时动态SLAM系统，通过掩码传播机制解耦跟踪与掩码生成，结合ORB特征与光流的混合跟踪策略，在笔记本CPU上实现60 FPS跟踪帧率，保持动态环境高定位精度，代码公开。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025
DiffSAC: Diffusion-guided Sampling for Consensus-based Robust Estimation
DiffSAC：用于基于共识的鲁棒估计的扩散引导采样
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（教育部系统控制与信息处理重点实验室） ； Department of Engineering, Cambridge University（剑桥大学工程系）
AI总结 针对传统样本共识鲁棒估计采样效率低的问题，提出DiffSAC框架，通过扩散模型学习有效最小集分布，仅需几十个假设就实现最先进性能，可作为即插即用模块改进现有方法。
Generating Clinical Vignettes that Preserve Cognitive Formulations
生成保留认知构想的临床案例 vignettes
机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学） ； University of Cambridge（剑桥大学） ； Clalit Health Services（克拉利特医疗服务机构） ； Tel Aviv University（特拉维夫大学） ； School of Brain Sciences and Cognition, Ben-Gurion University of the Negev（内盖夫本-古里安大学脑科学与认知学院） ； Azrieli National Center for Autism and Neurodevelopment Research（阿兹里利国家自闭症与神经发育研究中心）
AI总结 本研究提出基于理论的 FORMA 框架，将认知模型编译为图来生成符合临床结构的创伤后应激障碍案例 vignettes，经评估其质量高且人口统计学差异小，可作为合成临床文本生成的可审计规范。
Comments Accepted to Findings of the Association for Computational Linguistics: EMNLP 2026. Code and data: https://github.com/Amit-Oren/FORMA
Evaluating the Semantic Specificity of Representation Steering in Language Models
评估语言模型中表征引导的语义特异性
机构 * University of Cambridge（剑桥大学）
AI总结 本研究提出CRT诊断框架，发现LRS仅注入全局标签偏差而非修复推理回路，为区分真正推理修复与表面标签覆盖提供了严谨方法。
Benevolent Bias in Multi-Turn Human-Agent Dialogue
多轮人机对话中的善意偏见
机构 * University of Cambridge（剑桥大学）
AI总结 本研究针对人机对话中隐藏在积极语气后的善意偏见，构建了标注语料库并测试两类检测器，发现现有安全检测器难识别善意偏见，LLM评判器易误判，需关注对待方式差异以实现公平监控。
Equivariant Sheaf Neural Networks: Learning Geometric Transport on Graphs
等变层状神经网络：学习图上的几何传输
机构 * University of Cambridge（剑桥大学） ； Sapienza University of Rome（罗马第一大学） ； University of Padua（帕多瓦大学）
AI总结 该研究提出等变层状神经网络（ESNN），通过学习图上边的矩阵值几何传输，在保持等变性的同时提升了多个几何相关任务的性能。
CrossAudit: A Git-Native, Cross-Vendor Audit Loop for Agentic Science
CrossAudit：面向智能体科学的原生Git跨供应商审计循环
机构 * University of Cambridge（剑桥大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 CrossAudit是面向智能体科学的原生Git跨供应商审计协议，通过不同供应商智能体按人类规则审计工作，试验显示不同供应商对规则解读有差异，其自身审计记录为核心证据。
Comments 19 pages, 4 figures, 3 tables, 22 references. Reference implementation, audit ledger, and experiment artefacts: https://github.com/dongzhaohe321418-lab/crossaudit
Orthogonal Polynomial Approximation for Matrix Log Normalization in Global Covariance Pooling
全局协方差池化中矩阵对数归一化的正交多项式逼近
机构 * NeuronAITree（神经元AI树） ； Cambridge University（剑桥大学）
AI总结 该研究针对全局协方差池化中矩阵对数归一化的数值不稳定问题，提出用正交多项式逼近实现无分解的矩阵对数归一化，在多数据集上验证了其速度与精度优势。
When Calibration Rankings Reverse: Accuracy-Controlled Evaluation for Fair Comparison of LLMs
当校准排名反转：面向LLM公平比较的精度控制评估框架
机构 * Fudan University（复旦大学） ； University of Cambridge（剑桥大学）
AI总结 针对全局校准指标因模型精度差异导致比较不公平的问题，提出ACE精度控制评估框架，通过实例对齐、分布对齐和候选对齐三种视角实现公平比较，发现原始指标下的优势在控制精度后大幅减弱，排名反转频繁。
Comments EMNLP main 2026
Summarization is Not Dead Yet
摘要生成尚未消亡
机构 * Saarland University（萨尔大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） ； University of Cambridge（剑桥大学） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学） ； Tencent YouTu Lab（腾讯优图实验室）
AI总结 通过多维度评估，发现人类参考摘要在信息量和忠实度上仍优于大语言模型，后者仅在表面连贯性和流畅性上占优，表明摘要生成研究仍有挑战。
Comments EMNLP 2026 Main & Long Conference Paper
QUACK: Questioning, Understanding, and Auditing Communicated Knowledge in Multimodal Social Deduction Agents
QUACK: 多模态社交推理智能体中的沟通知识质疑、理解与审计
机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； University of Cambridge（剑桥大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（MBZUAI - 摩苏尔·本·扎耶德人工智能大学） ； University of Toronto（多伦多大学） ； Salesforce
AI总结 提出QUACK框架，通过游戏结果、行为轨迹和话语一致性三级评估，自动审计多模态社交推理智能体语言与感知行为的一致性，发现最强智能体仍有15.1%的空间幻觉和过半无据指控。
Comments Accepted by EMNLP 2026 Main Conference
VeriTrace: Evolving Mental Models for Deep Research Agents
VeriTrace：深度研究智能体的心智模型演化
机构 * Department of Engineering, University of Cambridge（剑桥大学工程系） ； TUM School of Management, Technical University of Munich（慕尼黑技术大学管理学院） ； The Alan Turing Institute（艾伦·图灵研究所）
AI总结 针对深度研究智能体面临的信息不确定性，提出VeriTrace认知图框架，通过显式反馈循环（解释更新、偏差反馈、模式修正）来演化心智模型，在DeepResearch Bench和DeepConsult上取得显著提升。
Comments Accepted to Findings of EMNLP 2026
Large Language Models for Agentic NetOps and AIOps: Architectures, Evaluation, and Safety
用于代理网络运维和AI运维的大型语言模型：架构、评估与安全
机构 * School of Computing and Communications（计算与通信学院） ； University of Cambridge（剑桥大学） ； School of Software（软件学院） ； Nanjing University of Information Science and Technology（南京信息科技大學） ； TU Wien（维也纳技术大学） ； ICREA
AI总结 本文探讨了大型语言模型在网络运维和AI运维中的应用，分析了代理架构、评估方法及安全挑战，强调系统可靠性依赖于模型周边机制，而非模型本身。
Comments 59 pages, 13 figures, 8 tables. Survey article. Accompanying evidence-audit dataset available on Mendeley Data, doi: 10.17632/2p5ppxzy4s.3
Polyglot Teachers: Evaluating Language Models for Multilingual Synthetic Data Generation
多语言教师：评估语言模型用于多语言合成数据生成
机构 * Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室）
AI总结 本文评估了多语言教师模型的有效性，通过Polyglot Score衡量数据质量和学生模型表现，发现Gemma 3和Aya Expanse在不同学生模型家族中表现优异，数据质量如提示多样性、长度和响应流畅度对教学效果影响显著。
Comments Accepted to EMNLP 2026 Main Track. Website is in https://ljvmiranda921.github.io/polyglot-teachers/
