University of Cambridge（剑桥大学）

Numina-Lean-Agent: An Open and General Agentic Reasoning System for Formal Mathematics

Numina-Lean-Agent: 一种面向形式数学的开放且通用的代理推理系统

Junqi Liu, Zihao Zhou, Zekai Zhu, Marco Dos Santos, Weikun He, Jiawei Liu, Ran Wang, Yunzhou Xie, Junqiao Zhao, Qiufeng Wang, Lihong Zhi, Jia Li, Wenda Li

机构 * Academy of Mathematics and Systems Science, University of Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Tongji University（同济大学） ； University of Cambridge（剑桥大学） ； Imperial College London（伦敦帝国学院） ； University of Edinburgh（爱丁堡大学） ； University of Liverpool（利物浦大学） ； Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

AI总结 Numina-Lean-Agent通过通用编码代理实现形式数学推理，解决Putnam 2025全部问题并成功形式化Brascamp-Lieb定理。

Confident Rankings with Fewer Items: Adaptive LLM Evaluation with Continuous Scores

在更少项目中获得可靠的排名：基于连续评分的自适应LLM评估

Esma Balkır, Alice Pernthaller, Marco Basaldella, José Hernández-Orallo, Nigel Collier

机构 * Trismik ； Leverhulme Centre for the Future of Intelligence, University of Cambridge（Leverhulme智能未来研究中心，剑桥大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出了一种基于连续评分的自适应LLM评估方法，通过异方差正态分布替代伯努利分布，实现更高效的模型排名，使用2%的项目提升了排名相关性并达到95%的准确率。

From Chains to Graphs: Self-Structured Reasoning for General-Domain LLMs

从链式到图式：面向通用领域LLM的自结构化推理

Yingjian Chen, Haoran Liu, Yinhong Liu, Sherry T. Tong, Aosong Feng, Jinghui Lu, Juntao Zhang, Yusuke Iwasawa, Yutaka Matsuo, Irene Li

机构 * University of Tokyo（东京大学） ； Texas A&M University（德克萨斯大学） ； University of Cambridge（剑桥大学） ； Yale University（耶鲁大学） ； Xiaomi EV（小米电动汽车） ； Henan University（河南大学） 纠错

AI总结 本文提出自图推理框架SGR，通过结构化图表示提升LLM在通用领域问答中的推理一致性与准确性。

Polychronous Wave Computing: Timing-Native Address Selection in Spiking Networks

多时序波计算：脉冲神经网络中的时序本征寻址

Natalila G. Berloff

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge（应用数学与理论物理系，剑桥大学） 纠错

AI总结 多时序波计算通过相位编码和并行模板相关性评估，实现高效的脉冲神经网络路由与地址选择。

Comments 23 pages, Supplementary Materials are available at https://www.damtp.cam.ac.uk/user/ngb23/publications/SM_PWC.pdf

AdaNODEs: Test Time Adaptation for Time Series Forecasting Using Neural ODEs

AdaNODEs: 利用神经ODEs实现时间序列预测的测试时间适应

Ting Dang, Soumyajit Chatterjee, Hong Jia, Yu Wu, Flora Salim, Fahim Kawsar

机构 * The University of Melbourne, Australia（墨尔本大学） ； Nokia Bell Labs, UK（诺基亚贝尔实验室） ； The University of Auckland, New Zealand（奥克兰大学） ； University of Cambridge, UK（剑桥大学） ； The University of New South Wales, Australia（新南威尔士大学） ； University of Glasgow, UK（格拉斯哥大学） 纠错

AI总结 AdaNODEs通过神经ODEs提出了一种无源测试时间适应方法，专门针对时间序列预测任务，有效提升了模型在分布变化中的适应性和预测性能。

Comments Accepted by ICASSP 2026