University of Cambridge（剑桥大学）

Embedding -based Crop Type Classification in the Groundnut Basin of Senegal

基于嵌入的塞内加尔花生盆地作物类型分类

Madeline C. Lisaius, Srinivasan Keshav, Andrew Blake, Clement Atzberger

机构 * The University of Cambridge Department of Computer Science（剑桥大学计算机科学系） ； dClimate Labs（dClimate实验室） 纠错

AI总结 本文提出基于TESSERA嵌入的方法，用于提高塞内加尔花生盆地作物类型分类的准确性，实验显示其比现有方法更有效。

AlphaFace: High Fidelity and Real-time Face Swapper Robust to Facial Pose

AlphaFace: 高保真和实时的面部交换器，对面部姿态具有鲁棒性

Jongmin Yu, Hyeontaek Oh, Zhongtian Sun, Angelica I Aviles-Rivero, Moongu Jeon, Jinhong Yang

机构 * University of Cambridge（剑桥大学） ； University of Kent（肯特大学） ； Tsinghua University（清华大学） ； Gwangju Institute of Science and Technology（全州科学技术院） ； Inje University（庆北大学） 纠错

AI总结 AlphaFace通过结合视觉-语言模型和CLIP嵌入，实现高保真和实时的面部交换，提升对极端面部姿态的鲁棒性。

GameTalk: Training LLMs for Strategic Conversation

GameTalk: 训练 LLMs 进行战略性对话

Victor Conchello Vendrell, Max Ruiz Luyten, Mihaela van der Schaar

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 GameTalk 通过多轮互动训练 LLMs 实现战略性决策，优于传统方法，尤其在奖励塑造下表现突出。

Comments 32 pages, 8 figures

Introducing the Generative Application Firewall (GAF)

引入生成应用防火墙（GAF）

Joan Vendrell Farreny, Martí Jordà Roca, Miquel Cornudella Gaya, Rodrigo Fernández Baón, Víctor García Martínez, Eduard Camacho Sucarrats, Alessandro Pignati

机构 * University of the Aegean（爱琴海大学） ； University of Cambridge（剑桥大学） ； OWASP GenAI Security Project（OWASP生成式AI安全项目） ； University of Liverpool（利物浦大学） ； MIT Computer Science and Artificial Intelligence Laboratory（MIT计算机科学与人工智能实验室） ； Center for AI and Digital Policy（人工智能与数字政策中心） ； Huawei（华为） ； Cloud Security Alliance（云安全联盟） 纠错

AI总结 本文提出GAF，一种统一保护LLM应用的架构层，整合现有防御措施并扩展至自主代理与工具交互。

Optimising for Energy Efficiency and Performance in Machine Learning

在机器学习中优化能耗与性能

Emile Dos Santos Ferreira, Andrei Paleyes, Neil D. Lawrence

机构 * University of Cambridge（剑桥大学） ； Pasteur Labs（Pasteur实验室） 纠错

AI总结 本文提出ECOpt工具，通过优化能耗与性能平衡，提升机器学习模型的环境效益和性能表现。

Comments Accepted to CAIN'26

Learning Logical Rules using Minimum Message Length

通过最小信息量学习逻辑规则

Ruben Sharma, Sebastijan Dumančić, Ross D. King, Andrew Cropper

机构 * University of Cambridge（剑桥大学） ； Delft University of Technology（代尔夫特理工大学） ； Chalmers University of Technology（查尔姆斯理工大学） ； University of Helsinki（赫尔辛基大学） 纠错

AI总结 本文提出了一种基于最小信息量的逻辑规则学习方法，通过平衡假设复杂性与数据拟合，实现了在多个领域中的高效学习。

Detecting High-Stakes Interactions with Activation Probes

通过激活探针检测高风险交互

Alex McKenzie, Urja Pawar, Phil Blandfort, William Bankes, David Krueger, Ekdeep Singh Lubana, Dmitrii Krasheninnikov

机构 * LASR Labs（LASR实验室） ； University College London（伦敦大学学院） ； MILA ； Harvard University（哈佛大学） ； NTT Research（NTT研究所） ； Goodfire ； University of Cambridge（剑桥大学） 纠错

AI总结 通过激活探针检测高风险交互，实现高效且资源敏感的监控系统

Comments Accepted at NeurIPS 2025