University of Cambridge（剑桥大学）

Indications of Belief-Guided Agency and Meta-Cognitive Monitoring in Large Language Models

信念引导的代理与元认知监控在大语言模型中的迹象

Noam Steinmetz Yalon, Ariel Goldstein, Liad Mudrik, Mor Geva

机构 * Blavatnik School of Computer Science and AI（Blavatnik计算机科学与人工智能学院） ； Tel Aviv University（特拉维夫大学） ； School of Psychological Sciences（心理学学院） ； Sagol School of Neuroscience（神经科学学院） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究 institute） ； University of Cambridge（剑桥大学） 纠错

AI总结 本研究通过HOT-3指标探讨大语言模型中信念引导的代理与元认知监控的存在，揭示了信念形成对行动选择的影响及模型自我监控的能力。

Implicit neural representation of textures

隐式神经表示法的纹理

Albert Kwok, Zheyuan Hu, Dounia Hammou

机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） 纠错

AI总结 本文提出了一种基于隐式神经表示法的连续纹理生成方法，通过实验验证其在图像质量和计算效率上的表现，并探讨了其在实时渲染及后续任务中的应用。

Comments Albert Kwok and Zheyuan Hu contributed equally to this work

Stochastic Interpolants in Hilbert Spaces

在希尔伯特空间中的随机插值

James Boran Yu, RuiKang OuYang, Julien Horwood, José Miguel Hernández-Lobato

机构 * Department of Engineering, University of Cambridge, Cambridge, United Kingdom（工程系，剑桥大学，剑桥，英国） 纠错

AI总结 本文提出在无限维希尔伯特空间中构建随机插值框架，通过理论支持和实验验证，实现了对复杂函数分布的高效生成，推动了科学发现的应用。

Comments 8 pages, 1 figure, 2 tables

Cost-Aware Bayesian Optimization for Prototyping Interactive Devices

面向原型设计的成本感知贝叶斯优化

Thomas Langerak, Renate Zhang, Ziyuan Wang, Per Ola Kristensson, Antti Oulasvirta

机构 * Aalto University Helsinki Finland ； University of Cambridge Cambridge United Kingdom ； Aalto University \& ELLIS Institute Helsinki Finland ； Aalto University ； University of Cambridge ； Aalto University \& ELLIS Institute 纠错

AI总结 本文提出了一种面向成本的贝叶斯优化方法，通过利用设计师估计的成本来指导原型制作，从而在降低成本的同时提高设计效率。

Entropy-Lens: Uncovering Decision Strategies in LLMs

熵透镜：揭示大语言模型中的决策策略

Riccardo Ali, Francesco Caso, Christopher Irwin, Pietro Liò

机构 * Department of Computer Science University of Cambridge Cambridge, UK（计算机科学系剑桥大学剑桥英国） 纠错

AI总结 熵透镜通过分析LLM残差流的熵剖面，揭示令牌预测动态及决策策略对模型性能的影响。

Agentic Policy Optimization via Instruction-Policy Co-Evolution

通过指令-策略共演进行代理策略优化

Han Zhou, Xingchen Wan, Ivan Vulić, Anna Korhonen

机构 * Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； Machine Learning Research Group, University of Oxford（牛津大学机器学习研究组） 纠错

AI总结 INSPO通过指令与策略的共演机制，动态优化指令以提升代理在多轮检索和推理任务中的性能，显著优于静态指令基线。

Comments 8 pages, 4 figures, 1 table (17 pages including references and appendices)

SynCoGen: Synthesizable 3D Molecule Generation via Joint Reaction and Coordinate Modeling

SynCoGen: 通过联合反应和坐标建模实现可合成的3D分子生成

Andrei Rekesh, Miruna Cretu, Dmytro Shevchuk, Vignesh Ram Somnath, Pietro Liò, Robert A. Batey, Mike Tyers, Michał Koziarski, Cheng-Hao Liu

机构 * University of Toronto（多伦多大学） ； The Hospital for Sick Children（多伦多儿童医院） ； University of Cambridge（剑桥大学） ； ETH Zürich（苏黎世联邦理工学院） ； Vector Institute（向量研究所） ； Mila – Quebec AI Institute（魁北克AI研究所） ； McGill University（麦吉尔大学） ； Caltech（加州理工学院） 纠错

AI总结 SynCoGen通过联合反应和坐标建模实现可合成的3D分子生成，实现了分子构建块、化学反应和原子坐标的联合分布采样，在无条件小分子生成和药物发现中表现出色。

Comments ICLR 2026

Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies

多智能体设计：通过更优提示和拓扑结构优化智能体

Han Zhou, Xingchen Wan, Ruoxi Sun, Hamid Palangi, Shariq Iqbal, Ivan Vulić, Anna Korhonen, Sercan Ö. Arık

机构 * Google（谷歌） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出MASS框架，通过优化提示和拓扑结构提升多智能体系统性能，并揭示了有效构建多智能体系统的原理。

Comments ICLR 2026