University of Cambridge（剑桥大学）

Redirection for Erasing Memory (REM): Towards a universal unlearning method for corrupted data

删除记忆的重定向（REM）：一种针对损坏数据的通用反学习方法

Stefan Schoepf, Michael Curtis Mozer, Nicole Elyse Mitchell, Alexandra Brintrup, Georgios Kaissis, Peter Kairouz, Eleni Triantafillou

机构 * University of Cambridge（剑桥大学） ； Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） 纠错

AI总结 REM通过重定向损坏数据到专用神经元，有效处理多种损坏数据反学习任务，优于现有方法。

Comments Accepted as a main track paper at ICLR 2026 https://openreview.net/forum?id=xG0mQ4Xsfm

Product Interaction: An Algebraic Formalism for Deep Learning Architectures

产品交互：深度学习架构的一种代数形式化

Haonan Dong, Chun-Wun Cheng, Angelica I. Aviles-Rivero

机构 * Tsinghua University. Email（清华大学） ； University of Cambridge（剑桥大学） ； YMSC, Tsinghua University（清华大学数学科学中心） 纠错

AI总结 本文提出了一种代数形式化方法，通过产品交互构建深度学习架构，统一了线性、二次及更高阶的交互方式，适用于卷积、等变网络及注意力机制等模型。

video-SALMONN S: Memory-Enhanced Streaming Audio-Visual LLM

视频-SALMONN S：内存增强的流式音频视觉大语言模型

Guangzhi Sun, Yixuan Li, Xiaodong Wu, Yudong Yang, Wei Li, Zejun Ma, Chao Zhang

机构 * Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 视频-SALMONN S通过引入测试时训练机制，实现高效流式视频理解，显著提升长视频任务的性能和准确性。

CAD-SLAM: Consistency-Aware Dynamic SLAM with Dynamic-Static Decoupled Mapping

CAD-SLAM: 基于一致性的动态SLAM与动态-静态分离映射

Wenhua Wu, Chenpeng Su, Siting Zhu, Tianchen Deng, Jianhao Jiao, Guangming Wang, Dimitrios Kanoulas, Zhe Liu, Hesheng Wang

机构 * Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学） ； Department of Computer Science, University College London（计算机科学系，伦敦大学学院） ； Department of Engineering, University of Cambridge（工程系，剑桥大学） ； Department of Automation, Key Laboratory of System Control and Information Processing of Ministry of Education, State Key Laboratory of Avionics Integration and Aviation System-of-Systems Synthesis, Shanghai Key Laboratory of Navigation and Location Based Services, Shanghai Jiao Tong University（自动化系，教育部系统控制与信息处理重点实验室，航空系统集成与航空系统-of-系统综合国家重点实验室，导航与基于位置的服务上海实验室，上海交通大学） 纠错

AI总结 CAD-SLAM通过基于一致性的动态SLAM框架，实现动态物体的在线识别与分离映射，提升动态环境下的定位与映射性能。

Multi-Level Monte Carlo Training of Neural Operators

神经算子的多级蒙特卡洛训练

James Rowbottom, Stefania Fresca, Pietro Lio, Carola-Bibiane Schönlieb, Nicolas Boullé

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） ； Department of Mechanical Engineering, University of Washington（机械工程系，华盛顿大学） ； Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Department of Mathematics, Imperial College London（数学系，伦敦帝国学院） 纠错

AI总结 本文提出了一种基于多级蒙特卡洛方法的神经算子训练框架，通过多分辨率数据减少计算成本并提高训练效率。

Comments Accepted in Computer Methods in Applied Mechanics and Engineering

If It's Nice, Do It Twice: We Should Try Iterative Corpus Curation

如果很好，就再做一次：我们应该尝试迭代语料库整理

Robin Young

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 本文提出通过迭代语料库整理来提升模型安全性和可解释性，通过多次过滤和训练生成更干净的语料库，并探讨其在模型安全与能力之间的权衡。