University of Cambridge（剑桥大学）

Exact Recovery in the Data Block Model

数据块模型中的精确恢复

Amir R. Asadi, Akbar Davoodi, Ramin Javadi, Farzad Parvaresh

机构 * Statistical Laboratory, Centre for Mathematical Sciences, University of Cambridge, Cambridge, United Kingdom（剑桥大学统计实验室，数学科学中心） ； Department of Mathematical Sciences, Isfahan University of Technology, Isfahan, Iran（伊斯法罕技术大学数学科学系） ； Department of Electrical Engineering, Faculty of Engineering, University of Isfahan, Isfahan, Iran（伊斯法罕大学工程学院电气工程系） 纠错

AI总结 本文研究了数据块模型中的精确恢复问题，引入了Chernoff-TV分歧来刻画精确恢复阈值，并提出高效算法和反向结果，验证了节点数据在社区检测中的辅助作用。

Comments 35 pages

The Use of AI-Robotic Systems for Scientific Discovery

利用人工智能-机器人系统进行科学发现

Alexander H. Gower, Konstantin Korovin, Daniel Brunnsåker, Filip Kronström, Gabriel K. Reder, Ievgeniia A. Tiukova, Ronald S. Reiserer, John P. Wikswo, Ross D. King

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； The University of Manchester（曼彻斯特大学） ； KTH Royal Institute of Technology（皇家理工学院） ； Vanderbilt University（范德比大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文探讨了人工智能-机器人系统在科学发现中的应用，通过映射机器人科学家的活动到机器学习范式，论证了科学方法与主动学习的相似性，并展示了Genesis系统在系统生物学研究中的应用。

Comments 23 pages, book chapter

SpectraKAN: Conditioning Spectral Operators

SpectraKAN: 通过输入自身条件化频谱算子

Chun-Wun Cheng, Carola-Bibiane Schönlieb, Angelica I. Aviles-Rivero

机构 * DAMTP, University of Cambridge, Cambridge, UK（剑桥大学 DAMTP 实验室） 纠错

AI总结 SpectraKAN通过输入条件化频谱算子，提升PDE解算子的适应性和效率，实现多尺度动态的精准捕捉。

Position: Capability Control Should be a Separate Goal From Alignment

位置：能力控制应是与对齐分开的目标

Shoaib Ahmed Siddiqui, Eleni Triantafillou, David Krueger, Adrian Weller

机构 * University of Cambridge（剑桥大学） ； Google DeepMind（谷歌DeepMind） ； University of Montreal（蒙特利尔大学） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

AI总结 本文主张将能力控制视为与对齐不同的目标，提出分层的控制机制以应对模型的潜在滥用和失败。

Pruning Minimal Reasoning Graphs for Efficient Retrieval-Augmented Generation

对检索增强生成进行最小推理图剪枝以提高效率

Ning Wang, Kuanyan Zhu, Daniel Yuehwoon Yee, Yitang Gao, Shiying Huang, Zirun Xu, Sainyam Galhotra

机构 * Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； The University of Hong Kong（香港大学） ； HKUST（香港科技大学） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

AI总结 AutoPrunedRetriever通过最小推理图剪枝提升检索增强生成效率，实现更高效的知识密集型任务处理。

Governance at the Edge of Architecture: Regulating NeuroAI and Neuromorphic Systems

架构边缘的治理：规范神经AI与神经形态系统

Afifah Kashif, Abdul Muhsin Hameed, Asim Iqbal

机构 * University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； Tibbling Technologies（Tibbling技术公司） 纠错

AI总结 本文探讨了神经AI系统在传统AI治理框架下的局限性，提出需与架构共同进化以实现技术基础的保证。

Comments 9 pages, 1 table, 1 figure

Root Cause Analysis of Outliers with Missing Structural Knowledge

具有缺失结构知识的异常根源分析

William Roy Orchard, Nastaran Okati, Sergio Hernan Garrido Mejia, Patrick Blöbaum, Dominik Janzing

机构 * University of Cambridge（剑桥大学） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Amazon Tübingen（亚马逊图宾根） 纠错

AI总结 本文提出了一种简单高效的方法，用于在因果图是聚树的情况下，通过边际异常分数识别异常根源，无需假设因果图结构或指定异常分数阈值。

Comments Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)