高校专区
在噪声中穿行：面向机器学习互原子势稳健训练的实时异常检测
机构 * Cavendish Laboratory, Department of Physics, University of Cambridge（卡文迪许实验室，物理系，剑桥大学） ； Lennard-Jones Centre, University of Cambridge（兰纳德-琼斯中心，剑桥大学） ； Yusuf Hamied Department of Chemistry, University of Cambridge（尤苏夫·哈米德化学系，剑桥大学）
AI总结 本文提出了一种实时异常检测方法，通过自动降低噪声样本权重，提升机器学习互原子势在不完美数据集上的训练鲁棒性。
Comments 12 pages, 6 figures
人类-人工智能交互中的信念卸载
机构 * Princeton University（普林斯顿大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； University of Cambridge（剑桥大学）
AI总结 本文研究了人类在与人工智能交互时，将信念形成过程卸载给AI系统的影响及潜在后果。
支持智能体的前瞻性分析以应对AI系统性风险：智能体用于广度，专家用于判断
机构 * GESIS - Leibniz Institute for the Social Sciences（GESIS-莱布尼茨社会科学研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Nokia Bell Labs（诺基亚贝尔实验室） ； University of Cambridge（剑桥大学）
AI总结 本文提出了一种结合智能体和专家的前瞻性分析方法，用于评估AI系统的长期系统性风险，通过模拟智能体和专家讨论，扩大风险覆盖范围并提供上下文基础。
Comments 48 pages, 15 figures
轨迹拼接用于基于流模型的逆问题求解
机构 * University College London（伦敦大学学院） ； University of Cambridge（剑桥大学）
AI总结 MS-Flow通过轨迹拼接方法优化逆问题求解，减少内存消耗并提升重建质量。
Bolmo：字节化下一代语言模型
机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Edinburgh（爱丁堡大学）
AI总结 Bolmo通过两阶段转换将现有子词模型转换为字节级模型，实现性能和细粒度理解的平衡。
同时触觉-视觉感知用于学习多模态机器人操作
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理与认知科学学院） ； Beijing Key Lab of Behavior and Mental Health, Peking University（北京大学行为与心理健康北京市重点实验室） ； Beijing Institute for General Artificial Intelligence（北京一般人工智能研究院） ； State Key Lab for General Artificial Intelligence（一般人工智能国家重点实验室） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，北京大学武汉人工智能研究院） ； Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系）
AI总结 TacThru-UMI通过结合同时触觉-视觉感知与现代学习框架，实现了高精度多模态机器人操作。
用恒星进行推理：一个用于代理科学推理的太阳物理数据集和基准
机构 * Frontier Development Lab（前沿发展实验室） ； Department of Mechanical and Aerospace Engineering, UCLA（机械与航空航天工程系，加州大学洛杉矶分校） ； Trillium Technologies Inc.（Trillium技术公司） ； Department of Engineering, University of Cambridge（工程系，剑桥大学）
AI总结 本研究提出一个太阳物理数据集和基准，用于评估代理在科学推理中的表现，发现系统工程原则在演绎推理任务中优于直接提示方法。
Comments Accepted at NeurIPS 2025 Machine Learning and the Physical Sciences (ML4PS) Workshop. Dataset: https://huggingface.co/datasets/SpaceML/ReasoningWithAStar
Paper Copilot：追踪人工智能会议中同行评审的演变
机构 * University of Southern California（南加州大学） ； University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学）
AI总结 Paper Copilot通过创建同行评审数字档案和开放数据集，分析人工智能会议评审实践的演变，促进同行评审系统的透明和改进。
Comments ICLR 2026. https://papercopilot.com/
用于定性知识状态建模的语言瓶颈模型
机构 * University of Cambridge（剑桥大学）
AI总结 语言瓶颈模型通过编码器和解码器LLM生成可解释的知识状态摘要，提升教育场景中对学习者知识状态的定性分析与预测能力。
AIReg-Bench: 用于评估AI监管合规性的语言模型基准测试
机构 * University of Cambridge（剑桥大学） ； University of Warwick（沃里克大学） ； University of Luxembourg（卢森堡大学）
AI总结 AIReg-Bench是一个用于评估语言模型在AI监管合规性评估方面性能的基准数据集，通过生成虚构AI系统样本并由法律专家标注，为LLM的合规性评估提供测试基础。
语言模型是否会随着新信息更新其预测？
机构 * Department of Computer Science and Technology, University of Cambridge, Cambridge, United Kingdom（计算机科学与技术系，剑桥大学，剑桥，英国）
AI总结 研究发现语言模型在接收到新信息时更新预测不一致且保守，需改进机制以更准确整合外部知识。
赋予人工智能代理访问加密货币和智能合约的新AI危害途径
机构 * University of Cambridge（剑桥大学）
AI总结 本文探讨了赋予AI代理访问加密货币和智能合约可能带来的新AI危害途径，并呼吁进行技术研究以防范这些风险。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈