University of Cambridge（剑桥大学）

Shortest-Path Flow Matching with Mixture-Conditioned Bases for OOD Generalization to Unseen Conditions

基于混合条件化的基底的最短路径流匹配用于对抗分布外泛化到未见条件

Andrea Rubbi, Amir Akbarnejad, Mohammad Vali Sanian, Aryan Yazdan Parast, Hesam Asadollahzadeh, Arian Amani, Naveed Akhtar, Sarah Cooper, Andrew Bassett, Pietro Liò, Lassi Paavolainen, Sattar Vakili, Mo Lotfollahi

机构 * Wellcome Sanger Institute（Wellcome桑格研究所） ； Institute for Molecular Medicine Finland (FIMM)（芬兰分子医学研究所） ； University of Helsinki（赫尔辛基大学） ； School of Computing and Information Systems（计算与信息系统学院） ； University of Cambridge（剑桥大学） ； Cambridge Centre for AI in Medicine（剑桥人工智能医学中心） ； MediaTek Research（MediaTek研究） ； Cambridge Stem Cell Institute（剑桥干细胞研究所） 纠错

AI总结 SP-FM通过条件化基础分布和流场提升对抗分布外泛化能力，适用于异质领域如单细胞转录组学和高内涵显微镜药物筛选。

Overlap-weighted orthogonal meta-learner for treatment effect estimation over time

基于重叠权重的正交元学习器用于时间维度上的治疗效应估计

Konstantin Hess, Dennis Frauen, Mihaela van der Schaar, Stefan Feuerriegel

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Cambridge（剑桥大学） ； Alan Turing Institute（艾伦·图灵研究所） 纠错

AI总结 本文提出了一种基于重叠权重的正交元学习器，用于在时间维度上更准确地估计异质治疗效应，通过减少估计方差提升可靠性。

Learning Mixture Density via Natural Gradient Expectation Maximization

通过自然梯度期望最大化学习混合密度

Yutao Chen, Jasmine Bayrooti, Steven Morad

机构 * Faculty of Science and Technology, University of Macau（科技学院，澳门大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出nGEM方法，通过信息几何优化混合密度网络，实现更快的收敛速度和更高的效率。

Modular Multi-Task Learning for Chemical Reaction Prediction

模块化多任务学习用于化学反应预测

Jiayun Pang, Ahmed M. Zaitoun, Xacobe Couso Cambeiro, Ivan Vulić

机构 * University of Greenwich（格林威治大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出使用LoRA进行模块化多任务学习，以提高有机反应预测的准确性和泛化能力。

Comments 19 pages, 7 figures

URBAN-SPIN: A street-level bikeability index to inform design implementations in historical city centres

URBAN-SPIN：一种用于历史城市中心设计实施的街道级自行车适应性指数

Haining Ding, Chenxi Wang, Michal Gath-Morad

机构 * Cambridge Cognitive Architecture, Department of Architecture, University of Cambridge, UK（剑桥认知架构，建筑系，剑桥大学，英国） ； NeuroCivitas Lab for NeuroArchitecture, Centre for Research in the Arts, Social Sciences and Humanities (CRASSH), University of Cambridge, UK（神经文明架构实验室，艺术、社会科学与人文研究中心（CRASSH），剑桥大学，英国） 纠错

AI总结 本研究提出一种基于类型学和数据整合的框架，通过分析街道类型和子分类，构建整合主观和感知维度的自行车适应性指数，以评估和改善历史城市中的骑行条件。

Comments 32 pages, 10 figures

Speech-Audio Compositional Attacks on Multimodal LLMs and Their Mitigation with SALMONN-Guard

针对多模态大语言模型的语音音频组合攻击及其通过SALMONN-Guard的缓解

Yudong Yang, Xuezhen Zhang, Zhifeng Han, Siyin Wang, Jimin Zhuang, Zengrui Jin, Jing Shao, Guangzhi Sun, Chao Zhang

机构 * Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Cambridge（剑桥大学） 纠错

AI总结 针对多模态LLMs的安全性，提出SACRED-Bench评估语音音频组合攻击，并通过SALMONN-Guard将攻击成功率降低至20%。

Deep Network Trainability via Persistent Subspace Orthogonality

通过持久子空间正交性实现深度网络可训练性

Alex Massucco, Davide Murari, Carola-Bibiane Schönlieb

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） 纠错

AI总结 本研究通过持久子空间正交性方法，设计出能够有效训练深层网络的架构，解决了梯度消失和爆炸问题。

Iterative Importance Fine-tuning of Diffusion Models

扩散模型的迭代重要性微调

Alexander Denker, Shreyas Padhy, Francisco Vargas, Johannes Hertrich

机构 * University College London（伦敦大学学院） ； University of Cambridge（剑桥大学） ； Xaira Therapeutics ； ENS Paris - PSL & Inria Mokaplan（巴黎高等师范学院 - PSL & Inria Mokaplan） 纠错

AI总结 本文提出了一种基于自监督学习的扩散模型微调方法，通过迭代优化控制实现高效的条件采样，适用于图像生成和逆问题解决。