University of Cambridge（剑桥大学）

Artificial intelligence is creating a new global linguistic hierarchy

人工智能正在创造一个新的全球语言层级

Giulia Occhini, Kumiko Tanaka-Ishii, Anna Barford, Refael Tikochinski, Songbo Hu, Roi Reichart, Yijie Zhou, Hannah Claus, Ulla Petti, Ivan Vulić, Ramit Debnath, Anna Korhonen

机构 * University of Cambridge（剑桥大学） ； Waseda University（早稻田大学） ； University College London（伦敦大学学院） ； Technion（技术学院） 纠错

AI总结 本文研究了人工智能在语言上的不平等分布，提出语言AI准备指数，旨在促进更公平的语言技术发展。

Who Does What? Archetypes of Roles Assigned to LLMs During Human-AI Decision-Making

谁承担什么角色？人类与大语言模型在人机决策中的角色范式

Shreya Chappidi, Jatinder Singh, Andra V. Krauze

机构 * University of Cambridge（剑桥大学） ； National Cancer Institute, National Institutes of Health（国家癌症研究所，国立卫生研究院） ； Research Centre Trust, UA Ruhr, University Duisburg-Essen（研究信托中心，UA Ruhr，杜伊斯堡-埃森大学） 纠错

AI总结 本文提出人类-LLM范式概念，通过分析113篇论文得出17种角色模式，并探讨其对决策结果的影响及设计权衡。

Comments Accepted to ACM CHI 2026

Deep Kernel Fusion for Transformers

基于变压器的深度核融合

Zixi Zhang, Zhiwen Mo, Yiren Zhao, Robert Mullins

机构 * Imperial College London（帝国理工学院伦敦分校） ； University of Cambridge（剑桥大学） 纠错

AI总结 本研究提出DeepFusionKernel，通过深度融合内核减少HBM流量并提高缓存复用，实现大语言模型在长上下文推理中的性能提升。

ANML: Attribution-Native Machine Learning with Guaranteed Robustness

ANML：具有保证鲁棒性的属性原生机器学习

Oliver Zahn, Matt Beton, Simran Chana

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 ANML通过质量加权训练提升模型性能和归因能力，在多个数据集上显著减少误差。

Comments 27 pages, 6 figures

SKATE, a Scalable Tournament Eval: Weaker LLMs differentiate between stronger ones using verifiable challenges

SKATE，一种可扩展的锦标赛评估：较弱的LLM通过可验证的挑战区分更强的LLM

Dewi S. W. Gould, Bruno Mlodozeniec, Samuel F. Brown

机构 * The Alan Turing Institute（阿尔文·图灵研究所） ； University of Cambridge（剑桥大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Independent（独立研究者） 纠错

AI总结 SKATE通过让LLM相互生成和解决可验证任务，实现可扩展的评估框架，揭示模型间的细微能力差异。

Comments 7 pages and appendices