University of Cambridge（剑桥大学）

Analyzing and Improving Chain-of-Thought Monitorability Through Information Theory

通过信息论分析和改进链式思维可监控性

Usman Anwar, Tim Bakker, Dana Kianfar, Cristina Pinneri, Christos Louizos

机构 * University of Cambridge（剑桥大学） ； Qualcomm AI Research（高通人工智能研究） 纠错

AI总结 本文通过信息论分析，提出两种方法改进链式思维监控器的可监控性，以提高监控准确性并防止奖励黑客问题。

Comments First two authors contributed equally

Visual Planning: Let's Think Only with Images

视觉规划：只用图像来思考

Yi Xu, Chengzu Li, Han Zhou, Xingchen Wan, Caiqi Zhang, Anna Korhonen, Ivan Vulić

机构 * Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； Google（谷歌公司） 纠错

AI总结 本文提出视觉规划范式，通过图像进行推理，优于纯文本推理，在视觉导航任务中表现更优。

Comments ICLR 2026 (Oral)

RamanSeg: Interpretability-driven Deep Learning on Raman Spectra for Cancer Diagnosis

RamanSeg：基于可解释性的深度学习在拉曼光谱用于癌症诊断中的应用

Chris Tomy, Mo Vali, David Pertzborn, Tammam Alamatouri, Anna Mühlig, Orlando Guntinas-Lichius, Anna Xylander, Eric Michele Fantuzzi, Matteo Negro, Francesco Crisafi, Pietro Lio, Tiago Azevedo

机构 * Department of Computer Science and Technology（计算机科学与技术系） ； University of Cambridge（剑桥大学） ； Department of Physics（物理系） ； Department of Otorhinolaryngology（耳鼻喉科系） ； Jena University Hospital（耶拿大学医院） ； Section Pathology of the Institute of Forensic Medicine（法医学研究所病理学部） ； Cambridge Raman Imaging Srl（剑桥拉曼成像有限公司） 纠错

AI总结 RamanSeg通过可解释的深度学习方法在拉曼光谱中实现癌症诊断，提高了分割性能和可解释性。

Comments 12 pages, 8 figures

Alignment Pretraining: AI Discourse Causes Self-Fulfilling (Mis)alignment

对齐预训练：人工智能 discourse 导致自我实现的（不）对齐

Cameron Tice, Puria Radmard, Samuel Ratnam, Andy Kim, David Africa, Kyle O'Brien

机构 * Geodesic Research（Geodesic研究机构） ； UK AI Security Institute（英国人工智能安全研究所） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文通过预训练不同量级的AI discourse，发现其对下游对齐有显著影响，表明预训练数据塑造对齐先验的重要性。

A Neuromorphic Architecture for Scalable Event-Based Control

一种可扩展的事件驱动控制神经形态架构

Yongkang Huo, Fulvio Forni, Rodolphe Sepulchre

机构 * University of Cambridge, Department of Engineering（剑桥大学工程系） ； KU Leuven, Department of Electrical Engineering (STADIUS)（鲁汶大学电子工程系） 纠错

AI总结 本文提出了一种基于事件驱动的神经形态控制架构，结合离散计算与连续调节能力，用于实现蛇形机器人的神经系统设计。