University of Cambridge（剑桥大学）

ActionReasoning: Robot Action Reasoning in 3D Space with LLM for Robotic Brick Stacking

动作推理：利用LLM进行三维空间中的机器人动作推理以实现积木堆叠

Guangming Wang, Qizhen Ying, Yixiong Jing, Olaf Wysocki, Brian Sheil

机构 * CV4DT, CSIC, Department of Engineering, University of Cambridge（CV4DT、CSIC、工程系、剑桥大学） 纠错

AI总结 本文提出ActionReasoning框架，利用LLM进行三维空间中的动作推理，实现稳定积木堆叠，提升机器人操作的泛化能力。

Comments 8 pages, 5 figures, accepted by the 2026 IEEE International Conference on Robotics and Automation

A Benchmark for Deep Information Synthesis

深度信息合成的基准测试

Debjit Paul, Daniel Murphy, Milan Gritta, Ronald Cardenas, Victor Prokhorov, Lena Sophia Bolliger, Aysim Toker, Roy Miles, Andreea-Maria Oncescu, Jasivan Alex Sivakumar, Philipp Borchert, Ismail Elezi, Meiru Zhang, Ka Yiu Lee, Guchun Zhang, Jun Wang, Gerasimos Lampouras

机构 * Huawei Noah’s Ark Lab, UK（华为诺亚实验室，英国） ； Imperial College London（伦敦帝国理工学院） ； UCL Centre for Artificial Intelligence（伦敦大学学院人工智能中心） ； University of Zurich（苏黎世大学） ； University of Sheffield（谢菲尔德大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 DEEPSYNTH是一个评估智能体在复杂任务中信息合成与推理能力的新基准测试，通过多阶段数据收集流程和120个跨7个领域的任务，评估LLM在现实问题中的表现。

Comments Accepted at ICLR 2026

BabyLM Turns 4 and Goes Multilingual: Call for Papers for the 2026 BabyLM Workshop

BabyLM四周年暨多语言研究：2026年BabyLM研讨会征文通知

Leshem Choshen, Ryan Cotterell, Mustafa Omer Gul, Jaap Jumelet, Tal Linzen, Aaron Mueller, Suchir Salhan, Raj Sanjay Shah, Alex Warstadt, Ethan Gotlieb Wilcox

机构 * IBM Research（IBM研究院） ； MIT（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院） ； Cornell University（康奈尔大学） ； University of Groningen（格罗宁根大学） ； NYU（纽约大学） ； Boston University（波士顿大学） ； University of Cambridge（剑桥大学） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（南加州大学） ； Georgetown University（乔治城大学） 纠错

AI总结 BabyLM研讨会征文通知，聚焦多语言预训练与认知建模，包含训练效率、小规模数据集、模型评估等主题

Comments 8 pages, 1 table. arXiv admin note: substantial text overlap with arXiv:2502.10645

Learning to Solve Complex Problems via Dataset Decomposition

通过数据集分解学习解决复杂问题

Wanru Zhao, Lucas Caccia, Zhengyan Shi, Minseon Kim, Weijia Xu, Alessandro Sordoni

机构 * University of Cambridge（剑桥大学） ； Microsoft Research（微软研究院） ； Mila - Quebec AI Institute（魁北克人工智能研究所） 纠错

AI总结 通过数据集分解和课程生成方法，提升模型解决复杂问题的能力

Comments NeurIPS 2025

Probability-Invariant Random Walk Learning on Gyral Folding-Based Cortical Similarity Networks for Alzheimer's and Lewy Body Dementia Diagnosis

基于皮层相似性网络的概率不变随机游走学习用于阿尔茨海默病和路易体痴呆诊断

Minheng Chen, Tong Chen, Chao Cao, Jing Zhang, Tianming Liu, Li Su, Dajiang Zhu

机构 * Department of Computer Science and Engineering, University of Texas at Arlington, United States（德克萨斯理工大学计算机科学与工程系） ； School of Computing, University of Georgia, United States（佐治亚大学计算机学院） ； Department of Psychiatry, University of Cambridge, United Kingdom（剑桥大学精神病学系） ； Sheffield Institute for Translational Neuroscience, University of Sheffield, United Kingdom（谢菲尔德大学转化神经科学研究所） 纠错

AI总结 本文提出基于皮层相似性网络的概率不变随机游走学习方法，用于AD和LBD的诊断，通过保留排列不变性提升模型鲁棒性。