University of Cambridge（剑桥大学）

On the Necessity of Learnable Sheaf Laplacians

可学习的sheaf拉普拉斯算子的必要性

Ferran Hernandez Caralt, Mar Gonzàlez i Català, Adrián Bazaga, Pietro Liò

机构 * Department of Computer Science and Technology University of Cambridge（计算机科学与技术系剑桥大学） ； Microsoft（微软公司） 纠错

AI总结 本文探讨了可学习sheaf拉普拉斯算子在解决异质图过度平滑问题中的必要性，通过引入身份sheaf网络基线发现其性能与SNN变体相当，并指出实证结果与理论分析不符。

Knowledge Divergence and the Value of Debate for Scalable Oversight

知识分歧与辩论在可扩展监督中的价值

Robin Young

机构 * Department of Computer Science and Technology University of Cambridge（计算机科学与技术系剑桥大学） 纠错

AI总结 本文通过几何方法分析辩论在可扩展监督中的价值，揭示了辩论与RLAIF之间的联系，并探讨了知识分歧对辩论效果的影响。

Why Is RLHF Alignment Shallow? A Gradient Analysis

为什么RLHF对齐是浅层的？一种梯度分析

Robin Young

机构 * Department of Computer Science and Technology University of Cambridge（计算机科学与技术系剑桥大学） 纠错

AI总结 本文通过梯度分析揭示RLHF对齐浅层的原因，提出有害信息概念并设计新的目标以实现深层对齐。

QTabGAN: A Hybrid Quantum-Classical GAN for Tabular Data Synthesis

QTabGAN：一种用于表格数据合成的混合量子-经典生成对抗网络

Subhangi Kumari, Rakesh Achutha, Vignesh Sivaraman

机构 * Department of Computer Science and Engineering, Indian Institute of Technology (BHU), Varanasi, India（计算机科学与工程系，印度理工学院（BHU），瓦拉纳西，印度） ； Department of Applied Mathematics and Theoretical Physics, University of Cambridge, Cambridge, United Kingdom（应用数学与理论物理系，剑桥大学，剑桥，英国） 纠错

AI总结 QTabGAN通过结合量子电路和经典神经网络，提升表格数据合成的效率与准确性，实现高达54.07%的性能提升。

Comments 21 pages, Minor revisions to improve clarity

TabStruct: Measuring Structural Fidelity of Tabular Data

TabStruct: 表格数据结构忠实性度量

Xiangjian Jiang, Nikola Simidjievski, Mateja Jamnik

机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Télécom Paris, Institut Polytechnique de Paris（巴黎理工 Télécom Paris） 纠错

AI总结 TabStruct提出了一种新的评估框架，结合结构忠实性和传统评估维度，引入全局效用度量，提供对13个表格生成器的全面评估。

Comments Accepted by the Fourteenth International Conference on Learning Representations (ICLR 2026 Oral)

Overtone: Cyclic Patch Modulation for Clean, Efficient, and Flexible Physics Emulators

泛音：用于清洁、高效和灵活物理模拟器的循环补丁调制

Payel Mukhopadhyay, Michael McCabe, Ruben Ohana, Miles Cranmer

机构 * University of Cambridge（剑桥大学） ； Flatiron Institute（Flatiron研究所） ； Polymathic AI（多维人工智能） 纠错

AI总结 Overtone通过动态补丁大小控制，在保持精度的同时提升计算效率，适用于复杂物理模拟场景。

Comments 48 pages, 24 Figures. For code, see https://github.com/payelmuk150/patch-modulator

Journal ref Published as a conference paper at ICLR 2026