University of Cambridge（剑桥大学）

STEP: Scientific Time-Series Encoder Pretraining via Cross-Domain Distillation

STEP: 通过跨领域知识蒸馏实现科学时间序列的编码器预训练

Chen Zhang, Liwei Liu, Jun Tao, Xiaoyu Yang, Xuenan Xu, Kai Chen, Bowen Zhou, Wen Wu, Chao Zhang

机构 * Shanghai Aritificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Sichuan University（四川大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出STEP框架，通过跨领域知识蒸馏整合多领域基础模型，构建统一的科学时间序列编码器，提升科学时间序列的表示学习能力。

Towards Efficient and Stable Ocean State Forecasting: A Continuous-Time Koopman Approach

迈向高效且稳定的海洋状态预测：一种连续时间Koopman方法

Rares Grozavescu, Pengyu Zhang, Mark Girolami, Etienne Meunier

机构 * Department of Engineering University of Cambridge（工程系剑桥大学） ； Alan Turing Institute（艾伦·图灵研究所） ； INRIA Paris（巴黎国家信息与自动化研究所） 纠错

AI总结 本文提出连续时间Koopman自编码器用于高效稳定的海洋状态预测，通过线性微分方程建模非线性动力学，实现时间不变预测并优于Transformer基线。

Augmenting Rating-Scale Measures with Text-Derived Items Using the Information-Determined Scoring (IDS) Framework

通过信息确定评分（IDS）框架用文本衍生项目增强评分尺度测量

Joe Watson, Ivan O'Connor, Chia-Wen Chen, Luning Sun, Fang Luo, David Stillwell

机构 * Psychometrics Centre, Judge Business School, University of Cambridge（剑桥大学心理测量中心、剑桥大学商学院） ； Faculty of Law, University of Cambridge（剑桥大学法学院） ； School of Computer Science, University of Birmingham（伯明翰大学计算机科学学院） ； Faculty of Psychology, Beijing Normal University（北京师范大学心理学学院） 纠错

AI总结 本文提出IDS框架，利用大型语言模型生成文本衍生项目，提升心理测量的精度和效度，通过案例研究展示其在抑郁症测量中的有效性。

Resonances in reflective Hamiltonian Monte Carlo

反射哈密顿蒙特卡洛中的共振

Namu Kroupa, Gábor Csányi, Will Handley

机构 * Astrophysics Group, Cavendish Laboratory（天体物理组，卡文迪许实验室） ； Kavli Institute for Cosmology（卡文迪许宇宙研究所） ； Engineering Laboratory, University of Cambridge（工程实验室，剑桥大学） ； Institute of Astronomy, University of Cambridge（天文研究所，剑桥大学） 纠错

AI总结 本文研究了高维空间中不精确反射哈密顿蒙特卡洛方法的混合问题，通过Sinkhorn分歧度量化分布非均匀性，揭示了混合失败的主要机制，并展示了粒子在球体和立方体中集体运动的相变行为，以及低维模型对高维问题的再现。

Journal ref Phys. Rev. E 111, 045308 (2025)

CADGL: Context-Aware Deep Graph Learning for Predicting Drug-Drug Interactions

CADGL：基于上下文的深度图学习用于预测药物-药物相互作用

Azmine Toushik Wasi, Taki Hasan Rafi, Raima Islam, Serbetar Karlo, Dong-Kyu Chae

机构 * Shahjalal University of Science and Technology（沙赫 jalal 科学与技术大学） ； BRAC University（BRAC 大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出CADGL框架，利用定制化变分图自编码器提取药物结构和理化信息，从局部邻域和分子上下文两个视角进行特征提取，提升药物-药物相互作用预测的泛化能力和实用性。

Comments Preliminary version; full version accepted to the IEEE Transactions on Computational Biology and Bioinformatics (IEEE TCBB) (https://doi.org/10.1109/TCBBIO.2026.3675142). Code: https://github.com/azminewasi/cadgl

Journal ref IEEE Transactions on Computational Biology and Bioinformatics, 2026

On Additive Gaussian Processes for Wind Farm Power Prediction

关于用于风场功率预测的加法高斯过程

Simon M. Brealy, Lawrence A. Bull, Daniel S. Brennan, Pauline Beltrando, Anders Sommer, Nikolaos Dervilis, Keith Worden

机构 * Dynamics Research Group, Department of Mechanical Engineering, The University of Sheffield, Mappin Street, Sheffield, S1 3JD, UK Computational Statistics ； Machine Learning Group, Department of Engineering, University of Cambridge, Cambridge, CB3 0FA, UK Vattenfall R\&D, Vattenfall AB, Älvkarleby, Sweden 纠错

AI总结 本文采用加法高斯过程分析风场功率模型，揭示涡轮机和场级功率变化，为风场控制提供依据。

Journal ref In: Rainieri, C., Gentile, C., Aenlle López, M. (eds) Proceedings of the 10th International Operational Modal Analysis Conference (IOMAC 2024)

LiteReality: Graphics-Ready 3D Scene Reconstruction from RGB-D Scans

LiteReality：从RGB-D扫描生成图形-ready的3D场景重建

Zhening Huang, Xiaoyang Wu, Fangcheng Zhong, Hengshuang Zhao, Matthias Nießner, Joan Lasenby

机构 * University of Cambridge（剑桥大学） ； The University of Hong Kong（香港大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 LiteReality通过结构化场景图解析扫描数据，生成紧凑且逼真的3D虚拟场景，支持图形管线所需的关键特性，适用于AR/VR、游戏、机器人和数字孪生等应用。

Comments Project Page: https://litereality.github.io; Video: https://www.youtube.com/watch?v=ecK9m3LXg2c&feature=youtu.be Camera-Ready Version