University of Cambridge（剑桥大学）

Extreme bandits

极端老虎机

Alexandra Carpentier, Michal Valko

机构 * Statistical Laboratory, CMS University of Cambridge（统计实验室，计算机科学与应用数学系，剑桥大学） ； SequeL team INRIA Lille - Nord Europe（SequeL团队，法国国家信息与自动化研究所里尔-北欧洲研究中心） 纠错

AI总结 本文研究在有限反馈下如何高效分配资源检测极端值，提出ExtremeHunter算法并进行实验证明其有效性。

Comments Published at Neural Information Processing Systems (NeurIPS) 2014

Stochastic simultaneous optimistic optimization

随机同时乐观优化

Michal Valko, Alexandra Carpentier, Rémi Munos

机构 * INRIA Lille - Nord Europe, SequeL team（INRIA里尔-北欧，SequeL团队） ； Statistical Laboratory, CMS, Wilberforce Road, CB3 0WB, University of Cambridge, United Kingdom（剑桥大学统计实验室，CMS，威尔伯福斯路，CB3 0WB，英国） 纠错

AI总结 本文研究在噪声干扰下有限次评估中全局最大化函数的问题，提出无需半度量知识的StoSOO算法，通过乐观策略构建层次划分的置信区间来选择下一步采样点，证明其在有限时间内性能接近最优调优算法。

Comments Published in International Conference on Machine Learning (ICML 2013)

Differentiable Faithfulness Alignment for Cross-Model Circuit Transfer

可微的忠实对齐用于跨模型电路转移

Shun Shao, Binxu Wang, Shay B. Cohen, Anna Korhonen, Yonatan Belinkov

机构 * University of Cambridge（剑桥大学） ； Kempner Institute, Harvard University（哈佛大学凯普勒研究所） ； University of Edinburgh（爱丁堡大学） ； Technion（技术学院） 纠错

AI总结 本文提出DFA框架，通过学习可微对齐将小模型的电路信息转移到大模型，实验证明在事实检索、多选推理和算术任务中，DFA在Llama-3 1B→3B任务中表现优异，且在某些情况下恢复的电路忠实度不低于直接归因。

Comments 10 pages, 5 figures

TOL: Textual Localization with OpenStreetMap

TOL: 基于OpenStreetMap的文本定位

Youqi Liao, Shuhao Kang, Jingyu Xu, Olaf Wysocki, Yan Xia, Jianping Li, Zhen Dong, Bisheng Yang, Xieyuanli Chen

机构 * Wuhan University（武汉大学） ； Technical University of Munich（慕尼黑技术大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究院（TeleAI）） ； China Telecom（中国电信） ； University of Cambridge（剑桥大学） ； University of Science and Technology of China（中国科学技术大学） ； national university of defense technology（国防科技大学） 纠错

AI总结 本文提出T2O定位任务，利用文本描述和OSM地图实现无几何观测的精准定位，引入TOL基准数据集和TOLoc框架，实验表明在不同阈值下优于现有方法。

Comments Tech repo

GeoCert: Certified Geometric AI for Reliable Forecasting

GeoCert: 用于可靠预测的几何AI

Regina Zhang, Zongru Li, Honggang Wen, Xiaofeng Liu, Siu-Ming Yiu, Pietro Liò, Kwok-Yan Lam

机构 * Department of Biomedical Informatics & Data Science, Yale University（耶鲁大学生物医学信息学与数据科学系） ； Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； School of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系） 纠错

AI总结 GeoCert通过统一预测、物理推理和形式验证，提升预测系统的准确性与可靠性，实现97.5%的计算成本降低和更高效的认证。

Comments 15 pages, 4 figures

AnalogRetriever: Learning Cross-Modal Representations for Analog Circuit Retrieval

AnalogRetriever: 为模拟电路检索学习跨模态表示

Yihan Wang, Lei Li, Yao Lai, Jing Wang, Yan Lu

机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； University of Cambridge（剑桥大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

AI总结 本文提出AnalogRetriever，通过构建高质量数据集和三模态检索框架，实现跨模态的模拟电路检索，实验表明其在六个方向上的Recall@1达到75.2%，显著优于现有方法。

Comments 10 pages, 7 figures. Yihan Wang and Lei Li contributed equally to this paper

Understanding Representation Gaps Across Scales in Tropical Tree Species Classification from Drone Imagery

理解无人机影像中热带树种分类的多尺度表征差距

Sulagna Saha, Arthur Ouaknine, Etienne Laliberté, Carol Altimas, Evan M. Gora, Adriane Esquivel Muelbert, Ian R. McGregor, Cesar Gutierrez, Vanessa E. Rubio, David Rolnick

机构 * Mila – Quebec AI Institute（魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Université de Montréal（蒙特利尔大学） ； Cary Institute of Ecosystem Studies（生态系统研究所） ； Smithsonian Tropical Research Institute（史密松国家热带研究所） ； Department of Plant Sciences, University of Cambridge（剑桥大学植物科学系） ； Universidade do Estado do Mato Grosso (UNEMAT)（马托格罗索州立大学（UNEMAT）） 纠错

AI总结 研究通过对比高分辨率近景与粗分辨率俯视影像，发现近景影像在树种分类中表现更优，尤其对稀有物种效果更显著，提出跨尺度自监督表征对齐方法提升分类模型性能。

Comments ML4RS @ICLR 2026 (Main)