Imperial College London（帝国理工学院）

Unconditional flow-based time series generation with equivariance-regularised latent spaces

无条件流基于时间序列生成与等变性正则化潜在空间

Camilo Carvajal Reyes, Felipe Tobar

机构 * Imperial College London（伦敦帝国学院） 纠错

AI总结 本文提出了一种基于流的无条件时间序列生成方法，通过等变性正则化潜在空间提升生成质量，同时在计算效率上优于现有扩散基线方法。

Comments Accepted at ICASSP 2026

Diverse Approaches to Optimal Execution Schedule Generation

最优执行调度生成的多样化方法

Robert de Witt, Mikko S. Pakkanen

机构 * Imperial College London（帝国学院伦敦） ； Bank of America Securities（摩根大通证券） 纠错

AI总结 本文提出利用MAP-Elites算法生成多样化的执行策略，通过模拟验证其在订单调度中的有效性，展示了改进的策略在市场条件下的表现优势。

Comments 27 pages, 15 figures, 5 tables, v2: some minor improvements

RefineBridge: Generative Bridge Models Improve Financial Forecasting by Foundation Models

RefineBridge: 生成桥梁模型通过基础模型提升金融预测

Anthony Bolton, Wuyang Zhou, Zehua Chen, Giorgos Iacovides, Danilo Mandic

机构 * Department of Electrical and Electronic Engineering, Imperial College London, UK（帝国理工学院伦敦分校电子与电气工程系） ； Department of CST, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） 纠错

AI总结 RefineBridge通过生成桥梁模型改进金融预测，利用可处理的Schrödinger Bridge框架提升时间序列基础模型的预测性能。

Right for the Right Reasons: Avoiding Reasoning Shortcuts via Prototypical Neurosymbolic AI

为正确的理由而正确：通过原型神经符号AI避免推理捷径

Luca Andolfi, Eleonora Giunchiglia

机构 * Imperial College London（帝国理工学院伦敦分校） ； Sapienza University of Rome（罗马萨皮恩扎大学） 纠错

AI总结 本文提出原型神经符号架构，通过学习正确基本概念避免推理捷径，提升神经符号学习的安全性和可靠性。

SQUAD: Scalable Quorum Adaptive Decisions via ensemble of early exit neural networks

SQUAD：通过早期退出神经网络的集成实现可扩展的多数决决策

Matteo Gambella, Fabrizio Pittorino, Giuliano Casale, Manuel Roveri

机构 * Department of Computing, Imperial College London, London, United Kingdom（计算系，伦敦帝国学院，伦敦，英国） 纠错

AI总结 SQUAD通过集成早期退出神经网络和分布式集成学习，实现更高效的不确定性估计和更短的推理时间，提升测试准确率并降低延迟。

A Deterministic Information Bottleneck Method for Clustering Mixed-Type Data

一种确定性信息瓶颈方法用于混合类型数据聚类

Efthymios Costa, Ioanna Papatsouma, Angelos Markos

机构 * Department of Mathematics, Imperial College London, London, United Kingdom（伦敦帝国学院数学系） ； School of Education, Democritus University of Thrace, Greece（德莫克利特斯大学教育学院） 纠错

AI总结 本文提出DIBmix方法，通过信息瓶颈原理处理混合类型数据聚类，解决带宽选择和超参数更新问题，在大小不平衡和重叠数据中表现优异。

Comments 35 pages