Imperial College London（帝国理工学院）

Step-resolved data attribution for looped transformers

循环变换器中逐步数据归因

Georgios Kaissis, David Mildenberger, Juan Felipe Gomez, Martin J. Menten, Eleni Triantafillou

机构 * Hasso Plattner Institute for Digital Engineering, University of Potsdam（波恩大学数字工程研究所） ； Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Harvard University（哈佛大学） ； Imperial College London（伦敦帝国理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出SDI方法，用于分析循环变换器中每个循环步骤对模型的影响，提升数据归因和可解释性能力。

How to Purchase Labels? A Cost-Effective Approach Using Active Learning Markets

如何购买标签？利用主动学习市场进行高效标注

Xiwen Huang, Pierre Pinson

机构 * Dyson School of Design Engineering, Imperial College London（帝国理工学院伦敦校区设计工程学院） ； Department of Technology, Management and Economics, Technical University of Denmark（丹麦技术大学技术、管理和经济系） ； CoRE, Aarhus University（奥胡斯大学CoRE） 纠错

AI总结 本文提出利用主动学习市场进行高效标签获取，通过两种主动学习策略和不同定价机制，在房地产和能源预测中实现更高效的数据采集。

Comments Accepted for publication in INFORMS Journal on Data Science (IJDS). This is the authors' preprint

Robust Processing and Learning: Principles, Methods, and Wireless Applications

鲁棒处理与学习：原理、方法和无线应用

Shixiong Wang, Wei Dai, Li-Chun Wang, Geoffrey Ye Li

机构 * Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院伦敦分校电子与电气工程系） ； Department of Electrical and Computer Engineering, National Yang Ming Chiao Tung University（国立阳明交通大学电子与计算机工程系） 纠错

AI总结 本文探讨了鲁棒性在无线传感和通信中的原理、方法及应用，包括鲁棒统计、优化和机器学习技术，以应对系统中的不确定性。

Towards Poisoning Robustness Certification for Natural Language Generation

面向自然语言生成的中毒鲁棒性认证

Mihnea Ghitu, Matthew Wicker

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

AI总结 本文提出TPA算法，通过计算最小中毒预算认证自然语言生成的有效性和稳定性，为安全关键应用提供可证明的鲁棒性保障。

Estimating Interventional Distributions with Uncertain Causal Graphs through Meta-Learning

通过元学习估计不确定因果图的干预分布

Anish Dhir, Cristiana Diaconu, Valentinian Mihai Lungu, James Requeima, Richard E. Turner, Mark van der Wilk

机构 * Imperial College London（伦敦帝国学院） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Alan Turing Institute（艾伦·图灵研究所） ； University of Oxford（牛津大学） 纠错

AI总结 通过元学习提出MACE-TNP模型，用于估计不确定因果图的干预分布，优于传统贝叶斯方法。

Leveraging LLM Agents and Digital Twins for Fault Handling in Process Plants

利用大语言模型代理和数字孪生进行过程厂故障处理

Milapji Singh Gill, Javal Vyas, Artan Markaj, Felix Gehlhoff, Mehmet Mercangöz

机构 * Institute of Automation Technology Helmut Schmidt University Hamburg（海因里希·施密特大学汉堡自动化技术研究所） ； Autonomous Industrial Systems Lab, Imperial College London（伦敦帝国理工学院自主工业系统实验室） 纠错

AI总结 本文提出利用大语言模型代理和数字孪生技术，实现过程厂故障的自动处理与纠正，通过模拟验证有效缓解管道堵塞问题。

MetaML-Pro: Cross-Stage Design Flow Automation for Efficient Deep Learning Acceleration

MetaML-Pro: 跨阶段设计流程自动化以实现高效深度学习加速

Zhiqiang Que, Jose G. F. Coutinho, Ce Guo, Hongxiang Fan, Wayne Luk

机构 * Imperial College London（伦敦帝国理工学院） 纠错

AI总结 MetaML-Pro通过自动化设计流程实现高效DNN加速器的资源优化，减少手动干预并提升性能与效率。

Comments Accepted by ACM TRETS