高校专区
并发随机博弈的鲁棒PAC学习
机构 * University of Oxford（牛津大学）
AI总结 提出带转移不确定性的一般和并发随机博弈的鲁棒PAC学习框架，通过维护转移核置信集、引入纳什边际特征，在满足可达性条件下以多项式样本复杂度终止，基准博弈实验验证其性能与理论一致性。
Comments Main text: 10 pages, 1 figure, 2 tables; Appendix: 22 pages, 2 figures, 1 table
2026 PNPL竞赛：LibriBrain100中的单词分类与高效跨主体泛化
机构 * University of Oxford（牛津大学） ； Maastricht University（马斯特里赫特大学）
AI总结 2026 PNPL竞赛基于扩展的LibriBrain100数据集，设置单词分类的Deep与Broad赛道，以推进非侵入式BCI的跨主体泛化能力。
Comments 16 pages, 2 figures
ThousandWorlds: 一个用于潜在宜居系外行星气候模拟的基准数据集
机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Bristol（布里斯托大学） ； Purdue University（普渡大学） ； University of Exeter（埃克塞特大学）
AI总结 为加速系外行星气候模拟，提出ThousandWorlds基准数据集，包含五个全球气候模型的约1800次模拟，用于评估机器学习模拟器在低数据、多模拟器参数到场回归任务中的性能。
Comments 10 pages main text, 30 pages references/appendix, plus NeurIPS checklist. Data at https://doi.org/10.57967/hf/8695. Code at https://github.com/edstevenson/ThousandWorlds
PoseDreamer：基于扩散模型的可扩展且逼真的人体数据生成管道
机构 * The Podium Institute for Sports Medicine and Technology, University of Oxford（牛津大学体育医学与技术讲台研究所） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组） ； Ukrainian Catholic University（乌克兰天主教大学）
AI总结 本文提出PoseDreamer，通过扩散模型生成大规模合成数据，结合可控图像生成与偏好优化，提升3D人体数据质量与多样性，实现比传统合成数据更高的性能。
联邦数据预处理 via 聚合统计
机构 * University of Warwick（沃里克大学） ； University of Oxford（牛津大学）
AI总结 FedPS 是一种基于聚合统计的联邦数据预处理框架，通过数据草图技术实现高效的分布式预处理，支持特征缩放、编码、离散化和缺失值插补，并扩展了多种机器学习模型到水平和垂直联邦学习环境。
Comments TMLR 2026. 27 pages, 8 figures, 7 tables. Project page see http://xuefeng-xu.github.io/fedps.html
用于扩散过程随机控制的自适应划分与学习
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）
AI总结 研究无界连续状态空间等设定下扩散过程的强化学习，引入基于模型算法自适应划分联合状态-动作空间，平衡探索与近似，分析得出依赖多因素的遗憾界并验证方法有效性。
从拓扑学习到图生成：一个统一视角
机构 * University of Oxford（牛津大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； University College London（伦敦大学学院） ； EPFL（洛桑联邦理工学院）
AI总结 本综述提出统一框架，将图拓扑学习与图生成视为图数据共同生成过程的逆问题，综述相关方法并指出跨范式整合机遇，为该领域提供跨学科视角并勾勒未来研究方向。
语音脑机接口的通用通信度量
机构 * University of Oxford（牛津大学）
AI总结 该研究针对语音脑机接口缺乏通用进展度量的问题，提出开放词汇互信息（OVMI）作为统一通信度量，可用于比较异构系统、优化词汇表设计并提升准确率。
Comments Code and OVMI Explorer available from the project page at https://neural-processing-lab.github.io/OVMI/
AutoCompass：基于弱标签学习的公共地图精准视觉定位
机构 * I3A, Universidad de Zaragoza（萨拉戈萨大学I3A研究所） ； Niantic Spatial（Niantic Spatial公司） ； University of Oxford（牛津大学）
AI总结 AutoCompass是一种基于弱标签的监督方法，通过利用原始GPS标签、GPS容差区域及SLAM/SfM获取的相对位姿，提升神经地图匹配器的视觉定位精度，在两类基准测试中均优于同类方法。
Comments ECCV 2026
用于基于梯度规划的可微分电力市场出清
机构 * Macrocosm Inc.（宏宇宙公司） ； Institute for New Economic Thinking, University of Oxford（牛津大学新经济思维研究所）
AI总结 本文提出将电力市场出清视为可微分优化层，通过梯度优化实现数据中心负载的市场感知规划，在50MW负载分配任务中取得了良好效果。
Comments 9 pages, 4 figures
CivBench：用于《文明VI》中工具介导智能体的长周期基准测试
机构 * University of Oxford（牛津大学） ； Tony Blair Institute for Global Change（托尼·布莱尔全球变化研究所） ； Google DeepMind（谷歌DeepMind） ； UK AI Security Institute（英国人工智能安全研究所） ； Imperial College London（帝国理工学院） ； Downing Street（唐宁街10号）
AI总结 研究人员提出开源基准CivBench，用于通过MCP评估语言模型智能体在《文明VI》长周期工具环境中的表现，发现智能体存在战略状态监控不足、近期承诺执行率低的问题。
纠缠表征会放大遗忘中的附带损害
机构 * University of Oxford（牛津大学） ； University of Toronto（多伦多大学）
AI总结 该研究通过控制SGTM训练的不同解纠缠程度的254M参数语言模型，验证了表征纠缠会放大遗忘附带损害，解纠缠程度更高的模型保留-遗忘权衡更优。
TAPVid-MV：跨多视图三维任意点跟踪基准
机构 * Google DeepMind（谷歌DeepMind） ； University College London（伦敦大学学院） ； University of Oxford（牛津大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 TAPVid-MV是首个针对相机运动下跨多视图长期三维点跟踪的基准，含多类场景数据，揭示几何恢复是三维点跟踪瓶颈，还支持多项相关任务。
SignMatch：将词典手语匹配到连续手语视频
机构 * University of Oxford（牛津大学） ； École des Ponts, IP Paris, Univ Gustave Eiffel, CNRS（巴黎路桥学院、巴黎理工学院、古斯塔夫·埃菲尔大学、法国国家科学研究中心）
AI总结 本文提出SignMatch方法，通过学习原型结构的手语嵌入空间，实现词典手语与连续手语的匹配，在多数据集、任务及手语间泛化能力强，且优于现有方法。
Comments 24 pages, 8 figures, Project page: https://www.robots.ox.ac.uk/~vgg/research/signmatch/
带有解析方差调度的生成式扩散替代模型
机构 * University of Oxford（牛津大学） ； Princeton University（普林斯顿大学） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； University of Cambridge（剑桥大学） ； Gonville & Caius College（贡维尔与凯斯学院）
AI总结 本文提出一种带有解析方差调度的生成式扩散替代模型，将正向噪声化速率设为方差的时间导数，无需中间输运数据，即可校准仿真并实现基于似然的推断，在湍流等离子体输运中表现良好。
Comments Accepted for publication in Nature Communications
持久稀疏自动编码器：在语言模型中学习特征时间尺度
机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学）
AI总结 研究在语言模型中学习特征时间尺度的问题，提出持久稀疏自动编码器，通过为特征学习持久性系数扩展标准SAEs，实验表明其能保持竞争力的重建质量，为解释和监测语言模型带来新机会。
Hidden-Shot: 迈向低级视觉通用模型的一次性任务泛化
机构 * Pratt School of Engineering, Duke University（杜克大学普拉特工程学院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Khoury College of Computer Science, Northeastern University（东北大学库里计算机科学学院）
AI总结 提出隐式提示机制Hidden-Shot，通过提取隐含视觉任务信息并融合全局任务感知纹理提示，增强低级视觉通用模型在新任务上的一次性泛化能力，并引入C/U评估框架系统测试泛化性能。
Comments Added experimental results, corrected minor issues
基于损失的贝叶斯主动学习
机构 * University of Oxford（牛津大学）
AI总结 本文提出一种基于损失的贝叶斯主动学习方法，通过将损失函数转化为优化目标，提升下游任务的预测性能。实验表明该方法在回归和分类任务中有效降低了测试损失。
Journal ref Proceedings of The 29th International Conference on Artificial Intelligence and Statistics, PMLR 300:5140-5148, 2026
具有Cantelli有界价值-at-风险的约束策略优化
机构 * Machine Learning Research Group, University of Oxford, Oxford, United Kingdom（牛津大学机器学习研究组）
AI总结 本文提出VaR-CPO算法，通过Cantelli不等式近似非可导的VaR约束，实现安全探索和约束违反的控制，提升约束强化学习的样本效率和保守性。
OptimusKG：统一生物医学知识的现代多模态图
机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Edison Scientific Inc.（Edison科学公司） ； Oxford Suzhou Centre for Advanced Research, University of Oxford（牛津大学苏格兰研究中心） ； Broad Institute of MIT and Harvard（MIT与哈佛大学Broad研究所） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究所） ； Harvard Data Science Initiative（哈佛大学数据科学计划）
AI总结 OptimusKG通过整合结构化和半结构化资源，构建了多模态生物医学标记属性图，统一了分子、解剖、临床和环境领域的知识，验证了其在生物医学领域的有效性。
推特上仇恨言论管控的执行与可行性
机构 * University of Oxford（牛津大学） ； University of Copenhagen（哥本哈根大学） ； World Bank（世界银行） ； Princeton University（普林斯顿大学）
AI总结 研究通过全球审计揭示推特仇恨言论管控的执行情况，发现仇恨言论在平台上持续存在，且去除率与非仇恨言论无显著差异，表明技术限制外还有制度因素影响管控效果。
Fetch.ai：现代多智能体系统的架构
机构 * University of Oxford（牛津大学）
AI总结 针对LLM驱动智能体框架的集中化等局限，本文提出fetch.ai架构，结合经典MAS与现代AI，基于区块链实现去中心化，通过多智能体物流用例验证，助力构建开放可持续的多智能体生态。
Comments 26 pages, figures, code examples
面向视频目标分割感知的音频生成
机构 * Tampere University, Tampere, Finland（塔尔库大学） ； University of Oxford, Oxford, UK（牛津大学）
AI总结 针对现有音频生成模型缺乏精确控制的问题，提出视频目标分割感知音频生成任务，构建SAGANet模型并发布Segmented Music Solos数据集，实现了可控高保真的乐器拟音合成，性能优于现有SOTA方法。
Comments Preprint version of International Journal of Computer Vision (IJCV) submission. Project page: https://saganet.notion.site
在决策前探索：深度研究智能体的假设引导搜索
机构 * City University of Hong Kong（香港城市大学） ； Meituan（美团） ； University of Oxford（牛津大学）
AI总结 针对深度研究智能体易因单一搜索轨迹导致失败的问题，提出HypoSearch算法，通过假设引导的多分支搜索与证据比较提升性能，在多基准和模型上优于基线，且工具调用更少。
双过程运动规划
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Oxford（牛津大学）
AI总结 本研究受双系统思维范式启发，提出双过程架构，结合符号求解器与经验驱动模块，在非线性基准环境中提升机器人运动规划的效率、精度与泛化性。
ScaRF-SLAM: 基于前馈模型与经典视觉SLAM的尺度一致重建
机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院）
AI总结 提出一种解耦框架，将经典特征SLAM用于鲁棒跟踪，几何基础模型仅用于建图，通过尺度优化和子图融合实现高质量一致密集重建，在建筑级数据集上重建精度提升10%-20%。
Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026
基于分布式飞行时间传感器的连续机器人定位
机构 * University of Toronto Robotics Institute, Canada（多伦多大学机器人研究所，加拿大） ； Oxford Robotics Institute, University of Oxford, UK（牛津大学机器人研究所，英国） ； Toronto Metropolitan University, Canada（多伦多 Metropolitan 大学，加拿大）
AI总结 本文提出了一种利用小型低分辨率飞行时间传感器进行连续机器人定位的方法，通过融合传感器数据与机器人形状先验信息，实现了在复杂环境中高精度的定位与建图。
Comments Print version, to be published at Robotics: Science and Systems (RSS) 2026
Journal ref Proceedings of Robotics: Science and Systems (2026)
现实波动率预测：通过金融词嵌入进行机器学习
机构 * Alliance Manchester Business School at the University of Manchester（曼彻斯特大学阿利安斯商业学校） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Alliance Manchester Business School, University of Manchester（曼彻斯特大学阿利安斯商业学校）
AI总结 本文研究新闻如何提升现实波动率预测，通过现代且操作简单的NLP框架，发现新闻内容在高波动日具有更强预测作用，结合领先指标可提升统计性能和经济收益。
通过熵流计算推导马尔可夫算法的泛化界限
机构 * INRIA - Département d’Informatique de l’Ecole Normale Supérieure（法国国家信息与自动化技术研究所-巴黎高等师范学院计算机系） ； PSL Research University - CNRS（巴黎综合理工研究学院-法国国家科学研究中心） ； Department of Statistics, University of Oxford（牛津大学统计学系）
AI总结 本文通过熵流方法推导出马尔可夫算法的泛化界限，扩展了其适用范围至所有由时间齐次马尔可夫过程支配的算法。
智能的代价：面向AI服务的质量调整价格指数
机构 * University of Oxford（牛津大学）
AI总结 本文构建AI推理市场质量调整价格指数，发现当前方法漏测87%的价格降幅，买方价格按任务计算已停止下降，且AI评估的排行榜稳定性论点无法为相关经济统计辩护。
Comments 38 pages, 3 figures. Data, code and provenance archived at https://doi.org/10.5281/zenodo.22177190; pre-registration at https://doi.org/10.17605/OSF.IO/5UQJ2
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈