University of Oxford（牛津大学）

Self-Improvement as Coherence Optimization: A Theoretical Account

自我改进作为一致性优化：一种理论解释

Tianyi Qiu, Ahmed Hani Ismail, Zhonghao He, Shi Feng

机构 * Peking University（北京大学） ； University of Oxford（牛津大学） ； UC Berkeley（加州大学伯克利分校） ； George Washington University（乔治华盛顿大学） 纠错

AI总结 本文提出一致性优化理论，解释语言模型如何通过自我改进提升准确性，并证明其在半监督学习中的最优性。

Comments 39 pages

"They've Stolen My GPL-Licensed Model!": Toward Standardized and Transparent Model Licensing

『他们偷走了我的GPL授权模型！』：迈向标准化和透明的模型授权

Moming Duan, Rui Zhao, Linshan Jiang, Nigel Shadbolt, Bingsheng He

机构 * East China Normal University（华东师范大学） ； University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出ModelGo分析器和ModelGo许可证，旨在解决模型发布中的许可证合规问题，通过本体推理和灵活的许可证设计提升透明度和标准化。

Comments 12 pages, 8 figures. Accepted for publication in WWW2026 Web4Good

The Cost of EFX: Generalized-Mean Welfare and Complexity Dichotomies with Few Surplus Items

EFX的成本：在少量剩余物品下的广义均值效用与复杂性二元对立

Eugene Lim, Tzeh Yuan Neoh, Nicholas Teh

机构 * National University of Singapore（新加坡国立大学） ； Harvard University（哈佛大学） ； University of Oxford（牛津大学） 纠错

AI总结 研究探讨了在少量剩余物品情况下，EFX与广义均值效用的复杂性关系，揭示了EFX在不同p值下的计算难度及效用损失。

Objective Matters: Fine-Tuning Objectives Shape Safety, Robustness, and Persona Drift

目标至关重要：微调目标影响安全、鲁棒性和人格漂移

Daniel Vennemeyer, Punya Syon Pandey, Phan Anh Duong, Michael Umeokoli, Samuel Ratnam

机构 * University of Cincinnati（辛辛那提大学） ； University of Toronto（多伦多大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文研究了微调目标对LLM安全性和鲁棒性的影响，发现目标选择在不同训练规模下对安全、鲁棒性和人格漂移有显著影响。

Large language models struggle with ethnographic text annotation

大型语言模型在民族志文本标注中表现不佳

Leonardo S. Goodall, Dor Shilton, Daniel A. Mullins, Harvey Whitehouse

机构 * Calleva Research Centre Oxford Internet Institute University of Oxford（牛津大学奥克斯福德互联网研究所卡列瓦研究中心） ； Cohn Institute for the History and Philosophy of Science and Ideas Tel Aviv University（特拉维夫大学科恩研究所） ； Birkbeck College University of London（伦敦大学伯克贝克学院） ； Centre for the Study of Social Cohesion University of Oxford（牛津大学社会凝聚力研究所以及牛津大学） 纠错

AI总结 本研究发现大型语言模型在民族志文本标注任务中表现不佳，无法替代人类专家。

Partial Reasoning in Language Models: Search and Refinement Guided by Uncertainty

语言模型中的部分推理：由不确定性引导的搜索与细化

Murilo da Luz, Bruno Brandão, Luana Martins, Gustavo Oliveira, Bryan de Oliveira, Luckeciano Melo, Telma Soares

机构 * Advanced Knowledge Center for Immersive Technologies (AKCIT)（沉浸式技术高级知识中心） ； Federal University of Goiás, Brazil（巴西戈亚斯联邦大学） ； OATML, University of Oxford（牛津大学OATML） 纠错

AI总结 PREGU通过监控输出熵并在不确定时触发局部搜索，提升语言模型在多步骤推理任务中的性能。

A pipeline for enabling path-specific causal fairness in observational health data

一种实现路径特定因果公平性的观察性健康数据管道

Aparajita Kashyap, Sara Matijevic, Noémie Elhadad, Steven A. Kushner, Shalmali Joshi

机构 * Department of Biomedical Informatics（生物医学信息学系） ； Columbia University（哥伦比亚大学） ； Big Data Institute（大数据研究所） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出了一种通用管道，用于训练能够解决直接和间接医疗偏见的因果公平机器学习模型。

Does DINOv3 Set a New Medical Vision Standard? Benchmarking 2D and 3D Classification, Segmentation, and Registration

DINOv3 是否设定了医学视觉的新标准？对2D和3D分类、分割与配准的基准测试

Che Liu, Yinda Chen, Haoyuan Shi, Jinpeng Lu, Bailiang Jian, Jiazhen Pan, Linghan Cai, Jiayi Wang, Jieming Yu, Ziqi Gao, Xiaoran Zhang, Long Bai, Yundi Zhang, Jun Li, Cosmin I. Bercea, Cheng Ouyang, Chen Chen, Zhiwei Xiong, Benedikt Wiestler, Christian Wachinger, James S. Duncan, Daniel Rueckert, Wenjia Bai, Rossella Arcucci

机构 * Imperial College London（伦敦帝国理工学院） ； University of Science and Technology of China（中国科学技术大学） ； Dresden University of Technology（德累斯顿技术大学） ； University of Erlangen-Nuremberg（埃尔兰根-纽伦堡大学） ； University of Oxford（牛津大学） ； University of Sheffield（谢菲尔德大学） ； Technical University of Munich (TUM)（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Yale University（耶鲁大学） 纠错

AI总结 DINOv3在医学视觉任务中表现出色，但其在深度领域专门化任务中存在性能退化问题。

Comments Technical Report