University of Oxford（牛津大学）

RiskAgent: Synergizing Language Models with Validated Tools for Evidence-Based Risk Prediction

RiskAgent: 语言模型与验证工具协同以基于证据的风险预测

Fenglin Liu, Jinge Wu, Hongjian Zhou, Xiao Gu, Jiayuan Zhu, Jiazhen Pan, Junde Wu, Soheila Molaei, Anshul Thakur, Lei Clifton, Honghan Wu, David A. Clifton

机构 * University of Oxford（牛津大学） ； University College London（伦敦大学学院） ； Technical University of Munich（慕尼黑技术大学） ； University of Glasgow（格拉斯哥大学） ； Oxford-Suzhou Centre for Advanced Research（牛津-苏浙高级研究中心） 纠错

AI总结 RiskAgent通过整合语言模型与验证的临床决策工具，实现基于证据的风险预测，展现优越的性能和泛化能力。

Comments Code and Data are available at https://github.com/AI-in-Health/RiskAgent

Securing Dual-Use Pathogen Data of Concern

保障受关注的双用途病原体数据安全

Doni Bloomfield, Allison Berke, Moritz S. Hanke, Aaron Maiwald, James R. M. Black, Toby Webster, Tina Hernandez-Boussard, Oliver M. Crook, Jassi Pannu

机构 * Fordham University School of Law（福特汉姆大学法学院） ； RAND（RAND研究院） ； Center for Health Security Johns Hopkins Bloomberg School of Public Health（约翰霍普金斯大学布隆伯格公共卫生学院健康安全中心） ； Department of Statistics University of Oxford（牛津大学统计学系） ； RAND Europe（RAND欧洲分部） ； Stanford University School of Medicine（斯坦福大学医学院） ； Department of Chemistry & Kavli Institute for Nanoscience Discovery University of Oxford（牛津大学化学系及Kavli纳米科学发现研究所） 纠错

AI总结 本文提出了一种五级生物安全数据等级框架，用于分类和控制可能用于生物安全威胁的双用途病原体数据。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Biosecurity Safeguards for Generative AI

TDGNet: Hallucination Detection in Diffusion Language Models via Temporal Dynamic Graphs

TDGNet: 通过时间动态图检测扩散语言模型中的幻觉

Arshia Hemmat, Philip Torr, Yongqiang Chen, Junchi Yu

机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 TDGNet通过时间动态图框架，利用演进的token级注意力图进行学习，实现对扩散语言模型中幻觉的高效检测。

Cross-Linguistic Persona-Driven Data Synthesis for Robust Multimodal Cognitive Decline Detection

跨语言人格驱动的数据合成用于鲁棒多模态认知衰退检测

Rui Feng, Zhiyao Luo, Liuyu Wu, Wei Wang, Yuting Song, Yong Liu, Kok Pin Ng, Jianqing Li, Xingyao Wang

机构 * Engineering Research Center of Intelligent Theranostics Technology and Instruments, Ministry of Education, School of Biomedical Engineering and Informatics, Nanjing Medical University（智能诊疗技术与仪器工程研究中心、教育部、生物医学工程与信息学院、南京医科大学） ； Institute of Biomedical Engineering, University of Oxford（生物医学工程研究所、牛津大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR)（高性能计算研究所、科技研究局（A*STAR）） ； Department of Neurology, National Neuroscience Institute, Singapore, 308433, Singapore（神经病学部、新加坡国家神经科学研究所） ； Duke-NUS Medical School, Singapore, 169857, Singapore（新加坡国立大学医学院） 纠错

AI总结 SynCog通过跨语言人格驱动数据合成与推理链微调，提升多模态模型在认知衰退检测中的诊断性能和跨语言泛化能力。

Comments 18 pages, 7 figures, 6 tables

TASTE: Task-Aware Out-of-Distribution Detection via Stein Operators

TASTE：基于Stein算子的任务感知分布外检测

Michał Kozyra, Gesine Reinert

机构 * University of Oxford（牛津大学） 纠错

AI总结 TASTE通过Stein算子实现任务感知的分布外检测，能够将分布偏移与模型敏感性联系起来，提供可解释的局部化诊断并优于现有方法。

TermiGen: High-Fidelity Environment and Robust Trajectory Synthesis for Terminal Agents

TermiGen: 为终端智能体提供高保真的环境和鲁棒轨迹合成

Kaijie Zhu, Yuzhou Nie, Yijiang Li, Yiming Huang, Jialian Wu, Jiang Liu, Ximeng Sun, Zhenfei Yin, Lun Wang, Zicheng Liu, Emad Barsoum, William Yang Wang, Wenbo Guo

机构 * google（谷歌） ； University of Oxford（牛津大学） 纠错

AI总结 TermiGen通过生成高保真的环境和鲁棒轨迹，提升终端智能体在复杂任务中的表现，达到31.3%的通过率，超越现有基线和专有模型。

Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds

广义流映射用于黎曼流形上的少步生成建模

Oscar Davis, Michael S. Albergo, Nicholas M. Boffi, Michael M. Bronstein, Avishek Joey Bose

机构 * University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） ； Institute for Artificial Intelligence and Fundamental Interactions, MIT（人工智能与基本相互作用研究所，MIT） ； Carnegie Mellon University（卡内基梅隆大学） ； AITHYRA（AITHYRA研究所） ； Mila（Mila研究所） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 本文提出广义流映射（GFM）用于黎曼流形上的少步生成建模，通过自蒸馏方法提升现有生成模型性能。

Comments Under review

Peeling Context from Cause for Molecular Property Prediction

从因果中剥离上下文以进行分子属性预测

Tao Li, Kaiyuan Hou, Tuan Vinh, Monika Raj, Carl Yang

机构 * Emory University（埃默里大学） ； University of Oxford（牛津大学） 纠错

AI总结 CLaP通过分层剥离上下文与因果信号，提升分子属性预测的准确性与可解释性。

Information-Theoretic Graph Fusion with Vision-Language-Action Model for Policy Reasoning and Dual Robotic Control

信息论图融合：基于视觉-语言-动作模型的政策推理与双臂机器人控制

Shunlei Li, Longsen Gao, Jin Wang, Chang Che, Xi Xiao, Jiuwen Cao, Yingbai Hu, Hamid Reza Karimi

机构 * Electrical and Computer Engineering Department, University of New Mexico, Albuquerque, United States, 87106（电气与计算机工程系，新墨西哥大学，阿尔伯克基，美国，87106） ； Dynamic Robot Systems Group, Oxford Robotics Institute, University of Oxford, United Kingdom, OX26NN（动态机器人系统组，牛津机器人研究所，牛津大学，英国，OX26NN） ； Mechanical and Aerospace Engineering Department, The George Washington University, DC, United States, 22202（机械与航空航天工程系，乔治华盛顿大学，华盛顿特区，美国，22202） ； Department of Computer Science, University of Alabama at Birmingham, Alabama, United States, 35294（计算机科学系，阿拉巴马大学伯明翰分校，阿拉巴马，美国，35294） ； The School of Computation, Information and Technology, Technical University of Munich, Germany, 85748（计算、信息与技术学院，慕尼黑技术大学，德国，85748） ； Department of Mechanical Engineering, Politecnico di Milano, Milan, Italy, 20156（机械工程系，米兰理工学院，米兰，意大利，20156） 纠错

AI总结 GF-VLA通过信息论图融合视觉-语言-动作模型，实现双臂机器人任务推理与执行，提升空间泛化与任务成功率。

Comments Journal accepted by Information Fusion