MacroGuide: Topological Guidance for Macrocycle Generation
MacroGuide：宏环生成的拓扑引导
机构 * University of Oxford（牛津大学）
AI总结 MacroGuide通过持久同调引导预训练扩散模型生成宏环，显著提高生成效率并提升质量指标
高校专区
University of Oxford（牛津大学）
Picking the Right Specialist: Attentive Neural Process-based Selection of Task-Specialized Models as Tools for Agentic Healthcare Systems
选择合适的专家：基于神经过程的注意力机制用于选择任务专用模型作为智能医疗系统工具
机构 * Department of Engineering Science, University of Oxford, United Kingdom（牛津大学工程科学系） ； Department of Computer Science, Khalifa University, Abu Dhabi, United Arab Emirates（哈利法大学计算机科学系）
AI总结 本文提出ToolSelect，一种基于神经过程和注意力机制的模型选择方法，用于智能医疗系统中选择任务专用模型，通过实验展示其在不同任务上的优越性能。
EmbeWebAgent: Embedding Web Agents into Any Customized UI
EmbeWebAgent：将Web代理嵌入到任何定制的UI中
机构 * IBM Research Europe（IBM欧洲研究院） ； University of Oxford（牛津大学）
AI总结 EmbeWebAgent通过轻量前端钩子和可重用后端工作流，将Web代理嵌入定制UI，支持混合粒度动作并实现鲁棒的多步骤行为。
Comments Technical Report; Live Demo: https://youtu.be/Cy06Ljee1JQ
AIRS-Bench: a Suite of Tasks for Frontier AI Research Science Agents
AIRS-Bench: 一个面向前沿人工智能研究科学代理的任务集
机构 * FAIR at Meta（Meta 的 FAIR 部门） ； University of Oxford（牛津大学） ； University College London（伦敦大学学院）
AI总结 AIRS-Bench通过20个任务评估代理在科研全生命周期中的能力，发现代理在部分任务中超越人类但未达理论上限，推动自主科研发展。
Comments 49 pages, 14 figures, 10 tables
Calibrated Predictive Lower Bounds on Time-to-Unsafe-Sampling in LLMs
校准的预测下界：在大语言模型中时间到不安全采样的预测下界
机构 * Department of Computer Science, Technion IIT（计算机科学系） ； Department of Statistics, University of Oxford（统计系） ； Department of Electrical and Computer Engineering, Technion IIT（电气与计算机工程系）
AI总结 本文提出了一种基于生存分析的校准技术，用于构建大语言模型中时间到不安全采样的预测下界，以提高安全风险评估的可靠性。
Offline Learning of Nash Stable Coalition Structures with Possibly Overlapping Coalitions
离线学习纳什稳定的联盟结构（可能有重叠的联盟）
机构 * Bar Ilan University（巴伊兰大学） ； University of Oxford（牛津大学）
AI总结 本文提出了一种允许重叠联盟的离线学习模型，通过分析代理级和联盟级效用反馈，设计样本高效的算法以推断纳什稳定的联盟结构。
Comments To Appear in the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS), 2026
Evaluating LLMs in Finance Requires Explicit Bias Consideration
评估金融领域的LLM需要显式考虑偏见
机构 * University of Chicago Booth School of Business（芝加哥大学商学院） ； Pusan National University（釜山国立大学） ； Ulsan National Institute of Science（乌山国立科学研究院） ； University of Oxford（牛津大学） ； University of Florida（佛罗里达大学）
AI总结 本文提出了一种结构性有效性框架，强调在金融领域使用LLM时需显式考虑偏见问题，并提出了评估检查表以确保结果的有效性。
T2MBench: A Benchmark for Out-of-Distribution Text-to-Motion Generation
T2MBench：一种用于分布外文本到动作生成的基准测试
机构 * The Hong Kong University of Science（香港科学与技术大学） ； University of Oxford, Oxford, United Kingdom（牛津大学）
AI总结 T2MBench提出了一种用于评估分布外文本到动作生成的基准测试，通过全面分析基础模型和构建专用数据集，揭示现有方法在复杂场景下的局限性。
High Accuracy, Less Talk (HALT): Reliable LLMs through Capability-Aligned Finetuning
高精度、少言 (HALT)：通过能力对齐微调实现可靠的LLM
机构 * University of Oxford（牛津大学） ； Anthropic（Anthropic公司） ； Meta ； University of Washington（华盛顿大学）
AI总结 HALT通过能力对齐微调提高LLM的响应正确性，使模型在四个领域中正确性提升至87%
Fully autonomous tuning of a spin qubit
半导体自旋量子比特的完全自主调谐
机构 * Department of Materials, University of Oxford（材料系，牛津大学） ； Department of Physics, University of Basel（物理系，巴塞尔大学） ； Mind Foundry Ltd（Mind Foundry有限公司） ； Department of Engineering Science, University of Oxford（工程科学系，牛津大学）
AI总结 本研究首次实现了半导体自旋量子比特的完全自动化调谐，利用深度学习、贝叶斯优化和计算机视觉技术，展示了从接地设备到拉比振荡的量子比特操作，并探讨了其在大规模量子电路发展中的潜力。
Journal ref Nature Electronics (2026)
Detecting Brick Kiln Infrastructure at Scale: Graph, Foundation, and Remote Sensing Models for Satellite Imagery Data
大规模检测砖窑基础设施：用于卫星图像数据的图、基础和遥感模型
机构 * Planetary Health Informatics (PHI) Lab, University of Oxford, Oxford, UK.（行星健康信息学实验室，牛津大学，英国） ； Sustainable Environment (FUSE) Lab, University of Hong Kong, Hong Kong, China.（可持续环境（FUSE）实验室，香港大学，中国） ； School of Computer and IT, Beaconhouse National University, Lahore, Pakistan（计算机与信息技术学院，贝肯豪斯国家大学，巴基斯坦） ； Computer Science Department, Lahore University of Management Sciences, Lahore, Pakistan（管理科学大学计算机科学系，拉合尔，巴基斯坦） ； Computer Science Department, University of Sarghoda, Sarghoda, Pakistan（计算机科学系，萨尔戈达大学，巴基斯坦）
AI总结 本文提出ClimateGraph模型和遥感检测流水线，通过高分辨率卫星图像实现大规模砖窑基础设施的检测与监测。
