University of Oxford（牛津大学）

Free-Range Gaussians: Non-Grid-Aligned Generative 3D Gaussian Reconstruction

自由范围高斯：非网格对齐的生成3D高斯重建

Ahan Shabanov, Peter Hedman, Ethan Weber, Zhengqin Li, Denis Rozumny, Gael Le Lan, Naina Dhingra, Lei Luo, Andrea Vedaldi, Christian Richardt, Andrea Tagliasacchi, Bo Zhu, Numair Khan

机构 * Meta Reality Labs（Meta现实实验室） ； Simon Fraser University（西蒙菲莎大学） ； University of Oxford（牛津大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出Free-Range Gaussians方法，通过高斯参数流匹配从四张图像预测非像素非体素对齐的3D高斯，提升重建质量并减少冗余。

Comments Project Page: https://free-range-gaussians.github.io

EventFlow: Forecasting Temporal Point Processes with Flow Matching

EventFlow：通过流匹配进行时间点过程的预测

Gavin Kerrigan, Kai Nelson, Padhraic Smyth

机构 * University of Oxford（牛津大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Irvine（加州大学尔湾分校） 纠错

AI总结 EventFlow提出了一种非自回归生成模型，用于时间点过程的预测，通过流匹配框架直接学习事件时间的联合分布，降低预测误差，优于基线模型。

Comments AISTATS 2026 Best Paper Award, camera ready version

Your Agent is More Brittle Than You Think: Uncovering Indirect Injection Vulnerabilities in Agentic LLMs

你的代理比你想象的更脆弱：揭示代理LLM中的间接注入漏洞

Wenhui Zhu, Xuanzhao Dong, Xiwen Chen, Rui Cai, Peijie Qiu, Zhipeng Wang, Oana Frunza, Shao Tang, Jindong Gu, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； Morgan Stanley（摩根士丹利） ； UC Davis（加州大学戴维斯分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Rice University（莱斯大学） ； Florida State University（佛罗里达州立大学） ； University of Oxford（牛津大学） 纠错

AI总结 研究揭示了代理LLM在动态环境中存在严重的间接注入漏洞，通过评估六种防御策略发现现有防护不足，提出基于表示工程的检测方法以提升安全性。

PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation

PALM：通过具身理由推理进行长时间 horizon 肢体操作的进展感知策略学习

Yuanzhe Liu, Jingyuan Zhu, Yuchen Mo, Gen Li, Xu Cao, Jin Jin, Yifan Shen, Zhengyuan Li, Tianjiao Yu, Wenzhen Yuan, Fangqiang Ding, Ismini Lourentzou

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 PALM通过具身理由推理和子任务进展线索，改进长horizon机器人操作的策略学习，实现91.8%的成功率和更长的任务长度。

Comments CVPR 2026

Beyond Linear Steering: Unified Multi-Attribute Control for Language Models

超越线性操控：语言模型的统一多属性控制

Narmeen Oozeer, Luke Marks, Shreyans Jain, Fazl Barez, Amirali Abdullah

机构 * Martian ； University of Oxford（牛津大学） ； Thoughtworks 纠错

AI总结 本文提出K-Steering方法，通过训练非线性多标签分类器实现语言模型的多属性控制，避免线性假设，无需存储和调整个别属性向量，支持动态行为组合。

Comments Accepted to Findings of EMNLP, 2025