Context-Aware Interleaved Batching for WhisperX
面向WhisperX的上下文感知交错批处理
机构 * University of Oxford（牛津大学）
AI总结 针对WhisperX音频内批处理丢失上下文、标准Whisper推理慢且易幻觉的问题，提出上下文感知交错批处理，利用VAD边界稳定Whisper文本条件，在长音频基准上降WER、提升专有名词转录且保持高推理速度。
高校专区
University of Oxford（牛津大学）
Collapsibility of Performance Metrics in Clinical Predictive AI
临床预测AI中性能指标的可折叠性
机构 * University of Oxford（牛津大学） ； KU Leuven（鲁汶大学） ； University of Birmingham（伯明翰大学）
AI总结 该研究分析临床预测AI的15种性能指标的可折叠性，发现AUC等5种指标非可折叠、10种可折叠，指出非可折叠性会误导公平性评估，明确报告其可折叠性可提升评估的可解释性与透明度。
The Nearest Target Is the Wrong One: Target Separation in Arc2Face Identity Unlearning
最近的目标是错误的：Arc2Face身份遗忘中的目标分离
机构 * University of Oxford（牛津大学）
AI总结 该研究针对Arc2Face身份遗忘中重定向目标导致的失败问题，通过审计Arc2Face发现目标分离是关键设计变量，采用特定策略可提升干净遗忘率并降低遗忘身份的重新识别率。
Comments 16 pages, accepted at the ECCV 2026 Workshop on Unlearning and Model Editing (U&ME)
Error Detection for PET/CT Radiology Reports: Domain-Specific vs Large Language Models
PET/CT放射报告的错误检测：领域特定模型与大语言模型
机构 * University of Oxford（牛津大学） ； Oxford University Hospitals NHS（牛津大学医院NHS） ； Imperial College London（伦敦帝国理工学院） ； University of Birmingham（伯明翰大学）
AI总结 本研究针对PET/CT报告错误检测，对比了领域特定模型与大语言模型，发现15M参数的领域特定BERT模型性能优于最强提示式LLM，任务适配的Llama-3.3-70B可缩小差距但计算需求更高，证明领域特定训练更关键。
Learning Human Health and Diseases from 24-hour Wrist Movement
从24小时腕部运动中学习人类健康与疾病
机构 * Big Data Institute, University of Oxford（牛津大学大数据研究所） ； Nuffield Department of Orthopaedics, Rheumatology and Musculoskeletal Sciences, University of Oxford（牛津大学纳菲尔德骨科、风湿病学与肌肉骨骼科学系） ； Oxford University Hospitals（牛津大学医院） ； Nuffield Department of Population Health, University of Oxford（牛津大学纳菲尔德人口健康系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Statistics, University of Oxford（牛津大学统计系） ； Department of Epidemiology and Biostatistics, School of Public Health, Peking University Health Science Center（北京大学医学部公共卫生学院流行病学与生物统计学系） ； Peking University Center for Public Health and Epidemic Preparedness and Response（北京大学公共卫生与疫情防控中心）
AI总结 该研究提出自监督基础模型Sensori，从24小时原始三轴腕部运动学习通用健康表征，经多人群队列验证，可跨场景泛化，结合临床协变量显著提升多种疾病的分类与风险预测性能。
AI Can Be Easily Persuaded in Clinical Decision Making
AI在临床决策中极易被说服
机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 本文通过对照实验发现，AI在临床决策中极易被专业权威、声称的过往表现等因素说服，甚至会被编造的合理观点误导，因此AI需在被说服时保持合理判断以保障医疗决策安全。
One Capability or Many? Testing the Economic Validity of Frontier AI Evaluation
一种能力还是多种？测试前沿AI评估的经济有效性
机构 * University of Oxford（牛津大学）
AI总结 该研究测试前沿AI评估的经济基准是否对应独立能力，发现其未形成独特因子，仅为日期驱动的通用能力因子提供增量信息，同期模型差距需经日期调整后才反映能力差异。
Comments 25 pages, 11 figures. Analysis plan deposited at https://doi.org/10.17605/OSF.IO/VD34J (retrospective deposit; see the note there). Code and data: https://github.com/louisyzhu/frontier-ai-economic-validity
Conformalized Large Language Models under Configuration Shift
配置偏移下的共形大语言模型
机构 * University of Stuttgart（斯图加特大学） ； Robert Bosch GmbH（罗伯特·博世有限公司） ； University of Oxford（牛津大学） ； LMU Munich（慕尼黑大学） ； Tsinghua University（清华大学） ； University of Southampton（南安普顿大学） ； University of Oslo（奥斯陆大学）
AI总结 该研究针对配置偏移对共形大语言模型有效性的影响展开系统分析，通过多维度实证研究揭示其削弱覆盖率的问题，提出两种实用缓解措施以恢复覆盖率并保留效率。
Comments Accepted to EMNLP 2026 as a main conference paper
SciOrch: Learning to Orchestrate Expert LLMs for Solving Frontier Multimodal Scientific Reasoning Tasks
SciOrch: 学习编排专家大语言模型以解决前沿多模态科学推理任务
机构 * Imperial College London（伦敦帝国学院） ； The Chinese University of Hong Kong（香港中文大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Oxford（牛津大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出SciOrch框架，训练轻量级8B模型编排多个前沿大语言模型，通过MCTS和GRPO优化，在科学推理任务上超越最强单模型和多智能体基线。
Bye Bye Perspective API: Lessons for Building and Governing Measurement Infrastructure
再见视角API：NLP、CSS和LLM评估中的测量基础设施教训
机构 * Weizenbaum Institute（韦izenbaum研究所） ； TU Berlin（柏林技术大学） ； University of Oxford（牛津大学） ； KU Leuven（根特大学） ； Pleias（Pleias公司） ； Freie Universität Berlin（柏林自由大学） ； University of Bremen（不莱梅大学） ； ifib research（ifib研究） ； TU Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； HTW Berlin（柏林应用技术大学） ； University of Hamburg（汉堡大学）
AI总结 视角API的关闭使NLP、CSS和LLM评估领域失去自动化毒性测量的基准，本文探讨其依赖问题及对研究的影响，呼吁建立独立、可验证的测量基础设施。
Comments Accepted at EMNLP Findings 2026
Different Demographic Cues Yield Inconsistent Conclusions About LLM Personalization and Bias
不同的人口统计线索导致对LLM个性化和偏见的结论不一致
机构 * World Bank（世界银行） ； University of Oxford（牛津大学） ； New York University（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学） ； LMU Munich（慕尼黑大学） ； Allen Institute for AI（人工智能研究院）
AI总结 研究通过1480万个提示测试了人口统计线索对LLM响应的影响，发现同一群体的不同线索导致响应变化不一致，偏见结论不稳定，揭示了身份线索与语言信号的关系。
Comments Accepted to EMNLP 2026 (Main Conference)
EquiReg: Equivariance Regularized Diffusion for Inverse Problems
EquiReg：等变正则化扩散用于逆问题
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine, Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； Neuroscience and Mental Health Institute, University of Alberta（阿尔伯塔大学神经科学与心理健康研究所） ； New York University（纽约大学） ； California Institute of Technology（加州理工学院） ； University of Oxford（牛津大学）
AI总结 EquiReg通过正则化扩散模型提升逆问题求解，有效引导采样向保持对称性的区域，提升图像修复和偏微分方程求解质量。
