University of Toronto（多伦多大学）

ROSER: Few-Shot Robotic Sequence Retrieval for Scalable Robot Learning

ROSER：用于可扩展机器人学习的少样本机器人序列检索

Zillur Rahman, Eddison Pham, Alejandro Daniel Noel, Cristian Meo

机构 * University of Nevada, Las Vegas（内华达大学拉斯维加斯分校） ； University of Toronto（多伦多大学） ； LatentWorlds AI 纠错

AI总结 ROSER通过少样本检索框架有效解决机器人序列数据稀缺问题，提升机器人学习的数据可用性。

Comments 2026 ICLR DATA-FM Workshop

Optimizing 3D Diffusion Models for Medical Imaging via Multi-Scale Reward Learning

通过多尺度奖励学习优化3D扩散模型用于医学影像

Yueying Tian, Xudong Han, Meng Zhou, Rodrigo Aviles-Espinosa, Rupert Young, Philip Birch

机构 * University of Sussex（苏塞克斯大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文通过多尺度奖励学习优化3D扩散模型，提升医学影像生成质量与临床应用价值。

Comments Preprint

AfriMTEB and AfriE5: Benchmarking and Adapting Text Embedding Models for African Languages

AfriMTEB 和 AfriE5：为非洲语言构建和适应文本嵌入模型的基准测试

Kosei Uemura, Miaoran Zhang, David Ifeoluwa Adelani

机构 * University of Toronto（多伦多大学） ； Mila - Quebec AI Institute, McGill University（魁北克AI研究院，麦吉尔大学） ； Saarland University, Saarland Informatic Campus（萨尔兰大学，萨尔兰信息学院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

AI总结 本文提出 AfriMTEB 和 AfriE5，为非洲语言构建和适应文本嵌入模型的基准测试，通过引入新任务和跨语言对比蒸馏方法，提升了模型性能。

Comments Accepted to EACL 2026 (main conference)

MERLIN: Multi-Stage Curriculum Alignment for Multilingual Encoder-LLM Integration in Cross-Lingual Reasoning

MERLIN：多阶段课程对齐用于多语言编码器-大语言模型集成的跨语言推理

Kosei Uemura, David Guzmán, Quang Phuoc Nguyen, Jesujoba Oluwadara Alabi, En-shiun Annie Lee, David Ifeoluwa Adelani

机构 * University of Toronto（多伦多大学） ； Mila-Quebec AI Institute, McGill University（魁北克AI研究所，麦吉尔大学） ； OntarioTech University（安大略技术大学） ； Saarland University（萨尔兰州立大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

AI总结 MERLIN通过多阶段课程对齐方法提升多语言编码器-大语言模型在跨语言推理中的性能，特别是在低资源语言上表现突出。

Comments Accepted to EACL 2026 (main conference)

Adversarial Robustness of Partitioned Quantum Classifiers

分区量子分类器的对抗鲁棒性

Pouya Kananian, Hans-Arno Jacobsen

机构 * Department of Electrical and Computer Engineering, University of Toronto（电气与计算机工程系，多伦多大学） 纠错

AI总结 研究分区量子分类器在对抗扰动下的鲁棒性，揭示扰动与中间层对抗门实现的联系，并从理论和实验角度探讨相关问题。