University of Toronto（多伦多大学）

Regime-aware financial volatility forecasting via in-context learning

基于情境学习的领域感知金融波动预测

Saba Asaad, Shayan Mohajer Hamidi, Ali Bereyhi

机构 * Department of Electrical and Computer Engineering, University of Toronto（多伦多大学电气与计算机工程系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

AI总结 本文提出一种基于情境学习的领域感知金融波动预测方法，通过条件采样策略提升非平稳市场下的预测性能。

Comments 11 pages, 1 figure, Published as a conference paper at ICLR 2026 Workshop on Advances in Financial AI

Hierarchical Task Model Predictive Control for Sequential Mobile Manipulation Tasks

分层任务模型预测控制用于连续移动操作任务

Xintong Du, Siqi Zhou, Angela P. Schoellig

机构 * Learning Systems and Robotics Lab（学习系统与机器人实验室） ； Technical University of Munich（慕尼黑技术大学） ； University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所） ； University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所） ； Vector Institute for Artificial Intelligence（人工智能向量研究所） 纠错

AI总结 本文提出了一种分层任务模型预测控制框架，通过利用机器人冗余性，提高了任务序列执行的性能和反应性，实验显示在任务变化和参考变化情况下，轨迹跟踪性能提升了42%。

Comments 8 pages, Published in IEEE Robotics and Automation Letters ( Volume: 9, Issue: 2, February 2024)

Perceptive Hierarchical-Task MPC for Sequential Mobile Manipulation in Unstructured Semi-Static Environments

具有感知能力的分层任务模型预测控制用于在无结构半静态环境中进行序列移动操作

Xintong Du, Jingxing Qian, Siqi Zhou, Angela P. Schoellig

机构 * University of Toronto Institute for Aerospace Studies (UTIAS) and the Vector Institute for Artificial Intelligence（多伦多大学航空航天研究所（UTIAS）和人工智能向量研究所） ； Learning Systems and Robotics lab at the Technical University of Munich and the Munich Institute for Robotics and Machine Intelligence (MIRMI)（慕尼黑技术大学学习系统与机器人实验室和慕尼黑机器人与机器智能研究所（MIRMI）） ； School of Computing Science, Faculty of Applied Sciences, Simon Fraser University（西蒙弗雷泽大学应用科学学院计算机科学学院） 纠错

AI总结 本文提出了一种具有感知能力的分层任务模型预测控制框架，用于在无结构半静态环境中高效完成序列移动操作，通过贝叶斯推断建模环境变化，提升任务执行效率和适应性。

An Automated Radiomics Framework for Postoperative Survival Prediction in Colorectal Liver Metastases using Preoperative MRI

一种用于结直肠肝转移术后生存预测的自动化放射组学框架，利用术前MRI

Muhammad Alberb, Jianan Chen, Hossam El-rewaidy, Paul Karanicolas, Arun Seth, Yutaka Amemiya, Anne Martel, Helen Cheung

机构 * Department of Medical Biophysics, University of Toronto（多伦多大学医学生物物理学系） ； Physical Sciences Platform, Sunnybrook Research Institute（阳光医疗研究学院物理科学平台） ； UCL Cancer Institute, University College London（伦敦大学学院癌症研究所） ； Systems and Biomedical Engineering Department, Cairo University（开罗大学系统与生物医学工程系） ； Department of Surgery, University of Toronto（多伦多大学外科医学系） ； Department of Laboratory Medicine and Pathobiology, University of Toronto（多伦多大学实验室医学与病理学系） ； Sunnybrook Health Sciences Centre（阳光健康科学中心） ； Department of Medical Imaging, University of Toronto（多伦多大学医学影像学系） 纠错

AI总结 本研究提出了一种基于AI的自动化框架，利用术前MRI预测结直肠肝转移术后生存，结合分割算法和放射组学分析提高预测准确性。