University of Toronto（多伦多大学）

CayleyPy-4: AI-Holography. Towards analogs of holographic string dualities for AI tasks

CayleyPy-4：AI-全息图。迈向AI任务的全息弦对偶性类比

A. Chervov, F. Levkovich-Maslyuk, A. Smolensky, F. Khafizov, I. Kiselev, D. Melnikov, I. Koltsov, S. Kudashev, D. Shiltsov, M. Obozov, S. Krymskii, V. Kirova, E. V. Konstantinova, A. Soibelman, S. Galkin, L. Grunwald, A. Kotov, A. Alexandrov, S. Lytkin, D. Fedoriaka, A. Chevychelov, Z. Kogan, A. Natyrova, L. Cheldieva, O. Nikitina, S. Fironov, A. Vakhrushev, A. Lukyanenko, V. Ilin, D. Gorodkov, N. Bogachev, I. Gaiur, M. Zaitsev, F. Petrov, L. Petrov, T. Gaintseva, A. Gavrilova, M. N. Smirnov, N. Kalinin, A. Khan, K. Jung, H. Mousset, H. Isambert, O. Debeaupuis

机构 * Centre for Mathematical Science, City St George’s, University of London（伦敦城市圣乔治大学数学科学中心） ； Neapolis University Pafos, Cyprus（塞浦路斯纳皮奥斯大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； International Institute of Physics（国际物理研究所） ； Independent Researcher（独立研究者） ； Research Center of the Artificial Intelligence Institute, Innopolis University（人工智能研究所研究中心，因诺波利斯大学） ； Stanford University（斯坦福大学） ； NRNU MEPhI (National Research Nuclear University)（国家核研究大学NRNU MEPhI） ； Three Gorges Mathematical Research Center, China Three Gorges University, Sobolev Institute of Mathematics, Novosibirsk State University（三峡数学研究中心，中国三峡大学，索比埃夫数学研究所，新西伯利亚国立大学） ； Sobolev Institute of Mathematics, The Mathematical Center in Akademgorodok（索比埃夫数学研究所，阿克梅尔戈德克数学中心） ； University of Hradec Králové（哈拉德克-克劳夫大学） ； IBS Center for Geometry（IBS几何中心） ； Kazakh-British Technical University（哈萨克-英国技术大学） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； Higher School of Economics（俄罗斯高等经济学院） ； St. Petersburg State University（圣彼得堡国立大学） ； University of Virginia, Charlottesville（弗吉尼亚大学，夏洛特维尔） ； Queen Mary University of London（伦敦女王玛丽大学） ； Guangdong Technion-Israel Institute of Technology（广东技术学院-以色列理工学院） ； Institut Curie, CNRS UMR168, Paris, France（索比埃夫研究所，CNRS UMR168，法国巴黎） ； Institut Curie, CNRS UMR168 Imagine Institute, INSERM UMR 1163, Paris, France（索比埃夫研究所，CNRS UMR168，Imagine研究所，INSERM UMR 1163，法国巴黎） 纠错

AI总结 本文探讨了Cayley图中全息弦对偶性与AI任务的关系，提出通过离散弦描述图结构，并验证了其在AI计算中的应用潜力。

Comments 20+120 pages

Deep Reinforcement Learning and The Tale of Two Temporal Difference Errors

深度强化学习与两种时差误差的故事

Juan Sebastian Rojas, Chi-Guhn Lee

机构 * University of Toronto（多伦多大学） 纠错

AI总结 本文探讨了时差误差的两种解释在深度强化学习中的差异，指出非线性架构可能导致两者数值不同，影响算法性能。

Modality Matching Matters: Calibrating Language Distances for Cross-Lingual Transfer in URIEL+

模态匹配至关重要：在URIEL+中校准语言距离以实现跨语言迁移

York Hay Ng, Aditya Khan, Xiang Lu, Matteo Salloum, Michael Zhou, Phuong H. Hoang, A. Seza Doğruöz, En-Shiun Annie Lee

机构 * University of Toronto, Canada（多伦多大学） ； University of Michigan, USA（密歇根大学） ； Harvard University, USA（哈佛大学） ； Carnegie Mellon University, USA（卡内基梅隆大学） ； LT3, IDLab, Universiteit Gent, Belgium（IDLab，根特大学） ； Ontario Tech University, Canada（安大略技术大学） 纠错

AI总结 本文提出一种类型匹配的语言距离框架，通过结构感知的表示方法提升跨语言迁移性能，特别是在任务相关距离类型下表现更优。

Comments Accepted to EACL 2026 SRW

Journal ref In Proceedings of EACL 2026 (Volume 4: Student Research Workshop), pages 110 to 130. ACL

Patho-R1: A Multimodal Reinforcement Learning-Based Pathology Expert Reasoner

Patho-R1: 基于多模态强化学习的病理专家推理器

Wenchuan Zhang, Penghao Zhang, Jingru Guo, Tao Cheng, Jie Chen, Shuwan Zhang, Zhang Zhang, Yuhao Yi, Hong Bu

机构 * Department of Pathology, West China Hospital, Sichuan University（四川大学华西医院病理科部门） ； Institute of Clinical Pathology, West China Hospital, Sichuan University（四川大学华西医院临床病理科研究所） ； University of Toronto（多伦多大学） ； Business School, Sichuan University（四川大学商学院） ； Department of Pathology, Shengjing Hospital of China Medical University（中国医科大学盛京医院病理科部门） 纠错

AI总结 本文提出Patho-R1，通过构建高质量推理导向数据集，结合三阶段训练流程提升病理推理能力，实现跨模态任务的鲁棒性能。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(33): 28418-28426, 2026

Privacy-Preserving Federated Action Recognition via Differentially Private Selective Tuning and Efficient Communication

通过差分隐私选择性调优和高效通信实现隐私保护的联邦动作识别

Idris Zakariyya, Pai Chet Ng, Kaushik Bhargav Sivangi, S. Mohammad Sheikholeslami, Konstantinos N. Plataniotis, Fani Deligianni

机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算科学学院） ； Infocomm Technology Cluster, Singapore Institute of Technology（新加坡理工学院信息通信技术集群） ； The Edward S. Rogers Sr. Dept. of Electrical and Computer Engineering, University of Toronto（多伦多大学埃德华·S·罗杰斯Sr.电子与计算机工程系） 纠错

AI总结 本文提出FedDP-STECAR框架，通过差分隐私保护和高效通信减少信息泄露，提升联邦动作识别的准确性和效率。

Large Neighborhood Search meets Iterative Neural Constraint Heuristics

大邻域搜索与迭代神经约束启发式方法的结合

Yudong W. Xu, Wenhao Li, Scott Sanner, Elias B. Khalil

机构 * Department of Mechanical \& Industrial Engineering, University of Toronto Vector Institute 纠错

AI总结 本文将迭代神经启发式与大邻域搜索结合，改进ConsFormer方法，通过实验发现该方法在Sudoku、图着色和MaxCut任务中性能提升显著，揭示了LNS在设计迭代神经方法中的有效性。

Comments Published in the 23rd International Conference on the Integration of Constraint Programming, Artificial Intelligence, and Operations Research

M4-RAG: A Massive-Scale Multilingual Multi-Cultural Multimodal RAG

M4-RAG：大规模多语言多文化多模态检索增强生成

David Anugraha, Patrick Amadeus Irawan, Anshul Singh, En-Shiun Annie Lee, Genta Indra Winata

机构 * Stanford University（斯坦福大学） ； MBZUAI ； Indian Institute of Science（印度科学研究院） ； Ontario Tech University（安大略技术大学） ； University of Toronto（多伦多大学） ； Capital One 纠错

AI总结 M4-RAG提出一个覆盖42种语言、56种方言和189个国家的多模态大规模基准，通过构建8万多个文化多样化的图像-问题对，评估跨语言和模态的检索增强视觉问答性能，揭示模型大小与检索效果的不匹配问题。

Comments Accepted to CVPR 2026

ReBOL: Retrieval via Bayesian Optimization with Batched LLM Relevance Observations and Query Reformulation

ReBOL：通过批量LLM相关性观察和查询重述进行检索

Anton Korikov, Scott Sanner

机构 * University of Toronto（多伦多大学） 纠错

AI总结 ReBOL通过引入多模态贝叶斯优化和查询重述技术，改进检索阶段的召回率和排名质量，优于现有LLM重排序基线。

Verifiable Error Bounds for Physics-Informed Neural KKL Observers

可验证的物理信息神经KKL观测器误差界

Hannah Berin-Costain, Harry Wang, Kirsten Morris, Jun Liu

机构 * Department of Applied Mathematics, University of Waterloo（滑铁卢大学应用数学系） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出了一种可计算的状态估计误差界，用于基于学习的KKL观测器。通过物理信息神经网络和传统神经网络分别学习KKL变换映射及其左逆映射，推导出仅依赖于可验证区域内的量的误差界，并扩展至有界加性测量噪声，验证非线性基准系统的保证。

Comments 6 pages, 4 figures