2026-08-04 | CS.LG机器学习 | 共 160 篇
[机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准
快速导航
1. 深度学习架构与训练方法 13 篇
2. 表示学习、自监督与对比学习 5 篇
3. 强化学习与序列决策 21 篇
4. 生成模型与概率建模 4 篇
5. 优化、泛化与理论分析 9 篇
6. 高效学习、压缩与部署 2 篇
7. 联邦学习、隐私与安全 6 篇
8. 鲁棒性、不确定性与可信学习 11 篇
9. 图学习与结构化数据 3 篇
10. 迁移、元学习与持续学习 10 篇
11. 数据集、基准与评测 6 篇
12. 机器学习应用 15 篇
13. 其他/综合机器学习 55 篇
1. 深度学习架构与训练方法 | 13 篇
1. Response Magnitude as a Dominant Signal for Held-Out CRISPRi Perturbation Effect Prediction
响应幅度作为保留型CRISPRi干扰效应预测的主导信号
AI 总结：本研究针对保留型CRISPRi干扰效应预测，揭示响应幅度是主导信号，简单线性回归等模型性能优于深度编码器，且幅度特征可提升跨细胞类型迁移效果。
链接：https://arxiv.org/abs/2608.00152
2. An Embedded RISC-V Evaluation of Kolmogorov--Arnold Networks in Hard-Constrained Recurrent Physics-Informed Models
硬约束循环物理信息模型中柯尔莫哥洛夫-阿诺德网络的嵌入式RISC-V评估
AI 总结：本文在RISC-V嵌入式平台上评估硬约束循环物理信息模型的KAN残差分支，发现其部署时延迟和能耗高于MLP，量化后可靠性更差，不适合作为默认选择。
链接：https://arxiv.org/abs/2608.00737
3. When Do Surrogate Updates Improve Decisions? A Local Theory of Trajectory-Wise Transfer
替代更新何时能改进决策？轨迹式迁移的局部理论
AI 总结：该研究提出轨迹式迁移的局部理论，探究替代更新改进决策的条件，推导相关梯度、校准等理论结果，通过网格世界和LLM后训练实验验证结论。
链接：https://arxiv.org/abs/2608.01130
4. AdaHAT: Adaptive Hard Attention to the Task in Task-Incremental Learning
AdaHAT：任务增量学习中的自适应硬注意力机制
AI 总结：本文针对任务增量学习中长任务序列下的网络容量问题，提出AdaHAT机制，改进HAT方法，经多数据集实验，其平均性能优于基线，可平衡网络稳定性与可塑性。
链接：https://arxiv.org/abs/2608.01252
5. Riemannian Attention Mechanisms for Transformers: A Theoretical Framework and Architecture Design
用于Transformer的黎曼注意力机制：理论框架与架构设计
AI 总结：该研究针对Transformer自注意力栈的秩双指数衰减问题，提出用逐token黎曼度量替代欧几里得度量的理论框架，设计纤维丛Transformer架构，推导相关理论预测并明确核心开放问题。
链接：https://arxiv.org/abs/2608.01283
6. Training nGPT
训练nGPT
AI 总结：本文提出nGPT的实用训练方案，含Logit梯度预条件等技术，在14B参数的混合MoE模型上训练时，仅需约一半训练token即可达到与非归一化模型相同的验证损失，方案具可扩展性。
链接：https://arxiv.org/abs/2608.01284
7. Spatiotemporal Proximal Causal Inference under Hidden Confounding and Interference
存在隐藏混淆与干扰下的时空近端因果推断
AI 总结：针对时空数据中隐藏混淆与干扰导致的因果效应估计难题，本文提出时空近端因果推断框架，结合Transformer时空编码器等技术，在合成数据集上取得与基线方法相当的性能。
链接：https://arxiv.org/abs/2608.01352
8. GraphIR: Architecture-Level Search States for LLM-Guided Neural Architecture Evolution
GraphIR：面向大语言模型引导的神经架构演化的架构级搜索状态
AI 总结：针对LLM引导NAS中代码级表示无法满足架构变异需求的问题，提出架构感知中间表示GraphIR，在六个下游基准中集成到OpenEvolve后实现最佳搜索性能。
链接：https://arxiv.org/abs/2608.01633
9. DART: Decoded Attention over Recurrent States for Efficient Long-Context Sequence Modeling
DART：用于高效长上下文序列建模的循环状态解码注意力
AI 总结：DART基于Mamba-2的状态空间对偶性，通过保留分块状态记忆并解码键值执行状态-记忆注意力，减少长上下文推理缓存，同时提升关联召回与检索性能。
链接：https://arxiv.org/abs/2608.02032
10. Do Static Embeddings Add Value to Hybrid Dutch Retrieval?
静态嵌入是否为混合荷兰语检索增加价值？
AI 总结：本研究针对荷兰语检索任务开展受控评估，发现静态嵌入无法为混合检索增加价值，双检索器的词汇-Transformer架构是可靠默认方案。
链接：https://arxiv.org/abs/2608.02112
11. Qwen-CUA: Native Computer Use for (almost) Everything
Qwen-CUA：面向几乎所有场景的原生计算机使用智能体
AI 总结：本文提出原生计算机使用智能体Qwen-CUA，采用397B-A17B Qwen混合专家主干，经大规模训练后在多基准测试中性能优于Qwen3.7，为通用能力智能体奠定基础。
链接：https://arxiv.org/abs/2608.02352
12. From fragmented data to actionable design: Physics-calibrated learning for plastic upcycling
从碎片化数据到可操作的设计：用于塑料升级再造的物理校准学习
AI 总结：本研究开发PC-MG-MoE框架，将塑料升级再造的碎片化实验数据转化为可操作指导，在严格验证下误差最低，可支持跨实验室异质性下的工程筛选与实验规划。
链接：https://arxiv.org/abs/2608.02402
13. Structured Memory for Edge Language Models: Persistent Context and Corpus Retrieval via O(1) SSM State Injection
边缘语言模型的结构化记忆：通过O(1) SSM状态注入实现持久上下文与语料库检索
AI 总结：该研究针对边缘语言模型提出PRECOG与SMC机制，将SSM预填充成本压缩至O(1)，在1.2B参数的TENNs-LLM上实现约4500倍预填充加速，达到与RAG相当的答案质量。
链接：https://arxiv.org/abs/2608.02560
2. 表示学习、自监督与对比学习 | 5 篇
14. Ensemble of Unsupervised Deep Learning for Clustering Imbalanced Tabular Data
面向不平衡表格数据聚类的无监督深度学习集成方法
AI 总结：本文针对不平衡表格数据，提出两种无监督深度聚类集成方法，经16个二分类表格数据集实验，其在ACC、NMI、ARI指标上优于单个方法，可作为监督分类的有力替代方案。
链接：https://arxiv.org/abs/2608.00346
15. HP-JEPA: Hierarchical Partitioning for Multi-Resolution Graph Joint-Embedding Predictive Learning
HP-JEPA：用于多分辨率图联合嵌入预测学习的层次划分方法
AI 总结：HP-JEPA是一种多分辨率图联合嵌入预测的层次划分框架，通过在不同分辨率下进行潜在预测并整合表示，在多数图分类与回归基准及不同规模图上，性能优于固定分辨率的Graph-JEPA。
链接：https://arxiv.org/abs/2608.00491
16. From field-scale to large-scale spectral libraries: Tabular foundation models in soil spectroscopy
从田间尺度到大规模光谱库：土壤光谱学中的表格基础模型
AI 总结：该研究针对土壤光谱预测难题，对比多种模型与降维方法，发现结合偏最小二乘潜在变量的表格基础模型TabPFN在田间及大规模光谱库任务中表现最优，为光谱校准模型选择提供了循证指导。
链接：https://arxiv.org/abs/2608.00608
17. Towards Effective Federated Multimodal Graph Learning via Navigating Multifaceted Heterogeneity
面向有效联邦多模态图学习的多层面异质性导航方法
AI 总结：针对联邦多模态图学习的多层面异质性问题，本文提出FedTCR算法，通过两阶段范式与拓扑感知跨模态路由机制，在7个领域的图中心与模态中心任务上优于现有最优基线。
链接：https://arxiv.org/abs/2608.00623
18. Beyond Gene Reconstruction: Learning Cell Representations through Complementary Transcriptomic Views
超越基因重构：通过互补转录组视图学习细胞表示
AI 总结：该研究针对基因重构预训练模型未直接优化全细胞表示的问题，提出含三种适配的互补转录组视图对比预训练框架，在细胞类型注释和基因调控网络推断任务中表现出竞争力。
链接：https://arxiv.org/abs/2608.00985
3. 强化学习与序列决策 | 21 篇
19. Inference-Time Policy Alignment for Fair Reinforcement Learning
用于公平强化学习的推理时策略对齐
AI 总结：该研究提出乘法策略塑造框架，在不更新预训练RL策略参数的情况下，于推理时提升公平性，同时保留核心任务性能，适用于各类深度RL智能体。
链接：https://arxiv.org/abs/2608.00175
20. Verifier-Induced Support Reshaping in On-Policy Optimization
可验证奖励下策略内优化中的验证器诱导支持重塑
AI 总结：该研究发现RLVR在提升当前目标时会使后续目标成功行为稀少，通过数学推理与指令遵循实验验证了验证器诱导支持重塑效应，指出端点改进无法保证策略内优化的未来可训练性
链接：https://arxiv.org/abs/2608.00220
21. Abstention as an Action Can Kill Both the Reward Gradient and the KL Anchor: Collapse Law and Repair for Error-Penalized Reinforcement Learning
弃权作为一种动作会同时破坏奖励梯度和KL锚点：错误惩罚强化学习的崩溃规律与修复方案
AI 总结： 该研究针对错误惩罚强化学习中弃权动作导致的奖励梯度与KL锚点同时失效的问题，提出通过训练强制置信度报告的结构性修复方案，实验验证了机制并提升了语言模型的相关性能。
链接：https://arxiv.org/abs/2608.00301
22. Characterizing Bias in Post-Bandit Inference under Index Algorithms
索引算法下后-bandit推理中的偏差表征
AI 总结：该研究针对UCB1等稳定索引算法，推导后-bandit推理中样本均值偏差和Z统计量的精确表达式，揭示了有效探索率这一偏差起源，发现索引函数选择存在遗憾-偏差权衡，采用新颖经验流体近似开展分析。
链接：https://arxiv.org/abs/2608.01069
23. Policy Optimality Measurement for Multi-Vehicle Decision-Making: From Extrinsic Indicators to Intrinsic Quality
多智能体决策的策略最优性测量：从外在指标到内在质量
AI 总结：该研究针对自动驾驶多智能体强化学习策略的黑箱评估问题，提出基于MCTS的信息论诊断框架，构建策略最优性评分以精准暴露策略缺陷，为内在多智能体策略质量提供严格基准标准。
链接：https://arxiv.org/abs/2608.01133
24. ReBRAC-v2: The Return of the King
ReBRAC-v2：王者归来
AI 总结：本文提出ReBRAC-v2，通过改进传统行为正则化演员-评论家算法，在OGBench、D4RL等基准测试中取得最优离线强化学习性能，证明严谨可迁移的工程设计可实现出色表现。
链接：https://arxiv.org/abs/2608.01205
25. Question Begets Question: Self-Evolving Curriculum for Reinforcement Fine-Tuning on Competition Mathematics
问题催生问题：面向竞赛数学强化微调的自演进课程
AI 总结：本文针对竞赛数学强化微调的三大困难，提出Question-begets-Question（QbQ）方法及自演进课程，使Qwen2.5-Math-7B的AIME任务pass@1从5.6%提升至16.5%，且能解决更难问题。
链接：https://arxiv.org/abs/2608.01522
26. HindSearch: Trajectory-Level Hindsight Critique for Search-Augmented Reinforcement Learning
HindSearch：面向搜索增强型强化学习的轨迹级事后批判方法
AI 总结：HindSearch是面向GRPO的轨迹级事后批判方法，通过冻结评判器利用标准答案为失败轨迹提供搜索动作的在线蒸馏信号，在7基准测试上使Qwen2.5-3B-Instruct的平均EM达39.4%，优于现有基线。
链接：https://arxiv.org/abs/2608.01597
27. Progressive Agent Skill Generation via Reinforcement Learning
基于强化学习的智能体技能渐进式生成
AI 总结：该研究针对现有技能生成方法的缺陷，提出基于强化学习的Skill-α方法，将技能生成为序列编辑过程并引入回退奖励，在CL-Bench和tau2-bench上均显著提升了下游任务成功率。
链接：https://arxiv.org/abs/2608.01678
28. Beyond On-Policy Exploration: Integrating External Policy Rollouts for Reinforcement Learning in Diffusion Language Models
超越在线策略探索：将外部策略 rollout 整合用于扩散语言模型中的强化学习
AI 总结：该研究针对扩散大语言模型强化学习中在线策略 rollout 稀缺的问题，提出 ERILS 方法整合外部策略 rollout，在数独等任务上显著提升性能，验证了 rollout 构建与奖励处理的重要性。
链接：https://arxiv.org/abs/2608.01717
29. Toward Plasticity-Preserving KL Regularization for Capability Retention in LLM Reinforcement Learning
面向大语言模型强化学习中能力保留的可塑性保持KL正则化方法
AI 总结：针对LLM强化学习后训练中能力遗忘问题，提出CoKL正则化框架，可在目标任务改进与原有能力保留间实现更优平衡，优于现有正则化方法。
链接：https://arxiv.org/abs/2608.01743
30. Heterogeneous Multi-Agent Reinforcement Learning for Radio Resource Management under Coupled Finite-Horizon Constraints
耦合有限时域约束下用于无线资源管理的异构多智能体强化学习
AI 总结：研究针对耦合有限时域约束下的无线资源管理难题，提出嵌入李雅普诺夫的异构多智能体强化学习框架HeLyMARL，通过虚拟队列实现预算约束的逐部分时域绑定，仿真中其性能优于多种基准方法。
链接：https://arxiv.org/abs/2608.01745
31. LEAP: Lean Environment-Feedback via Adaptive Pruning for Code RL in GPU Kernel Generation
LEAP：面向GPU内核生成的代码强化学习的自适应剪枝轻量环境反馈框架
AI 总结：LEAP是针对GPU内核生成的代码强化学习框架，通过难度条件剪枝与基于排名的奖励公式解决低级代码RL的信号稀疏性等问题，收敛更快且性能更优。
链接：https://arxiv.org/abs/2608.01804
32. Finite-Time Analysis of Discounted Exponential-Utility Reinforcement Learning
带折扣的指数效用强化学习的有限时间分析
AI 总结：本研究针对带折扣的指数效用强化学习，为两种无模型不动点算法建立了异步马尔可夫采样下的有限时间收敛速率，采用无参数步长，提供了首个有限时间保证。
链接：https://arxiv.org/abs/2608.01917
33. Upper-Expectile Multi-Step Q-Learning for Off-Policy Reinforcement Learning
用于离策略强化学习的上期望多步Q学习
AI 总结：针对离策略强化学习中多步回报引发的悲观偏差问题，提出ENQ算法，证明其理论性质，在27个任务上与LQL性能相当且吞吐量更高，集成多评论家时获益更多。
链接：https://arxiv.org/abs/2608.02034
34. Start Classifying: Categorical Critics for LLM Reinforcement Learning
开始分类：用于大语言模型强化学习的分类式评判器
AI 总结：该研究提出HL-Gauss PPO，将PPO的标量评判器改为分类式预测器，在多任务及Qwen2.5、Qwen3主干上均优于PPO、DAPO基线，可改进评判器信号与优势估计。
链接：https://arxiv.org/abs/2608.02181
35. BRiG-AFA: Bellman Risk-to-Go Learning for Non-Myopic Active Feature Acquisition
AI 总结：
链接：https://arxiv.org/abs/2608.02305
36. Diffusion Policy with Behavioral Advantage Correction for Offline Reinforcement Learning
面向离线强化学习的带行为优势修正的扩散策略
AI 总结：该研究针对离线强化学习中分布偏移导致的Q值估计偏差问题，提出带行为优势修正的扩散策略（DPBAC）算法，结合BAC-PE与扩散模型，在D4RL任务上实现优于SOTA的性能。
链接：https://arxiv.org/abs/2608.02332
37. Foundations of Reinforcement Learning and Control:Connections and New Perspectives
强化学习与控制的基础：联系与新视角
AI 总结：本教程围绕强化学习与控制理论的联系与差异，介绍自适应控制、演员-评论家强化算法及二者结合的新方法，助力跨领域专家理解对方工具方法。
链接：https://arxiv.org/abs/2608.02433
38. RoMeRL: Balancing Feedback Coverage and the Memory-Reward Trap in Self-Evolving Agent Memory via Reduced-Order Utility States
RoMeRL：通过降阶效用状态平衡自进化智能体记忆中的反馈覆盖与记忆-奖励陷阱
AI 总结：RoMeRL通过降阶效用状态解决自进化LLM智能体记忆的反馈分散与记忆-奖励陷阱问题，在ALFWorld等基准上显著提升任务性能、降低记忆规模与LLM调用
链接：https://arxiv.org/abs/2608.02508
39. Analytic Planning under Uncertainty with Moment Closure
基于矩闭合的不确定性下解析规划
AI 总结：本文提出一种基于矩闭合的不确定性下解析规划方法，通过二次动作值参数化实现闭式贝尔曼备份，在连续控制中降低目标方差，为感知分布的规划提供了合理框架。
链接：https://arxiv.org/abs/2608.02519
4. 生成模型与概率建模 | 4 篇
40. AutoCause: A Python framework that automates expert decisions in environmental time-series causal discovery
AutoCause：一个自动化环境时间序列因果发现领域专家决策的Python框架
AI 总结：AutoCause是一款开源Python框架，通过封装四种因果发现方法、添加参考模型并分级链接，实现环境时间序列因果发现中专家决策的自动化，提升分析的可审计性与可重复性。
链接：https://arxiv.org/abs/2608.00198
41. One-Sided Quantile Coupling for Flow Matching
用于流匹配的单侧分位数耦合
AI 总结：提出用于流匹配的单侧分位数耦合（QC-FM），无需小批量传输，在 CIFAR-10 等四组数据集上降低 FID 最多 12.9%，性能优于基线及 OT-CFM。
链接：https://arxiv.org/abs/2608.00978
42. Beckmann Transport Models: From Autonomous Flows to One-Step Maps
贝克曼运输模型：从自主流到一步映射
AI 总结：该研究提出基于自主流的流匹配实例，构建统一框架实现分布间精确映射，修正现有方法不一致性，在ImageNet 256×256上验证了自主流与一步映射的有效性。
链接：https://arxiv.org/abs/2608.01692
43. Pseudorandom Streams within Diffusion Models Act as Learnable Inputs That Affect Generation Quality
扩散模型中的伪随机流是影响生成质量的可学习输入
AI 总结：该研究发现扩散模型的伪随机流是可学习输入，会影响生成质量，相关指标与生成退化相关，伪随机源兼具分布选择与结构化输入属性。
链接：https://arxiv.org/abs/2608.02575
5. 优化、泛化与理论分析 | 9 篇
44. Agentic Bayesian Optimization through Surrogate-Augmented Autoresearch
基于代理的贝叶斯优化：通过代理增强的自动研究
AI 总结：该研究提出代理式贝叶斯优化范式，构建Sara代理与lenz后端，在合成及真实基准测试中，其兼具可靠性与性能，还可动态重构优化问题。
链接：https://arxiv.org/abs/2608.00316
45. RHEA: Reliability-Harmonized Reconstruction and Assignment for Robust Multimodal-Attributed Graph Clustering
RHEA：用于鲁棒多模态属性图聚类的可靠性协调重构与分配
AI 总结：针对多模态属性图聚类中属性含噪或缺失时性能下降的问题，提出RHEA框架，通过估计节点特定模态可靠性并结合邻域信息提升聚类效果，在基准测试中表现优于最强基线。
链接：https://arxiv.org/abs/2608.00621
46. The Fourth Quadrant: A Stylized View of Benign Misfitting
AI 总结：
链接：https://arxiv.org/abs/2608.01032
47. Factorized AdaBoost.MH Achieves the Same Convergence Rate as AdaBoost.MH
因子化AdaBoost.MH达到与AdaBoost.MH相同的收敛速率
AI 总结：本文改进了因子化AdaBoost.MH的收敛性分析，证明其收敛速率与AdaBoost.MH一致，消除了对样本量$n$或类别数$K$的额外依赖。
链接：https://arxiv.org/abs/2608.01091
48. Do Neural Networks Really Beat the Curse of Dimensionality? A Bit-Complexity View
神经网络真的能摆脱维度灾难吗？—— 一种比特复杂度视角
AI 总结：本研究从比特复杂度视角构建统一逼近框架，对比经典方法与神经网络的逼近速率，发现神经网络的优势源于函数类复杂度差异，根本限制是比特复杂度灾难而非维度灾难。
链接：https://arxiv.org/abs/2608.01357
49. Statistical Mechanics of Learning on Product Wasserstein Manifolds
乘积Wasserstein流形上学习的统计力学
AI 总结：该研究将结构约束重定义为几何先验，提出在乘积Wasserstein流形上开展学习，开发相关算法，实验表明其可提升学习系统的泛化能力、稳定性并缓解贫瘠高原问题。
链接：https://arxiv.org/abs/2608.01434
50. Stochastic Sequential Search in Very-High-Dimensional Feature Selection
超高维特征选择中的随机序列搜索
AI 总结：该研究针对超高维特征选择问题，提出随机序列搜索（SSS）框架，将序列方法的全量遍历替换为带预算的采样步算子，其衍生的sSFFS在多个高维数据集上优于现有排序方法，计算成本与维度无关。
链接：https://arxiv.org/abs/2608.01502
51. AOS: Adaptive Optimizer Switching via Training-State Signals for Faster Convergence and Better Generalization
AOS：基于训练状态信号的自适应优化器切换，实现更快收敛与更好泛化
AI 总结：AOS-R通过监测6种梯度空间信号切换AdamW等优化器，在8组基准测试中6组获最佳准确率，收敛速度较AdamW提升0.80倍且精度平均提高0.4个百分点。
链接：https://arxiv.org/abs/2608.01997
52. Smooth Reparameterizations of Functions on Simplicial Product Spaces: Applications to Probabilistic Tensor Decomposition and Functional Data Registration
单纯形乘积空间上函数的光滑重参数化：在概率张量分解与函数数据配准中的应用
AI 总结：针对单纯形乘积空间上的优化问题，提出用光滑重参数化替换单纯形乘积，得到性能优于投影梯度下降的黎曼梯度下降算法，可用于概率张量分解与函数数据配准。
链接：https://arxiv.org/abs/2608.02576
6. 高效学习、压缩与部署 | 2 篇
53. Progressive$^2$: A Teacher-Student Progressive Co-Evolving Knowledge Distillation Method for Substantial Model Compression
Progressive²：用于大规模模型压缩的师生渐进式协同演化知识蒸馏方法
AI 总结：Progressive²是结合渐进式增强教师与渐进式缩小学生的知识蒸馏方法，可缓解服务器-客户端能力差距导致的蒸馏性能下降，实现模型压缩并提升准确率与训练效率。
链接：https://arxiv.org/abs/2608.00129
54. Caliber: Cross-Architecture Extraction-Cost Control for Score-Returning APIs
Caliber：针对返回分数API的跨架构提取成本控制方案
AI 总结：Caliber是针对返回分数API的跨架构模型提取防御方案，通过添加高斯噪声并校准噪声-效用关系，可控制替代模型性能，在30余组模型-数据集组合上误差低且防御效果符合预期。
链接：https://arxiv.org/abs/2608.01023
7. 联邦学习、隐私与安全 | 6 篇
55. Similarity-Aware Machine Unlearning
感知相似度的机器遗忘
AI 总结：针对现有机器遗忘方法易对相似保留样本造成附带损害的问题，提出感知保留集的定位方法，结合余弦相似度构建评估集，在CIFAR-10与ResNet18的11组实验中验证了方法的有效性。
链接：https://arxiv.org/abs/2608.00246
56. FL-OA: A Byzantine-Robust Federated Learning Framework with Outsourced Auditing for Intelligent Devices
FL-OA：面向智能设备的带外包审计的拜占庭鲁棒联邦学习框架
AI 总结：针对联邦学习易受拜占庭攻击且现有防御方法存在局限的问题，提出带外包审计的FL-OA框架，通过第三方审计、梯度上升与参数重要性指标等技术，提升鲁棒性并缓解维度灾难，实验验证其性能优于现有方法。
链接：https://arxiv.org/abs/2608.01095
57. Cluster-Aware Over-the-Air Federated Learning with Energy-Harvesting Devices: From Global Training to Model Personalization
面向带能量收集设备的集群感知空中联邦学习：从全局训练到模型个性化
AI 总结：本研究针对带能量收集设备的异质性数据分布场景，提出统一集群感知空中联邦学习框架，可分别实现全局训练的公平性优化与模型个性化，同时降低通信开销。
链接：https://arxiv.org/abs/2608.01426
58. Rethinking Personalized Reward Modeling for LLMs under Preference Heterogeneity via Group-Debiased Federated Learning
基于组去偏联邦学习的偏好异质性下大语言模型个性化奖励建模反思
AI 总结：该研究针对大语言模型个性化奖励建模的偏好异质性问题，提出FedGD方法，通过组去偏的客户端采样抵消组不平衡影响，实现无需预先知晓潜在组的有效个性化。
链接：https://arxiv.org/abs/2608.01556
59. CRIP: Channel Level Representation Injection for Personalized One-Shot Federated Learning
CRIP：面向个性化单轮联邦学习的通道级表示注入
AI 总结：针对单轮联邦学习的域异质性问题，本文提出CRIP框架，通过通道级特征对齐选择性融合兼容特征，在DomainNet等基准上性能优于现有方法。
链接：https://arxiv.org/abs/2608.02222
60. Assessing the Impacts of Imperfect Datasets on Client Selections in Federated Learning
评估不完美数据集对联邦学习中客户端选择的影响
AI 总结：该研究针对联邦学习中不完美数据集引发的问题，提出隐私保护的客户端贡献评分方法，实验验证了评估效果。
链接：https://arxiv.org/abs/2608.02250
8. 鲁棒性、不确定性与可信学习 | 11 篇
61. Uncertainty-Aware Simulation-Based Inference for Operations Research with Large Language Models
面向运筹学的基于模拟的不确定性感知大语言模型推理
AI 总结：本文针对大语言模型用于运筹学建模时的短视策略易引发下游错误的问题，提出一种不确定性感知无训练推理框架，通过短前瞻模拟与重要性重采样提升OR公式生成的可靠性，在多基准上表现优于基线。
链接：https://arxiv.org/abs/2608.00019
62. Crushing the Evidence: A Dual-Penalty Evasion Framework for Fooling White-Box Explainable AI Auditors
摧毁证据：一种用于欺骗白盒可解释性AI审计器的双惩罚规避框架
AI 总结：该研究提出一种双惩罚白盒规避攻击框架，将规避逻辑嵌入模型参数，可压制目标特征归因至近零、维持高攻击成功率，且能绕过条件异常检测，欺骗可解释性AI审计器。
链接：https://arxiv.org/abs/2608.00566
63. Learning the Pareto Frontier of Predictive Models under Distribution Shift
分布偏移下预测模型帕累托前沿的学习
AI 总结：本研究提出Frontier Learning框架，将预训练模型库视为互补信息源，通过拼接白盒内部表示与黑盒预测输出构建特征，在分布偏移场景中提升预测性能，表现优于或相当于最强的单个复用策略。
链接：https://arxiv.org/abs/2608.00632
64. Paris as a 15-Minute City: An Explainable AI Perspective
巴黎作为15分钟城市：可解释人工智能视角
AI 总结：该研究基于巴黎大都会区约7万条出行数据，用可解释机器学习方法分析15分钟城市理念与出行模式的关联，验证其核心假设并揭示空间异质性，为城市交通政策提供依据。
链接：https://arxiv.org/abs/2608.00815
65. Subtype Robustness Is Not Just Accuracy: Calibration Under Unseen Subtype Shift
子类型鲁棒性不止是准确率：未见子类型分布偏移下的校准
AI 总结：本文通过多数据集与多架构的系统性研究，发现子类型偏移下模型校准失效，仅靠准确率评估子类型鲁棒性不足，需结合校准指标。
链接：https://arxiv.org/abs/2608.00928
66. Interpretable machine learning for predicting splitting strength of asphalt concrete: insights from SHAP analysis
用于预测沥青混凝土劈裂强度的可解释机器学习：SHAP分析的启示
AI 总结：本研究构建可解释机器学习框架预测沥青混凝土劈裂强度，对比六种模型发现TabPFN性能最优，通过SHAP分析确定关键影响变量及参数范围，并开发集成预测与解释的GUI平台。
链接：https://arxiv.org/abs/2608.00956
67. Breaking Diversity Collapse in Spiking Pseudo-Ensembles for Efficient OOD Detection in Remote Sensing
用于遥感中高效分布外检测的脉冲伪集成的多样性崩溃破解
AI 总结：该研究针对遥感系统的OOD检测难题，提出带“同意-不同意”目标的脉冲伪集成方法，破解多样性崩溃问题，以低部署成本实现了优于深度集成的检测性能。
链接：https://arxiv.org/abs/2608.01090
68. Interpretable Machine Learning for Traffic Congestion Prediction: Unveiling the Impact of Different COVID-19 Periods
可解释机器学习用于交通拥堵预测：揭示不同新冠疫情时期的影响
AI 总结：本研究以阿拉米达县为对象，采用多种机器学习模型预测不同疫情时期的交通拥堵，通过可解释方法揭示疫情相关因素对拥堵的影响，发现双向LSTM性能最优。
链接：https://arxiv.org/abs/2608.01180
69. Conformalized Large Language Models under Configuration Shift
配置偏移下的共形大语言模型
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。
链接：https://arxiv.org/abs/2608.01460
70. LAB-Tab: LLM-Augmented Bayesian Network Adaptation for Few-Shot Tabular Generation
LAB-Tab：面向小样本表格生成的大语言模型增强型贝叶斯网络适配方法
AI 总结：针对小样本表格生成的分布偏移问题，提出LLM增强的贝叶斯网络适配框架LAB-Tab，在六个ACS分布偏移场景中表现优于基准方法，性能提升显著。
链接：https://arxiv.org/abs/2608.01879
71. Constrained Co-Design for Photonic Bayesian Neural Networks
光子贝叶斯神经网络的约束协同设计
AI 总结：针对经典神经网络的过度自信预测缺陷，研究人员将光子概率计算与贝叶斯神经网络结合，通过约束随机变分推理得出协同设计指南，验证了硬件感知训练可恢复性能及不确定性质量。
链接：https://arxiv.org/abs/2608.02229
9. 图学习与结构化数据 | 3 篇
72. Nonlinear Laplacians Improve Signed-Directed Graph Learning
非线性拉普拉斯算子改进有向符号图学习
AI 总结：本文针对有向符号图学习提出NLSD非线性拉普拉斯算子及NLSD-GNN谱图神经网络框架，经节点分类、链接预测实验验证，该框架可有效融合符号与方向数据，性能优于现有方法。
链接：https://arxiv.org/abs/2608.00836
73. CoRe-GNN: Multilevel Message passing on Coarsened graphs
CoRe-GNN：基于粗化图的多级消息传递
AI 总结：CoRe-GNN是一种基于粗化图的多级消息传递图神经网络，并行执行粗化聚类间与局部聚类内传播，在多种节点分类基准上优于图粗化和Cluster-GCN，兼具长程任务竞争力与内存效率。
链接：https://arxiv.org/abs/2608.02128
74. Empowering Credit Risk Detection in Weixin Pay with Billion-Scale Deep Graph Learning
基于十亿级深度图学习增强微信支付的信用风险检测
AI 总结：该研究针对微信支付十亿级用户信用风险检测需求，提出风险感知重叠子图学习框架，解决工业级GNN拓扑完整性损失问题，实验显示其性能优于现有策略。
链接：https://arxiv.org/abs/2608.02168
10. 迁移、元学习与持续学习 | 10 篇
75. DSETA: A Dual-Stage Continual Learning Framework for Travel Time Prediction in Dynamic Traffic Environments
DSETA：动态交通环境下行程时间预测的双阶段持续学习框架
AI 总结：针对动态交通环境下行程时间预测精度不足问题，提出双阶段持续学习框架DSETA，结合日内与日间间学习及知识整合模块，在滴滴真实数据集上实现MAE下降并成功落地应用。
链接：https://arxiv.org/abs/2608.00402
76. Unleashing the Potential of Large Language Models: A Blueprint for Real-Time, Enterprise-Ready Deployments
释放大语言模型的潜力：面向实时、企业级部署的蓝图
AI 总结：针对实时受监管场景中大语言模型的问题，提出基于模式的LLMOps架构，整合多模块并实现四项模式化贡献，优化权衡同时支持高风险领域的可审计与回滚部署。
链接：https://arxiv.org/abs/2608.00419
77. Relative Parameter Importance in Task-Agnostic Replay-Free Continual Learning
任务无关无重放持续学习中的相对参数重要性
AI 总结：本研究提出相对参数重要性度量，用于无重放、无任务ID的持续学习，可平衡稳定性与可塑性并实现反向知识迁移，在两类文本分类任务上优于现有方法
链接：https://arxiv.org/abs/2608.00630
78. Logit-Origin Centering for Singleton Test-Time Adaptation
用于单样本测试时自适应的Logit-Origin中心化
AI 总结：针对单样本表格全测试时自适应的退化问题，提出PLOC方法，该方法保持源模型冻结，仅存储过往logit均值，在五个表格基准上显著优于现有基线。
链接：https://arxiv.org/abs/2608.01074
79. EulerLoRA: Rank-Driven Jump Dynamics for Calibrated Parameter-Efficient Fine-Tuning
EulerLoRA：用于校准的参数高效微调的秩驱动跳跃动力学
AI 总结：EulerLoRA是LoRA的随机扩展，通过共享低秩适配器的秩-1分量采样结构化变化生成预测轨迹，在多数据集上性能相当或优于LoRA-Ensemble，参数量减少约69%，实现参数高效微调与预测不确定性估计。
链接：https://arxiv.org/abs/2608.01142
80. FedChronos: Federated Fine-Tuning of Time-Series Foundation Models for Privacy-Preserving Commodity Price Forecasting
FedChronos：用于隐私保护商品价格预测的时间序列基础模型联邦微调
AI 总结：FedChronos是用于时间序列基础模型联邦微调的框架，结合LoRA与差分隐私，在非IID商品价格联邦预测中实现隐私与准确性互补，适配边缘部署
链接：https://arxiv.org/abs/2608.01290
81. Plasticity of Growing and Elastic Neural Networks in Online Continual Learning
在线持续学习中生长型与弹性型神经网络的可塑性
AI 总结：本文研究在线持续学习中生长型与弹性型神经网络的可塑性，实验显示自适应生长型和弹性型神经网络可维持高准确率、不丧失可塑性，或为在线持续学习提供有前景的算法类别。
链接：https://arxiv.org/abs/2608.01475
82. Z-PEFT: Zero-shot Backdoor Detection in Parameter-Efficient Fine-Tuning via Canonical Spectral Signatures
Z-PEFT：基于规范谱特征的参数高效微调模型零样本后门检测
AI 总结：Z-PEFT是一种仅依赖逐层谱测度的轻量元分类器，可在含未见攻击和数据集的新条件下实现最优权重空间后门检测，且计算成本低、可扩展。
链接：https://arxiv.org/abs/2608.02271
83. Gecko: Fast Private Inference via Secure Public Encoder Offloading
Gecko：通过安全的公共编码器卸载实现快速私有推理
AI 总结：Gecko通过安全卸载公共编码器实现快速私有推理，在图像和音频任务中推理耗时0.4-2.2秒、通信量≤10.8 MB，准确率与迁移学习基线相当，且能抵御模型提取攻击。
链接：https://arxiv.org/abs/2608.02378
84. Uncertainty Is Not Enough: Value-of-Information Routing for Mixtures of LoRA Experts
不确定性并不足够：针对LoRA专家混合模型的信息价值路由
AI 总结：该研究针对LoRA专家混合模型的路由问题，提出VI-MoLE算法，通过信息价值分配替代不确定性路由，经实验验证其在多指标上优于现有路由机制。
链接：https://arxiv.org/abs/2608.02528
11. 数据集、基准与评测 | 6 篇
85. Learning Compositional Meta-Routing for Agentic Workflows: An Executable Benchmark
面向智能体工作流的组合式元路由学习：一个可执行基准
AI 总结：本文提出一个智能体工作流的可执行基准和感知预算的组合式元路由器，在保留测试集上实现100%成功率，成本比静态策略低43%，但在词汇偏移挑战任务上表现不佳，凸显词汇泛化是主要限制。
链接：https://arxiv.org/abs/2608.00106
86. Rethinking Pretraining for Specialized Design Data: Evidence from the JONES-19 Cultural Design Dataset
重新思考针对专业设计数据的预训练：来自JONES-19文化设计数据集的证据
AI 总结：该研究以JONES-19文化设计数据集为对象，对比两种CNN训练策略，发现小型高质量设计数据集结合多裁剪采样，可替代大规模通用预训练，为专业设计领域的ML研究提供新思路。
链接：https://arxiv.org/abs/2608.00135
87. AdvPlan-Bench: Adversarial Evaluation of Structured Plan-Generation Agents
AdvPlan-Bench：结构化计划生成智能体的对抗性评估基准
AI 总结：本文提出AdvPlan-Bench，这一结构化计划生成智能体的对抗性评估离线基准，通过多维度指标开展实验验证，为相关研究提供可复现的基准支持。
链接：https://arxiv.org/abs/2608.00832
88. Measuring in-context algorithmic reasoning in language models against an exact Bayes-optimal standard
基于精确贝叶斯最优标准测量语言模型的上下文内算法推理能力
AI 总结：本研究提出F-ICL基准，以精确贝叶斯最优标准测量语言模型的上下文内算法推理能力，发现多数模型分布与最优标准存在差距，该差距与准确率无关且不受模型规模缩小，基准已开放。
链接：https://arxiv.org/abs/2608.01575
89. Benchmarking Sheaf Neural Networks for Inductive Tasks
用于归纳任务的层状神经网络基准测试
AI 总结：本文通过首个层状神经网络设计空间的系统基准测试，在14个归纳式数据集上开展1890项实验，明确了层状神经网络在归纳任务中的表现及关键设计选择，为其实际应用提供了指导。
链接：https://arxiv.org/abs/2608.02558
90. onepot-Bench 0: towards lab-aware in silico chemistry benchmarks
onepot-Bench 0：面向实验室实际场景的计算机化学基准测试
AI 总结：本研究推出专有基准测试onepot-Bench 0，通过三个互补评估衡量语言模型在湿实验室合成化学场景下的基础能力、可靠性等，弥补现有评估的不足。
链接：https://arxiv.org/abs/2608.02595
12. 机器学习应用 | 15 篇
91. Neural operator learning for collision-aware trajectory planning of spacecraft swarms
面向航天器集群碰撞感知轨迹规划的神经算子学习
AI 总结：该研究提出排列等变神经算子，结合自监督物理目标与对抗威胁训练，实现航天器集群轨迹规划，可零样本泛化到大规模集群，精度接近最优控制求解器，性能优于无碎片感知基线。
链接：https://arxiv.org/abs/2608.00320
92. CoSynFlow: Conformal Symplectic Neural Flows for Cross-System Prediction of Dissipative Hamiltonian Dynamics
CoSynFlow：用于耗散哈密顿动力学跨系统预测的保形辛神经流
AI 总结：本文提出CoSynFlow保形辛神经流，通过结合辛剪切映射与显式保形缩放保持耗散哈密顿系统的保形辛结构，可对未见系统进行跨系统预测，实现低结构误差与长时预测误差，支持物理信息训练。
链接：https://arxiv.org/abs/2608.00571
93. Adaptive Quantum Physics-Informed Neural Networks for Differential Equations with Applications to Fluid Dynamics
用于微分方程的自适应量子物理信息神经网络及其在流体动力学中的应用
AI 总结：本文提出混合量子-经典框架，通过自适应采样、损失加权等策略增强QPINNs，在基准流体等系统中解精度提升至少60%，为量子增强科学机器学习提供可扩展途径。
链接：https://arxiv.org/abs/2608.00850
94. xMICD: Explainable Representation of Multiple ICD Codes
xMICD：多ICD代码的可解释表示
AI 总结：xMICD结合诊断分组与ICD嵌入相似性，构建可解释的患者表示，在多项临床预测任务中性能媲美ICD2Vec，兼具预测能力与临床可解释性。
链接：https://arxiv.org/abs/2608.00935
95. Latent-Regime Bias Auditing for Volatility Forecasting
用于波动率预测的潜在制度偏差审计
AI 总结：本文提出模型无关的潜在制度偏差审计框架，用于评估波动率预测在不同市场制度下的可靠性，发现聚合准确率高的模型仍存在制度特定偏差和尾部预测不足，为波动率预测评估提供新方向。
链接： https://arxiv.org/abs/2608.01599
96. Evaluating Forecasting Techniques for Hardware Errors on a Large-scale HPC System
大规模高性能计算系统硬件错误预测技术评估
AI 总结：本研究基于Theta超级计算机7年生产日志，评估经典统计与深度学习模型对HPC硬件错误的预测效能，明确不同时间结构错误的预测可行性，为相关分析提供实证指导。
链接：https://arxiv.org/abs/2608.01648
97. LLM-Guided Retrieval for Prediction of Molecular Perturbation Responses
大语言模型引导的检索用于分子扰动响应预测
AI 总结：本研究提出LLM引导的检索方法，在Tahoe-100M数据集上优于多个基线，可提升分子扰动预测的方向准确率，是零样本分子扰动预测的关键驱动因素。
链接：https://arxiv.org/abs/2608.01734
98. Disagree to Accelerate: Closing the Loop on Diffusion Feature Forecasts
弃权以加速：闭合扩散特征预测的循环
AI 总结：该研究提出无需训练的闭环控制器RACER，利用预测分歧信号调整对扩散特征预测的信任度，在多模型多数据集上实现了相同评估次数下的性能提升或同等质量下的更快采样。
链接：https://arxiv.org/abs/2608.01740
99. Multi-Source Dynamic Graph Learning for Compound-Flood Forecasting in Managed Coastal Systems
面向受管控海岸带系统复合洪水预报的多源动态图学习
AI 总结：该研究针对受管控海岸带复合洪水预报，提出锚定预报框架，结合多源动态图学习，提升了持续高水位平台预报可靠性，为洪水预警与水资源管理提供支持。
链接：https://arxiv.org/abs/2608.01775
100. ReFP-AD: Rectified Flow Preconditioning for Energy-Based Anomaly Detection
ReFP-AD：用于基于能量的异常检测的整流流预处理
AI 总结：该研究针对统一异常检测中高维token空间EBM训练不稳定问题，提出ReFP-AD方法，经实验在MVTec-AD和VisA数据集上取得优于基线的异常检测性能。
链接：https://arxiv.org/abs/2608.01793
101. tFUSOperator: Operator Learning for Transcranial Focused Ultrasound Digital Twins
tFUSOperator：用于经颅聚焦超声数字孪生的算子学习
AI 总结：该研究提出首个基于算子的tFUS声场预测模型tFUSOperator，其定位声焦点精度高、速度远快于数值模拟，为患者特异性tFUS治疗数字孪生提供了无辐射的快速方案。
链接：https://arxiv.org/abs/2608.01839
102. Beyond Magnitude and Shape: A Direction-Aware Loss for Time Series Forecasting
超越幅值与形状：面向时间序列预测的方向感知损失函数
AI 总结：该研究针对时间序列预测中现有损失函数未明确优化变化方向的问题，提出CosDir及自适应权重扩展CosDir-UW，经大量实验证实其可提升预测方向精度且优于多种损失函数。
链接：https://arxiv.org/abs/2608.01857
103. CARE: A Cascaded Framework for Efficient and Reliable Time Series Anomaly Detection
CARE：用于高效可靠时间序列异常检测的级联框架
AI 总结：本研究针对时间序列异常检测中深度学习模型推理开销大的问题，提出与模型无关的级联框架CARE，结合LPM与CDM，经8个基准测试，实现2.7-4.8倍推理加速且保持检测性能。
链接：https://arxiv.org/abs/2608.01885
104. Convex Neural Energy Elements: Monolithic Finite-Element Assembly of Geometry-Parameterized Neural Operators with Stability and Error Guarantees
凸神经能量元：具有稳定性和误差保证的几何参数化神经算子的整体有限元组装
AI 总结：该研究针对神经算子元扩展的结构缺陷，提出凸神经能量元方法，实现几何参数化神经算子的稳定整体有限元组装，在热传导等任务中获高精度与高速度，且保证与类型、维度无关。
链接：https://arxiv.org/abs/2608.02036
105. An AI-Based Decision-Support Pipeline for Day-Ahead Photovoltaic Forecasting
面向日前光伏功率预测的基于人工智能的决策支持流程
AI 总结：该研究针对新部署站点数据不足导致的日前光伏预测难题，开发了防数据泄露的环境AI堆叠流程，在英国充电站站点验证了其优于基准模型的预测性能。
链接：https://arxiv.org/abs/2608.02088
13. 其他/综合机器学习 | 55 篇
106. MetaRoute-Bench: Evaluating Meta-Decision Policies for Agentic Workflow Routing
MetaRoute-Bench：评估智能体工作流路由的元决策策略
AI 总结：该研究提出MetaRoute-Bench框架，构建含180个任务的基准，对比8种路由策略，发现任务感知组合策略成功率优于静态策略，明确路由组合与验证的关键作用，为智能体工作流路由评估提供可复现方法。
链接：https://arxiv.org/abs/2608.00107
107. Leak It: A Probabilistic Approach to Training-Data Extraction from Black-Box Language Models
泄露它：黑盒语言模型训练数据提取的概率方法
AI 总结：该研究针对黑盒语言模型提出概率训练数据提取方法，发现聚合AUC掩盖逐文档泄露风险，发布leakit工具，强调隐私审计需按领域分解逐文档提取结果。
链接：https://arxiv.org/abs/2608.00144
108. A Physics-Chemistry-Informed Neural Network (PCINN) for Real-Time Spatial-ALD Coverage Prediction and Reliable Kinetics Inversion
基于物理化学信息的神经网络（PCINN）用于实时空间原子层沉积（SALD）覆盖率预测与可靠动力学反演
AI 总结：本文提出PCINN混合代理模型，实现SALD覆盖率实时高精度预测，完成动力学可识别性分析，验证了 pipeline 自洽性与可识别性边界。
链接：https://arxiv.org/abs/2608.00212
109. Stabilized Best-of-$K$ Training for Neural Combinatorial Optimization
神经组合优化的稳定K选最优训练
AI 总结：该研究针对神经组合优化，将POMO训练的二元领导者区分替换为稳定排名信号，在TSP-100测试集上验证了稳定K=8方案可降低K选8成本，且不宣称其为无偏估计器或最优方法。
链接：https://arxiv.org/abs/2608.00296
110. Modeling Unknown Nonlocal PDE Systems via Flow Map Learning
基于流映射学习的未知非局部偏微分方程系统建模
AI 总结：该研究提出流映射学习（FML）框架，无需显式处理非局部算子，可从解数据建模未知非局部偏微分方程，经数值实验验证能实现准确稳定的长时间预测，为非局部动力学学习提供有效数据驱动方法。
链接：https://arxiv.org/abs/2608.00400
111. Agentic Graph Token Reasoning
智能体图令牌推理
AI 总结：本研究提出智能体图令牌推理，将图令牌化融入推理过程，通过三阶段训练实现，在七个图领域评估中大幅优于基线，可零样本迁移至未见领域，推动图分析向智能体范式发展。
链接：https://arxiv.org/abs/2608.00542
112. Fairness Auditing: Lower Bounds on Company Manipulation
公平性审计：公司操纵的下界
AI 总结：该研究将公平性审计建模为公司与审计员的极小极大优化，推导了两种审计机制下审计后人口统计 parity 偏差的下界，实证显示增加审计资源无法消除审计后操纵。
链接：https://arxiv.org/abs/2608.00568
113. Mitigating Backdoors via Decoy Shortcuts and Knowledge Decoupling
通过诱饵捷径与知识解耦缓解后门攻击
AI 总结：本研究提出TR防御方法，通过蜜罐捷径捕获后门知识，结合知识解耦策略与自动捷径生成，在四个基准数据集和五个模型架构上有效缓解多种后门攻击，同时保留良性性能。
链接：https://arxiv.org/abs/2608.00732
114. Generic Vision and Cross-Attention for Reaction Yield Prediction
用于反应产率预测的通用视觉与交叉注意力机制
AI 总结：该研究针对传统反应产率预测缺乏空间信息的问题，提出双模态视觉交叉注意力架构，结合通用视觉骨干网络与残差连接，实现了优于传统方法的预测精度，为物理化学研究提供了可扩展的深度视觉学习方案。
链接：https://arxiv.org/abs/2608.00776
115. Deep Learning CNN and Recurrence Analysis for Alpha Gamma EEG Biomarkers in Fragile X Syndrome
用于脆性X综合征α和γ脑电学生物标志物的深度学习CNN与递归分析
AI 总结：本研究提出整合CNN、LSTM与RP分析的多表征深度学习框架，通过分析FXS患者α、γ频段EEG信号，实现优于单模态基线的自动表型表征，为FXS生物标志物开发提供了可扩展方法。
链接：https://arxiv.org/abs/2608.00835
116. HyperODE: Zero-Shot Surrogate for Simulation and Inference of Dynamical Systems
HyperODE：用于动力系统模拟与推理的零样本替代模型
AI 总结：HyperODE是一种无需重新训练即可在近似质量守恒的compartmental模型类别中运行的零样本替代模型，可快速完成动力系统模拟与逆推理，性能与专用替代模型相当，还可扩展至破坏质量守恒及受外部驱动的ODE。
链接：https://arxiv.org/abs/2608.00852
117. SparseKAN: Compressing Kolmogorov--Arnold Networks Across Basis Functions, Neurons, and Bits
SparseKAN：在基函数、神经元和比特维度上压缩柯尔莫哥洛夫-阿诺德网络（KAN）
AI 总结：SparseKAN是一种在基函数、神经元、数值精度维度压缩KAN的方法，通过分层可学习门硬化重要性结构，可大幅减少参数、降低延迟并保持准确率，提升软硬件效率。
链接：https://arxiv.org/abs/2608.00859
118. Kilobyte Models: Neural Networks as a Seed and a Quantized Latent
千字节模型：神经网络作为种子与量化潜变量
AI 总结：该研究提出将神经网络压缩为种子与量化潜变量的千字节模型，基于映射网络实现权重再生，在保持准确率的同时大幅减少存储字节，适用于带宽受限的部署场景。
链接：https://arxiv.org/abs/2608.00860
119. GeoArbiter: Verifiability-Guided Grounding for Remote-Sensing Multimodal LLMs
GeoArbiter：面向遥感多模态大语言模型的可验证性导向 grounding 方法
AI 总结：该研究针对遥感多模态大语言模型的事实断言问题，提出无需训练的 GeoArbiter 流程，通过仅注入图像无法验证的地理事实，有效降低了模型的断言级幻觉并提升了对冲突记录的鲁棒性。
链接：https://arxiv.org/abs/2608.00877
120. AOSpec: Action and Observation Co-Speculation for Low-Latency Agent Serving
AOSpec：用于低延迟智能体服务的动作与观测协同推测
AI 总结：AOSpec是一种动作与观测协同推测的无损框架，通过EVD和JASV技术降低智能体服务延迟，在Terminal-Bench上较基线实现显著延迟缩减，且观测模型可跨基准迁移。
链接：https://arxiv.org/abs/2608.00881
121. UpliftBench: Revealing Outcome-Regime and Objective Mismatch in Uplift Evaluation
UpliftBench：揭示uplift评估中的结果 regime 与目标不匹配问题
AI 总结：UpliftBench评估12种uplift估计器，发现基准分歧源于指标而非模型，揭示Qini等指标与效应准确性一致性不足等问题，发布可复现基准工具。
链接：https://arxiv.org/abs/2608.00915
122. Data-Driven Pinball-Loss Selection for Vertically Distributed Elastic-Net SVMs
垂直分布弹性网支持向量机的 data-driven 弹球损失选择方法
AI 总结：本文提出数据驱动的垂直分布弹性网支持向量机，通过学习单纯形约束权重优化弹球损失，开发列分区变量分裂求解器，经实验验证其预测性能、数值等价性及多进程可扩展性。
链接：https://arxiv.org/abs/2608.00949
123. Who Belongs in the Eval Set? A Capability-Taxonomy-Driven Pipeline for Curating Regression Eval Sets in Agent-Extensibility Platforms
哪些应该进入评估集？面向智能体可扩展性平台的、基于能力分类法的回归评估集编建流水线
AI 总结：针对智能体可扩展性平台的回归评估集编建问题，提出基于能力分类法的流水线，通过三个组件实现查询决策，可适配带类型化能力分类法的各类编建场景。
链接：https://arxiv.org/abs/2608.01004
124. Hierarchical Solomonoff Induction: An Unbounded Machine Learning Model
分层所罗门诺夫归纳法：一种无界机器学习模型
AI 总结：该研究提出分层所罗门诺夫归纳法（HSI），将德菲涅蒂定理应用于所罗门诺夫归纳法（SolInd），证明HSI等价于SolInd，其超额误差受生成器复杂度约束，随数据集增长收敛至0，是适用于给定数据集的无界序列预测理想模型。
链接：https://arxiv.org/abs/2608.01005
125. Fused Bayesian Flow Networks for Dual-Target Molecular Design
用于双靶点分子设计的融合贝叶斯流网络
AI 总结：针对现有双靶点分子生成方法难以充分整合双靶标特征的问题，提出融合贝叶斯流网络FusedBFN，通过分布融合与乘积专家公式实现双靶点分子设计，实验证实其生成的分子兼具强结合亲和力与良好性质。
链接：https://arxiv.org/abs/2608.01007
126. Differentiable Lifting for Topological Neural Networks
拓扑神经网络的可微提升
AI 总结：针对拓扑神经网络（TNNs）图提升操作先验识别的缺陷，提出可微提升框架DiffLift，实验显示其在多基准分类任务上优于现有方法，最高提升45%。
链接：https://arxiv.org/abs/2608.01160
127. SAFE-Merge: Data-Free Continual Model Merging with General Knowledge Preservation
SAFE-Merge：保留通用知识的无数据持续模型合并
AI 总结：本研究针对无数据持续模型合并中预训练知识易被侵蚀的问题，提出SAFE-Merge框架，通过风险感知稀疏掩码与掩码低秩恢复实现最优H分数及最高准确率。
链接：https://arxiv.org/abs/2608.01184
128. Distill What the Student Can See: Fisher-Projected On-Policy Distillation for Vision-Language Models
提炼学生可见内容：面向视觉语言模型的Fisher投影在线策略蒸馏
AI 总结：针对视觉语言模型在线策略蒸馏中教师修正与学生能力不匹配的问题，提出FP-OPD方法，在8B到2B的蒸馏中使7个多模态基准平均得分分别提升2.77和1.60个点。
链接：https://arxiv.org/abs/2608.01263
129. Stop When Memory Suffices: Evidence-Conditioned Progressive Execution for LLM Agents
当内存充足时停止：面向大语言模型智能体的证据条件渐进式执行
AI 总结：该研究针对大语言模型智能体记忆系统的延迟与质量矛盾，提出Router-Mem框架，通过证据条件渐进式执行，在降低推理时间的同时保持了优异的任务性能。
链接：https://arxiv.org/abs/2608.01285
130. AlphaG-OPD: Reliability-Gated Sibling Counterfactuals for On-Policy Distillation in Symbolic Alpha Factor Discovery
AlphaG-OPD：符号阿尔法因子发现中用于策略内蒸馏的可靠性门控兄弟反事实方法
AI 总结：针对符号阿尔法因子发现中结构决策无直接标签的问题，提出AlphaG-OPD框架，通过三个决策模块将终端因子评估转化为局部动作指导，经多市场多种子测试展现出强劲跨市场表现。
链接：https://arxiv.org/abs/2608.01303
131. When May a Model Replace the Experiment? Audits, Licenses, and the Price of Trust in Surrogate-Driven Design
模型何时可替代实验？代理驱动设计中的审计、许可与信任代价
AI 总结：该研究明确了机器学习代理替代实验的安全条件，推导了模型作为神谕的最小准则，提出选择感知审计可降低认证评估成本，经审计的筛选使认证神谕成本降低25倍。
链接：https://arxiv.org/abs/2608.01378
132. On the Identifiability of Masked Prediction: Mode Blindness and Mask Schedules
掩码预测的可识别性：模式盲性与掩码调度
AI 总结：该研究针对双模式数据，揭示掩码预测的可识别性由掩码调度决定，低可见度掩码与正全掩码质量可恢复可识别性，且经理论验证与实验复现。
链接：https://arxiv.org/abs/2608.01383
133. TabDPT-Turbo: Efficient In-Context Learning for Tabular Prediction
TabDPT-Turbo：面向表格预测的高效上下文学习方法
AI 总结：本文提出TabDPT-Turbo模型，通过结合基于行的注意力、长上下文预训练及SSL预训练，在保持与TabDPT v1.1相当性能的同时大幅提升推理速度，是当前最快的表格预测基础模型。
链接：https://arxiv.org/abs/2608.01400
134. Interpretable MEG Decoding of Perceived Speech: Cortical Sources and the Stimulus Features That Drive Retrieval
感知语音的可解释MEG解码：皮层源与驱动检索的刺激特征
AI 总结：本研究重新设计MEG到音频检索架构，在MEG-MASC数据集上实现39.75±0.34%的Top-1准确率，通过源映射与输入干预明确了驱动语音检索的关键刺激特征。
链接：https://arxiv.org/abs/2608.01481
135. BiKAN: Restoring Collapsed Basis of Binary Kolmogorov--Arnold Networks
BiKAN：恢复二元柯尔莫哥洛夫-阿诺尔德网络的坍缩基
AI 总结：针对二元KAN的空间正交性坍缩问题，提出添加二次沃尔什字符的BiKAN，在图像分类任务上提升准确率，且硬件效率优异。
链接：https://arxiv.org/abs/2608.01490
136. Gram-Space: Structure-Preserving Codebook Compression for Memory-Efficient Neuro-Symbolic AI
Gram-Space：面向内存高效神经符号AI的结构保持码本压缩
AI 总结：本文提出Gram-Space压缩框架，通过格拉姆-施密特正交化保留VSA所需点积结构，可降低神经符号AI模型GPU内存使用与推理延迟，提升硬件利用率。
链接：https://arxiv.org/abs/2608.01528
137. Meganeura: Portable GPU Training and Inference through Vulkan and Metal
Meganeura：通过Vulkan和Metal实现便携式GPU训练与推理
AI 总结：该研究提出Meganeura编译器，通过Vulkan和Metal实现消费级GPU上的便携式训练与推理，在多数场景下性能接近或优于PyTorch，且编译速度更快、二进制文件更小，可支持跨平台部署。
链接：https://arxiv.org/abs/2608.01563
138. Online Algorithms via Minimax and Posterior Matching
基于极小极大与后验匹配的在线算法
AI 总结：该研究基于极小极大视角提出后验匹配原理，将在线算法竞争分析简化为贝叶斯在线设计，为多类在线问题提供最优或接近最优保证，构建了可复用的理论框架。
链接：https://arxiv.org/abs/2608.01616
139. QWRF-Net: A Quantum-Wavelet Framework with Rectified Flow for Short-Term Precipitation Nowcasting
QWRF-Net：用于短期降水临近预报的带整流流的量子-小波框架
AI 总结：本文针对短期降水临近预报中多尺度结构耦合及后期预报质量下降的问题，提出带整流流的量子-小波框架QWRF-Net，在多基准测试中表现优异，为相关应用提供了更可靠的降水预报基础。
链接：https://arxiv.org/abs/2608.01626
140. Sharp Root Anti-Concentration via Projective Incidence and Ordered Root Laws
基于投影关联与有序根定律的尖锐根反集中性
AI 总结：本文解决分段-Lipschitz函数在线优化中的一维局部根反集中问题，建立区间命中常数的尖锐无维表征，给出图学习应用的遗憾界，消除此前损失并验证了相关系数律的判据。
链接：https://arxiv.org/abs/2608.01670
141. Predictive Maintenance: Deep Learning-Based Remaining Useful Life Prediction for Combat Aircraft Engines
预测性维护：基于深度学习的战斗机发动机剩余使用寿命预测
AI 总结：本研究针对战斗机发动机维护需求，开发基于深度学习的预测性维护模型，利用NASA相关数据集验证其性能，还配套决策支持模拟器，提升战备状态并降低维护成本。
链接：https://arxiv.org/abs/2608.01819
142. WorldDynCache: Risk-Controlled Latent Dynamics Approximation for Diffusion World Model
WorldDynCache：用于扩散世界模型的风险控制隐式动力学近似
AI 总结：本文提出WorldDynCache框架，通过风险估计器和提升隐式代理解决扩散世界模型推理慢的问题，在两个数据集上实现加速并取得最优生成质量。
链接：https://arxiv.org/abs/2608.01845
143. Understanding and Correcting Low-Frequency Bias in EEG Foundation Model
脑电（EEG）基础模型中低频偏差的理解与修正
AI 总结：针对EEG基础模型存在的低频偏差问题，提出频率平衡掩码自编码框架FAME，在OmniEEG-Bench的41项下游任务中24项达到SOTA，凸显平衡频谱监督的重要性。
链接：https://arxiv.org/abs/2608.01898
144. HarnessCompass: Guiding Automatic Harness Evolution toward Generalizable and Effective Agent Harnesses
HarnessCompass：引导自动 harness 进化以生成可泛化且有效的智能体 harness
AI 总结：HarnessCompass 是一种自动 harness 进化框架，通过约束进化、主动反馈和组件式优化，在 SWE-bench Verified 上用 GPT-5.4 使 Pass@1 提升至 66%，且泛化能力优于现有方法。
链接：https://arxiv.org/abs/2608.01918
145. ChaosProbe: A Neurochaotic Lens on Frozen Transformer Input-Embedding Spaces
ChaosProbe：面向冻结Transformer输入嵌入空间的神经混沌视角
AI 总结：本研究提出ChaosProbe方法，通过神经混沌变换生成冻结Transformer输入嵌入空间的响应指纹，实验验证其可有效揭示不同预训练Transformer嵌入空间的结构关联。
链接：https://arxiv.org/abs/2608.01968
146. Scikit-fingerprints: Python library for scikit-learn compatible molecular fingerprints and chemoinformatics
scikit-fingerprints：兼容scikit-learn的分子指纹与化学信息学Python库
AI 总结：该研究推出基于RDKit的scikit-fingerprints库，填补化学信息学框架与scikit-learn生态的兼容空白，整合多类功能，提升分子机器学习的原型开发、复现与部署效率。
链接：https://arxiv.org/abs/2608.02027
147. Secrets Everywhere: Auditing Memorization in Mobility Prediction Models
无处不在的秘密：移动性预测模型中的记忆审计
AI 总结：本文首次系统审计移动性预测模型的记忆风险，提出框架量化不同粒度的移动性记忆，发现普遍记忆模式关联用户规律性并提升数据提取风险，呼吁开展强制性隐私审计。
链接：https://arxiv.org/abs/2608.02052
148. SCOPE: Entanglement Frontier Escape for Source-Free Class Unlearning
SCOPE：面向无数据源类别遗忘的纠缠前沿逃逸
AI 总结：针对无数据源类别遗忘的特征干扰问题，提出SCOPE方法，通过条件投影擦除逃逸特征空间的干扰前沿，在多基准上性能优于现有无数据源擦除器及训练式遗忘器。
链接： https://arxiv.org/abs/2608.02058
149. Geometry-Guided Layerwise FFN Width Allocation in Transformers
Transformer中基于几何引导的分层前馈网络宽度分配
AI 总结：该研究针对Transformer中FFN宽度恒定的问题，提出基于几何特征的分层宽度分配方法，在多个预训练语言模型实验中，其可降低验证损失且效果优于均匀宽度和余弦衰减方案。
链接：https://arxiv.org/abs/2608.02064
150. Feed-Forward Steering in Transformer Residual Dynamics
Transformer残差动力学中的前馈转向
AI 总结：该研究扩展Transformer残差动力学理论，引入FFN作为转向场，经多模型实验验证其提升角预测性能，且切向分量对模型质量与输出多样性至关重要，还可指导块级干预的并行化应用。
链接：https://arxiv.org/abs/2608.02071
151. Isotonic Bradley-Terry Model for Paired Comparison Data
用于配对比较数据的保序Bradley-Terry模型
AI 总结：本文针对配对比较数据的模型设定误差问题，提出交替学习速率参数与逆连接函数的保序Bradley-Terry模型，经实验可提升获胜概率预测与排名性能。
链接：https://arxiv.org/abs/2608.02081
152. A 2-Block Architecture for Real-Time EEG Gait Decoding: A Pilot Study
用于实时脑电图步态解码的2模块架构：一项试点研究
AI 总结：该研究针对EEG下肢外骨骼控制的局限，提出含特征提取与PolyTVL+LSTM解码器的2模块BCI架构，经实验验证其在四态步态分类中表现优异，且具备实时可行性。
链接：https://arxiv.org/abs/2608.02083
153. How Much Does a Reasoning Summary Reveal? An Observability Ladder for Large Language Models
推理摘要能透露多少信息？大语言模型的可观测性阶梯
AI 总结：本文提出大语言模型的可观测性阶梯，通过实验发现有提示时摘要对正确性监测的帮助远小于完整轨迹，可监测性由显示内容和读者共同决定。
链接：https://arxiv.org/abs/2608.02089
154. One QK Channel, Many Sources: Guarding Low-Precision Attention Collapse
一个QK通道，多个源：防范低精度注意力崩溃
AI 总结：本研究针对bfloat16变换器的低精度注意力崩溃问题，通过定位故障源与通道的分离关系，提出QK-Guard方法，可有效抑制注意力失控，支持在共享QK位点进行干预。
链接：https://arxiv.org/abs/2608.02091
155. RamanPFN: learning from Raman spectral structure with a tabular foundation model
RamanPFN：基于表格基础模型学习拉曼光谱结构
AI 总结：RamanPFN在TabPFN推理前编码拉曼光谱依赖关系，经74个公开拉曼数据集的150项任务评估，可降低回归与分类误差，是高维拉曼测量与可复用表格推理的有效接口。
链接：https://arxiv.org/abs/2608.02157
156. GLAIM: Learning Global and Local Adaptive Inter-Variable Dependency for Multivariate Time Series Imputation
GLAIM：面向多变量时间序列插补的全局与局部自适应变量间依赖关系学习
AI 总结：针对多变量时间序列插补中全局依赖适应性差、局部依赖不可靠的问题，提出GLAIM框架，含稳定全局依赖构造器和样本条件依赖细化器，在9个真实数据集上实现最优插补性能。
链接：https://arxiv.org/abs/2608.02366
157. Deep Learning-Based Estimation of Ground Reaction Forces in Parkinsonian Gait Using an Optimized Set of IMU Data
基于深度学习的帕金森步态地面反作用力估计：使用优化的IMU数据集
AI 总结：本研究首次提出混合CNN-BiLSTM深度学习框架，用优化的IMU数据集估计帕金森患者垂直地面反作用力，仅需2个IMU即可实现稳健估计，为相关可穿戴系统提供实用方案。
链接：https://arxiv.org/abs/2608.02408
158. Why Large Language Models Fail at Tabular Prediction
为什么大型语言模型在表格预测任务中表现不佳
AI 总结：该研究探究通用大型语言模型（LLM）在表格预测任务中表现不佳的原因，通过控制实验排除了数据噪声、CSV格式等因素，发现维度是关键，LLM准确率随维度增长下降，而经典基线方法不受影响。
链接：https://arxiv.org/abs/2608.02412
159. Aggregate-then-Calibrate for Human-centered Assessment with Theoretical Guarantees
面向以人为中心评估的聚合后校准方法（AtC）及理论保证
AI 总结：该研究针对以人为中心评估的两难问题，提出AtC两阶段框架，结合人类判断与模型分数，兼具理论保证，在半合成及真实数据集上提升了评估的准确性与鲁棒性。
链接：https://arxiv.org/abs/2608.02455
160. GradCuit: Credit-Assigned Gradient Flow Enables Robust and Interpretable Test-Time Latent Reasoning
GradCuit：信用分配梯度流实现鲁棒且可解释的测试时潜在推理
AI 总结：GradCuit在测试时插入可优化潜在状态，实现序列级信用分配，在多基准上准确率优于同类方法，且鲁棒性、可解释性更强，为LLM测试时推理扩展提供新方向。
链接：https://arxiv.org/abs/2608.02585