2026-09-01 | CS.LG机器学习 | 共 185 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 10 篇
2. 表示学习、自监督与对比学习 9 篇
3. 强化学习与序列决策 24 篇
4. 生成模型与概率建模 9 篇
5. 优化、泛化与理论分析 8 篇
6. 高效学习、压缩与部署 4 篇
7. 联邦学习、隐私与安全 3 篇
8. 鲁棒性、不确定性与可信学习 6 篇
9. 图学习与结构化数据 7 篇
10. 迁移、元学习与持续学习 4 篇
11. 数据集、基准与评测 10 篇
12. 机器学习应用 13 篇
13. 其他/综合机器学习 78 篇
1. HoopMind: A Real-Time Neural Game-Tree System for Opponent-Aware Possession Planning
HoopMind：用于感知对手的控球规划的实时神经博弈树系统
AI 总结：该研究以职业篮球为案例，融合公开数据构建投篮数据集，提出基于ShotNet和深度受限期望最大化搜索的实时神经博弈树系统，实现对手感知的控球规划，相关模型性能优于基线且可在浏览器运行。
链接：https://arxiv.org/abs/2608.29563
机构：Beijing National Day School（北京十一学校）； University of Memphis（孟菲斯大学）
作者：Yibo Gong, Cong Guo, Jiacheng Ding
2. Structure Aware Neural Architecture Search for Mixture of Experts
面向专家混合模型的结构感知神经架构搜索
AI 总结：该研究提出结构感知NAS框架，将数据簇与专家的对齐作为显式搜索变量，通过广义EM流程优化，在无标签的图像分类和时间序列预测任务上优于MoE与NAS基线。
链接：https://arxiv.org/abs/2608.29817
作者：Petr Babkin, Oleg Bakhteev
3. INTERVenE: Temporal-Abstraction-Interval Based Transformers for Short-Horizon Medical Event Prediction
INTERVenE：用于短期医疗事件预测的基于时间抽象区间的Transformer
AI 总结：本研究提出基于KBTA区间的Transformer架构INTERVenE，在MIMIC-IV数据集上优于现有基线，实现短期医疗事件的可解释预测。
链接：https://arxiv.org/abs/2608.29901
机构：The Stein Faculty of Computer and Information Science, Ben-Gurion University of the Negev（内盖夫本-古里安大学斯坦因计算机与信息科学学院）
作者：Shahar Oded, Yuval Shahar
4. TPR-Attention for Combinatorial Generalization
用于组合泛化的TPR-Attention
AI 总结：该研究针对深度学习的组合泛化难题，提出了基于张量积表示（TPRs）的注意力机制，经实验验证其在组合泛化性能上优于现有架构组件，为系统性泛化模型提供了新方向。
链接：https://arxiv.org/abs/2608.30124
机构：Université Laval（拉瓦尔大学）； Institut intelligence et données（智能与数据研究所）； Mila – Québec Artificial Intelligence Institute（米拉-魁北克人工智能研究所）
作者：Melisa Civelekoğlu, Isabeau Prémont-Schwarz
5. Tail-Replay: Escaping the Curse of Linear Attention in Prefix Caching for Hybrid LLMs
Tail-Replay：在混合大语言模型的前缀缓存中规避线性注意力的线性诅咒
AI 总结：Tail-Replay是一种混合大语言模型的前缀缓存机制，通过重放匹配前缀的短近期后缀重构线性注意力状态，实现无约束令牌级前缀复用，在低重放预算下保持高预填充质量并显著提升长前缀服务效率。
链接：https://arxiv.org/abs/2608.30310
机构：Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院（TeleAI））； Shanghai Jiao Tong University（上海交通大学）
作者：Yirui Liu, Ruoling Qi, Xuaner Wu, Penghang Liu, Jian Chen
6. PRIME: Mitigating Subgroup Optimization Competition in Shared CTR Top Networks with Plug-in Residual Input-Conditioned Mixture of Expert
PRIME：通过插件式残差输入条件混合专家缓解共享CTR顶层网络中的子组优化竞争
AI 总结：PRIME以Dense为锚点的残差输入条件混合专家，解决共享CTR顶层网络的子组优化竞争，在Avazu、Criteo等数据集上提升AUC、降低LogLoss且优于APG，参数更少、延迟更低。
链接：https://arxiv.org/abs/2608.30449
机构：Ant Group（蚂蚁集团）； Henan Polytechnic University（河南理工大学）； Alibaba Inc.（阿里巴巴集团）
作者：Heng Yao, Siyun Hou, Tianying Liu, Yulou Shu, Yong He, Chuan Yuan, Kaibin Qiu, Guowei Chen, Jiayu Zhao, Chao Yu, Ke Ding
7. Q-Strata: Hierarchical Bit Allocation for Mixed-Precision Quantization of Mixture-of-Experts LLMs
Q-Strata：混合专家大型语言模型混合精度量化的分层比特分配
AI 总结：Q-Strata是一种双层分配器，通过为混合专家MoE大型语言模型的每个模块设置一个预算，优化模型级目标以实现混合精度量化，在低比特 regime 下优于GPTQ、MxMoE和GEMQ。
链接：https://arxiv.org/abs/2608.30564
机构：Seoul National University（首尔大学）； Neural Processing Research Center（神经处理研究中心）
作者：Deokjae Lee, Sihun Chu, Hyun Oh Song
8. Season-Aware Hybrid Convolutional-Transformer for Antarctic Sea Ice Concentration Forecasting
面向南极海冰密集度预测的季节感知混合卷积-Transformer模型
AI 总结：针对南极海冰密集度预测的挑战，提出结合卷积、因子化自注意力及两种季节先验机制的混合卷积-Transformer框架，性能优于基线模型，季节先验可提升长短周期预测效果。
链接：https://arxiv.org/abs/2608.30654
机构：School of Computer Science, Australian National University（澳大利亚国立大学计算机科学学院）； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心）
作者：Danyang Li, John Taylor, Thang Bui, Quanling Deng
9. Tracing distinguishability through transformer processing with stochastic LayerNorm
通过带随机LayerNorm的Transformer处理追踪可区分性
AI 总结：该研究提出带随机LayerNorm的Transformer方法，将表征相似性转化为统计可区分性，通过Bhattacharyya系数追踪区分性，在ViT-S和GPT-2 small实验中验证了其功能基础视角，补充了Transformer可解释性方法。
链接：https://arxiv.org/abs/2608.30720
机构：New Jersey Institute of Technology（新泽西理工学院）
作者：Kieran Murphy
10. What Emerges and What Breaks in Self-Play Driving
自博弈驾驶中出现的现象与失效问题
AI 总结：该研究在自博弈自动驾驶训练中，将模型扩展为Transformer，在CARLA和Waymax基准测试中表现不及Gigaflow，分析了失效模式、产生的交通规则及奖励条件对驾驶行为多样性的影响。
链接：https://arxiv.org/abs/2608.30819
机构：University of Tartu（塔尔图大学）
作者：Laur Sisask, Ardi Tampuu, Tambet Matiisen
11. Effective Graph and Rank-based Contextual Embeddings for Textual and Multimedia Data
面向文本与多媒体数据的高效图及基于秩的上下文嵌入
AI 总结：本研究提出无监督框架GRaCE，通过基于秩的度量生成可解释嵌入，在文本、图像等多数据集的检索、分类、聚类任务中优于RaDE及原始特征。
链接：https://arxiv.org/abs/2608.29001
机构：State University of São Paulo (UNESP)（圣保罗州立大学（UNESP））； University of São Paulo (USP)（圣保罗大学（USP））； University of Manchester（曼彻斯特大学）； Idiap Research Institute（Idiap研究所）
作者：Thiago César Castilho Almeida, Gustavo Rosseto Letício, Lucas Pascotti Valem, André Freitas, Daniel Carlos Guimarães Pedronette
12. Context-Aware Interpretable Representations for Retrieval and Graph Convolutional Network Classification
面向检索与图卷积网络分类的上下文感知可解释表示
AI 总结：本文针对视觉表示的几何与可解释性鸿沟，提出融合流形学习与可解释图嵌入的无监督框架，所获上下文感知表示兼具可解释性、降维能力，且在图像检索与GCN半监督分类任务中表现优异。
链接：https://arxiv.org/abs/2608.29004
机构：State University of São Paulo (UNESP)（圣保罗州立大学（UNESP））
作者：Thiago César Castilho Almeida, Gustavo Rosseto Letício, Vinicius Atsushi Sato Kawai, Daniel Carlos Guimarães Pedronette
13. Hybrid Semantic Context-Enhanced Ensemble Learning for Wind Power Ramp-Event Forecasting and Uncertainty-Aware Evaluation
混合语义上下文增强集成学习用于风电爬坡事件预测及不确定性感知评估
AI 总结：该研究针对风电爬坡事件预测难题，提出将风机运行数据转文本生成语义嵌入的混合集成学习方法，在多数据集多时间尺度验证了其有效性，同时开展不确定性感知评估。
链接：https://arxiv.org/abs/2608.29024
机构：University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）
作者：Momina Liaqat Ali, Muhammad Abid, Muhammad Abdullah, Aneela Zameer
14. BEACON: Behavioral and Semantic Enrichment of AlphaEarth Embeddings through Tri-Modal Contrastive Learning
BEACON：通过三模态对比学习对AlphaEarth嵌入进行行为与语义增强
AI 总结：本文提出三模态对比学习框架BEACON，补充地理空间基础模型AlphaEarth的语义与行为信号，在休斯顿都会区9项下游任务上较6个基准方法提升了人类相关指标预测性能，拓展了其城市分析应用。
链接：https://arxiv.org/abs/2608.29553
机构：Texas A&M University（得克萨斯农工大学）
作者：Hao Tian, Heng Cai, Yifan Yang
15. Structural Hierarchy and Geometry in Molecular Representation Learning
分子表示学习中的结构层级与几何
AI 总结：该研究探讨显式编码Bemis-Murcko骨架并以其监督分子嵌入的效果，对比欧氏与洛伦兹对比目标，发现骨架监督可塑造分子嵌入空间组织，且对分子属性预测有增益，效果因任务和几何类型而异。
链接：https://arxiv.org/abs/2608.29886
机构：Delft University of Technology（代尔夫特理工大学）
作者：
David Sulu, Lorenzo Di Fruscia, Jana M. Weber
16. Uncertainty of Vision Medical Foundation Models
视觉医学基础模型的不确定性
AI 总结：本研究对比特定领域与通用领域视觉基础模型，探究预训练方式等对不确定性量化的影响，发现特定领域预训练结合自监督学习可提升校准效果，特定领域模型能实现更高效共形预测，强调需整合点与区域预测以增强医疗AI可靠性。
链接：https://arxiv.org/abs/2608.30390
机构：Center for Data Science, New York University（纽约大学数据科学中心）； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院）； Department of Population Health, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院人口健康系）
作者：Haoxu Huang, Narges Razavian
17. Liquid Gated Attention
液体门控注意力
AI 总结：针对现实时间序列的不规则采样与长范围建模需求，提出无求解器的并行时间算子LGA，构建线性复杂度的LFormer，在多任务多数据集上实现长程依赖建模等能力，性能具竞争力且效率线性。
链接：https://arxiv.org/abs/2608.30695
机构：College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院）
作者：Yiheng Jiang, Yuanbo Xu, Yongjian Yang
18. TDDM-Melatt: A Decoupled Memory and Diffusion Framework for Generalizable Encrypted Traffic Classification
TDDM-Melatt：用于通用加密流量分类的解耦内存与扩散框架
AI 总结：针对加密流量分类的泛化性局限，研究提出TDDM-Melatt框架，结合解耦内存模型Melatt与流量去噪扩散模型TDDM，在4个公开数据集上的实验性能优于6种基础分类模型和6种SOTA表示学习模型。
链接：https://arxiv.org/abs/2608.30745
机构：National University of Defense Technology（国防科技大学）
作者：Ze Chen, Qiming Yu, Zijia Song, Guozheng Yang, Wei Yan
19. Reproducible macroscopic dynamics in a closed-loop human-AI learning system
闭环人机学习系统中可复现的宏观动力学
AI 总结：该研究基于297915名学习者的自适应辅导历史，构建人机学习系统的动力学模型，揭示可复现的宏观动力学规律，为理解人机协同学习的行为机制提供了可解释的有效场框架。
链接：https://arxiv.org/abs/2608.30946
机构：Tianli Qiming AI Research Institute（天立启明人工智能研究院）； Sichuan Qiming Daren Technology Co., Ltd.（四川启铭达人科技有限公司）； Swiss AI Laboratories（瑞士人工智能实验室）
作者：Minlin Wu (1), Xu Fang (1), Yicheng Zhang (2), Chenyu Zhou (1), Zhiyi Liu (1) ((1) Tianli Qiming AI Research Institute, Sichuan Qiming Daren Technology Co., Ltd., Chengdu, China, (2) Swiss AI Laboratories, Blonay, Switzerland)
20. ERR+: Sequential Entropy Resolution for Efficient and Decisive LLM Reasoning
ERR+: 用于高效且果断的LLM推理的顺序熵分辨率
AI 总结：该研究针对RLVR方法对推理过程质量指导不足的问题，提出两阶段RLVR框架ERR+，通过顺序优化熵缓解奖励与稳健相对效率奖励，在五个数据集上实现了LLM推理准确率与简洁性的提升。
链接：https://arxiv.org/abs/2608.28771
机构：School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院）； ByteDance（字节跳动）
作者：Xin Jiang, Minhao Wang, Wen Wu, Zhentao Xie, Shangheng Du, Jinxin Shi, Jiabao Zhao
21. The Halt Vector: Internalizing a Causal Steering Intervention for Efficient Reasoning
停止向量：内化因果引导干预以实现高效推理
AI 总结：本研究提出通过将因果可解释性发现内化到权重中得到的停止向量，可在保持准确率的前提下减少推理模型约四分之一的思考时长，解决其不终止问题，核心贡献为该停止向量的获取方法。
链接：https://arxiv.org/abs/2608.28859
机构：University of Waterloo（滑铁卢大学）
作者：Dylan Jayabahu, Tinuade Adeleke
22. Continuity-Free Near-Minimax Leading-Order Regret for CVaR-UCBVI
无连续性假设的CVaR-UCBVI的近极小极大主导阶遗憾
AI 总结：本文针对有限时间表格型CVaR强化学习，证明Bernstein CVaR-UCBVI算法无需连续性假设即可达到近极小极大主导阶遗憾，其主导项匹配极小极大下界，实现了该问题的近最优算法设计。
链接：https://arxiv.org/abs/2608.28960
23. PathBridger: Subgoal Bridges for Offline Goal-Conditioned Reinforcement Learning
PathBridger：面向离线目标条件强化学习的子目标桥接方法
AI 总结：PathBridger是一种分层离线目标条件强化学习方法，通过构建状态空间桥并结合逆动力学模型解码为动作块，在OGBench任务尤其是多目标Cube操作任务上性能显著提升。
链接：https://arxiv.org/abs/2608.29061
机构：Hanyang University（汉阳大学）
作者：Soohyun Choi, Seonvin Cho, Songnam Hong
24. Titans-QFWP: A Regime-Aware Hybrid Quantum Fast Weight Programmer for Portfolio Optimization
Titans-QFWP：用于投资组合优化的 regime 感知混合量子快速权重编程器
AI 总结：本研究提出 Titans-QFWP 混合强化学习架构，结合量子快速权重编程器与 Titans 记忆机制，采用增强型 A3C² 框架，在 468 只标普 500 股的 EPC 基准下取得优异投资组合优化性能，可兼顾回撤控制与上行潜力。
链接：https://arxiv.org/abs/2608.29093
机构：National Taiwan Normal University（国立台湾师范大学）； National Taiwan University（国立台湾大学）； PecuLab LLC（PecuLab有限责任公司）； Wells Fargo（富国银行）
作者：Ming-Kai Hung, Jun-Hao Chen, Yun-Cheng Tsai, Samuel Yen-Chi Chen
25. Locked at the Entrance, Open Inside: Where RLVR Narrows the Solution Space
锁在入口，开放在内：RLVR 如何缩小解空间
AI 总结：该研究针对 RLVR 导致解空间收缩的问题，发现收缩集中在推理入口处，通过入口干预可提升解覆盖率且不损失准确率，早期步骤熵崩溃并非必然。
链接：https://arxiv.org/abs/2608.29188
机构：School of Future Technology, Shanghai University（上海大学未来技术学院）； School of Computer Science, University of Birmingham（伯明翰大学计算机学院）
作者：Qiancheng Zhou, Ruizhe Li
26. RL-FAT: Reinforcement Learning for Fair Adversarial Training
RL-FAT：用于公平对抗训练的强化学习
AI 总结：针对对抗训练存在的类别鲁棒性失衡问题，提出受强化学习启发的RL-FAT框架，结合强化驱动自适应与公平强调正则化，在提升鲁棒性的同时大幅降低类别鲁棒性失衡。
链接：https://arxiv.org/abs/2608.29247
机构：University of Mannheim（曼海姆大学）； MPI for Informatics（马克斯·普朗克信息学研究所）
作者：Tejaswini Medi, Levan Mikeladze, Margret Keuper
27. When Do Larger Batches Help Scale LLM Reinforcement Learning?
更大的批次何时有助于扩展大语言模型的强化学习？
AI 总结：该研究针对大语言模型强化学习，通过分离算法与系统效应，提出更大批次缩短目标时间的决策规则，结合GRPO、PPO实验验证了学习率调整与批次优化可缩短目标时间。
链接：https://arxiv.org/abs/2608.29296
机构：Tencent（腾讯）
作者：Ziniu Li, Jinbo Wang, Guanhua Huang, Feiyuan Zhang, Pengbo Li, Alex Chen
28. Reference-Grafting Matches Fine-Tuning at Eliciting Sandbagged Capabilities
参考嫁接在引出被搁置的能力方面可与微调相媲美
AI 总结：针对模型被搁置的安全评估问题，提出参考嫁接方法，仅需少量配对示例即可引出模型隐藏能力，效果媲美微调，适用于不同规模模型及多种搁置场景。
链接：https://arxiv.org/abs/2608.29458
机构：Lida Safety（Lida安全公司）； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）； ERA（ERA公司）
作者：Linh Le, Hong Kiat Tan, David Williams-King
29. Designing for the Next Click: Bandits for Real-Time Page Layout
为下一次点击而设计：用于实时页面布局的多臂老虎机算法
AI 总结：该研究提出一种基于LinUCB的上下文多臂老虎机系统，可实时优化电商商品页面布局，在零售平台A/B测试中较启发式基线实现会话级性能正向提升，为Web学习型设计提供可扩展路径。
链接：https://arxiv.org/abs/2608.29850
机构：Target Corporation（塔吉特公司）
作者：Bhavtosh Rath, Harshith Narasimhamurthy, Bob Eisinger, Cole Stiegler, Adnan Awow, Amit Pande
30. Uncertainty-Driven Replay Memory for Reinforcement Learning
强化学习中基于不确定性驱动的回放记忆
AI 总结：本研究提出一种名为不确定性驱动的回放记忆（UDRM）的经验回放缓冲区，通过基于不确定性估计更新存储的记忆，使RL智能体在训练中获得更高奖励、提升泛化能力。
链接：https://arxiv.org/abs/2608.29860
机构：Rochester Institute of Technology（罗切斯特理工学院）
作者：Sheeraja Rajakrishnan, Alexander G. Ororbia, Travis Desell, Daniel E. Krutz
31. How do World Models and Policies Compose in LLM Agents? A Joint Spectral and Behavioral Account
世界模型与策略如何在大语言模型智能体中结合？一种联合谱分析与行为学解释
AI 总结：该研究通过受控实验探究LLM智能体中世界模型与策略的结合机制，从几何与行为角度揭示二者的互补特性，并提出提升策略训练保留世界知识能力的方法。
链接：https://arxiv.org/abs/2608.30067
机构：Dartmouth College（达特茅斯学院）； Columbia University（哥伦比亚大学）
作者：Ruize Xu, Xiao Yu, Yujin Tang, Chenming Shang, Nikhil Singh
32. Reinforcement Learning for Symbolic Equation Solving
用于符号方程求解的强化学习
AI 总结：该研究提出一种强化学习智能体，将代数建模为带动态动作空间的MDP，在符号方程求解任务上优于非学习型搜索方法，尤其在指数方程上表现突出，但仅针对四类受控开式方程有效。
链接：https://arxiv.org/abs/2608.30162
机构：
Starling Research Institute（斯塔林研究所）
作者：Kevin P O Keeffe
33. BCPPO: Bachelier-Inspired Constrained Proximal Policy Optimization for Tail-Risk-Aware Safe Reinforcement Learning
BCPPO：受巴舍利耶启发的用于尾部风险感知安全强化学习的约束近端策略优化算法
AI 总结：该研究提出BCPPO算法，通过带随机样本掩码的成本预测网络分歧结合巴舍利耶公式生成平滑惩罚，在175次运行的多任务测试中，其平均回报更高、平均CVaR更低，实现了奖励与安全的实用平衡。
链接：https://arxiv.org/abs/2608.30283
机构：Southern University of Science and Technology（南方科技大学）
作者：Dongsheng Hou, Yanqiao Chen, Yuhan Rui
34. Online Estimation of Dynamic Origin-Destination Matrices Using Reinforcement Learning with Link-Flow Propagation Guidance
采用考虑路段流量传播引导的强化学习方法的动态OD矩阵在线估计
AI 总结：本研究提出LFPG-RL方法，将路段流量传播引导集成到近端策略优化中，在墨尔本干线网络测试中实现了更高效准确的在线动态OD矩阵估计。
链接：https://arxiv.org/abs/2608.30317
机构：Seoul National University（首尔大学）
作者：Donggyu Min, Dong-Kyu Kim
35. Locally-Guided Actor-Critic: Training a Goal-conditioned Actor with a Subgoal-aware Critic
局部引导的演员-评论家：利用感知子目标的评论家训练目标条件演员
AI 总结：针对目标条件强化学习长 horizon 稀疏奖励的问题，该文提出 LG-AC 方法，以子目标条件值函数总和实现密集事后重标记，在目标链任务中性能优于 RIS、RS 等方法。
链接：https://arxiv.org/abs/2608.30406
机构：ISIR； Sorbonne Université（索邦大学）； CNRS（法国国家科学研究中心）
作者：Olivier Serris, Stéphane Doncieux, Olivier Sigaud
36. Confounding Masquerading as Improvement: A Systematic Evaluation of Offline Reinforcement Learning for Stroke Antithrombotic Treatment in a 129,000-Patient Registry
伪装成改进的混杂因素：针对129000例患者登记研究中卒中抗血栓治疗的离线强化学习的系统评估
AI 总结：本研究在12.9万例卒中患者登记数据中系统评估离线强化学习，发现其策略表观改进实为混杂因素导致，去混杂后无临床意义的总体改进，还提供了评估检查表。
链接：https://arxiv.org/abs/2608.30442
机构：AI Research Center, JLK Inc.（JLK公司AI研究中心）
作者：Kihun Rhee
37. Learning Where Outcomes Change:Credit-Addressable Reasoning for Multimodal Geometry
学习结果变化的位置：面向多模态几何的信用可寻址推理
AI 总结：该研究针对多模态几何推理中现有方法的缺陷，提出信用可寻址推理，通过Code-CoT和CE-GRPO实现，在9个几何基准上平均准确率达76.04，优于对比模型，凸显协同设计的价值。
链接：https://arxiv.org/abs/2608.30457
机构：Tsinghua University（清华大学）； Microsoft Research（微软研究院）
作者：Jiani Guo, Junjie Wang, Jie Wu, Pengxiang Zhao, Dongdong Zhang, Shaohan Huang, Yujiu Yang, Furu Wei
38. PAC: Progress-Augmented Advantage Curriculum for Multi-Task Reinforcement Learning of LLMs
PAC：面向大语言模型多任务强化学习的进度增强优势课程
AI 总结：该研究针对LLM多任务RL后训练的任务分配问题，提出PAC方法结合优势与奖励增益信号，经多场景验证可提升样本效率与最终性能。
链接：https://arxiv.org/abs/2608.30528
机构：Alibaba Group（阿里巴巴集团）
作者：Yuanqiang Yu, Yanzhao Zheng, Zhentao Zhang, Tianze Xu, Chao Ma, Jihuai Zhu, Jiashun Liu, Xinle Deng, Baohua Dong, Hangcheng Zhu, Ruohui Huang
39. Three Steps at a Time: Learning Representations from Action Sequences in Contrastive RL
一次三步：对比强化学习中从动作序列学习表示
AI 总结：该研究针对对比强化学习（CRL）将动作建模尺度从单步扩展至动作块，在18个与11个环境中分别实现31.7%、93.1%的性能提升，揭示动作块可改进CRL的评论者表示以提升算法效果。
链接：https://arxiv.org/abs/2608.30640
机构：ETH Zurich（苏黎世联邦理工学院）； University of Warsaw（华沙大学）； Princeton University（普林斯顿大学）； MPI IS Tubingen（图宾根马克斯·普朗克智能系统研究所）； Warsaw University of Technology（华沙理工大学）； IDEAS Research Institute（IDEAS研究所）
作者：Michal Korniak, Kamil Dybek, Benjamin Eysenbach, Marco Bagatella, Michał Bortkiewicz
40. T3S: Improving Multi-Task Reinforcement Learning with Task-Specific Feature Selector and Scheduler
T3S：利用任务特定特征选择器与调度器改进多任务强化学习
AI 总结：该研究针对多任务强化学习的任务间干扰问题，提出含特征选择器与任务调度器的T3S框架，在机器人操作任务上性能优于现有最优多任务强化学习算法。
链接：https://arxiv.org/abs/2608.30765
机构：Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）
作者：Yuanqiang Yu, Tianpei Yang, Yongliang Lv, Yan Zheng, Jianye Hao
41. S3C-LLM: Skill-Code Guided Agentic Language Models for Spectrum-to-Structure Elucidation
S3C-LLM：用于谱图到结构解析的技能-代码引导型智能体语言模型
AI 总结：S3C-LLM是一种技能-代码引导型智能体LLM，通过检索光谱学技能、执行分析代码整合证据与约束来解析分子结构，性能优于同类模型且训练语料更少。
链接：https://arxiv.org/abs/2608.30910
机构：Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
作者：Xuanle Zhao, Xinyuan Cai, Xiang Cheng, Bo Xu
42. One Policy Is Enough: Single-Agent Reinforcement Learning Outperforms Tree Search for Chemistry Tool Learning
一个策略就足够：单智能体强化学习在化学工具学习中优于树搜索
AI 总结：该研究提出单智能体强化学习模型，在ChemToolBench多工具化学任务上，相较CheMatAgent的树搜索方法，在Qwen-2.5-7B和Llama-3.1-8B上提升了工具F1、返回F1及答案通过率，且成本更低。
链接：https://arxiv.org/abs/2608.30952
机构：DIRO, Université de Montréal（蒙特利尔大学DIRO学院）； Mila - Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所）； Air Liquide（液化空气集团）
作者：Armin Dariani, Sifan Wu, Bang Liu, Entao Yang
43. Does On-Policy Distillation Really Distill? From Noisy Teacher to Self-Improvement
在线策略蒸馏（OPD）真的能实现蒸馏吗？从带噪声的教师模型到自我改进
AI 总结：本文针对在线策略蒸馏（OPD）的监督可靠性存疑的问题，提出无监督的在线策略自适应（OPSA）方法，在多个基准测试中较 OPD 和 Qwen3-1.7B 实现显著性能提升。
链接：https://arxiv.org/abs/2608.31046
机构：Purdue University（普渡大学）
作者：Yi Ding, Ruqi Zhang
44. V2TATC: A Joint Voice-Trajectory Embedding Framework and Dataset for Air Traffic Controller Situational Awareness
V2TATC：用于空中交通管制员态势感知的联合语音-轨迹嵌入框架与数据集
AI 总结：V2TATC是联合语音-轨迹嵌入框架，结合多模态技术，在旧金山湾区空域验证有效性，发布配对数据集并开展多类实验，助力空中交通管制员态势感知。
链接：https://arxiv.org/abs/2608.28981
机构：University of California, Berkeley（加利福尼亚大学伯克利分校）
作者：Louis Brusset, Mathurin Petit, Jordan Kam, Alexandre Bayen
45. Flow-JEPA: Flow Matching for Robust Latent Dynamics in JEPA World Models
Flow-JEPA：用于JEPA世界模型中鲁棒潜在动力学的流匹配方法
AI 总结：本研究针对JEPA世界模型确定性自回归预测器易累积误差且对扰动敏感的问题，提出Flow-JEPA，采用条件流匹配实现随机轨迹级预测，显著提升了干净及含噪观测下的平均成功率。
链接：https://arxiv.org/abs/2608.29029
机构：Nanyang Technological University（南洋理工大学）； The University of Queensland（昆士兰大学）
作者：Yanchen Huo, Ziying Song, Yadan Luo
46. A Causal Model for Locating and Unlocking Sandbagging in Model Organisms
用于定位和解锁模型“沙袋行为”的因果模型
AI 总结：本文提出用于定位和解锁模型“沙袋行为”的因果模型，通过单层轴嫁接或上下文嫁接可恢复模型能力，为审计人员提供干预审计技术。
链接：https://arxiv.org/abs/2608.29461
机构：University of California, Los Angeles（加利福尼亚大学洛杉矶分校）； Lida Safety； ERA
作者：Hong Kiat Tan, Linh Le, David Williams-King
47. Target-Aware State-Adaptive $p$-Dirichlet Graph Neural Regression for Non-Invasive Body-Composition Estimation
面向非侵入式身体成分估计的目标感知状态自适应$p$-狄利克雷图神经回归
AI 总结：该研究针对非侵入式身体成分估计问题，提出$p$SADE-GNR框架，在临床数据验证中其相关加权模型的预测误差优于传统回归方法，为该领域提供了有效解决方案。
链接：https://arxiv.org/abs/2608.29496
机构：Louisiana State University（路易斯安那州立大学）； Pennington Biomedical Research Center（彭宁顿生物医学研究中心）
作者：Nadejda Drenska, Matthew Lemoine, Gowri Priya Sunkara, Yu Wang, Sri Lakshmi Sravani Devarakonda, Steven B. Heymsfield
48. Asynchronous Cooperative Online Learning for Multi-Robot Control under Computational Delays
计算延迟下多机器人控制的异步协同在线学习
AI 总结：针对多机器人控制中计算延迟与查询点差异问题，提出异步协同在线学习策略与伴随MAS分布式控制律，经无人水面艇仿真验证，其学习与控制性能优于现有最优方法。
链接：https://arxiv.org/abs/2608.29562
机构：Technical University of Munich（慕尼黑工业大学）； University of California at Riverside（加州大学河滨分校）
作者：Xiaobing Dai, Zewen Yang, Wei Ren, Sandra Hirche
49. On the Resilience of Text-to-Video Diffusion Models to Hardware Faults
文本到视频扩散模型对硬件故障的鲁棒性研究
AI 总结：本研究首次系统性探究文本到视频（T2V）扩散模型对硬件故障的鲁棒性，发现单个故障可降低性能、改变语义，内存故障危害更大，揭示了已部署T2V系统的可靠性风险。
链接：https://arxiv.org/abs/2608.29598
机构：Oregon State University（俄勒冈州立大学）
作者：Zachary Coalson, A M Aahad, Stella Doehring, Zane Ma, Sanghyun Hong
50. Tracing Generated Samples to Training-Data Clusters in Flow-Matching Models
在流匹配模型中将生成样本溯源至训练数据簇
AI 总结：本研究针对流匹配模型，提出混合分析-学习方法推导簇级轨迹归因分数，经实验验证其在部分指标具竞争力，揭示流匹配归因受语义相似性等多因素影响。
链接：https://arxiv.org/abs/2608.30081
机构：Forschungszentrum Jülich（于利希研究中心）； Technical University Dortmund（多特蒙德工业大学）； Reichman University（赖希曼大学）； Lamarr Institute（拉马尔研究所）； Institute for AI in Medicine, University Hospital Essen（埃森大学医院医学人工智能研究所）； Helmholtz AI（亥姆霍兹人工智能）； University of Cologne（科隆大学）
作者：Rania Briq, Ohad Fried, Michael Kamp, Stefan Kesselheim
51. SMOTE-VAR: An Uncertainty-Aware Oversampling Method for Predicting Depression Remission in University Students
SMOTE-VAR：一种用于预测大学生抑郁缓解情况的不确定性感知过采样方法
AI 总结：针对大学生抑郁预测中ML模型的类别不平衡问题，本文提出SMOTE-VAR过采样方法，通过高斯过程方差函数估计样本不确定性减少假阳性，在抑郁数据集上表现优于现有方法，助力优化精神健康护理。
链接：https://arxiv.org/abs/2608.30102
机构：Deakin University（迪肯大学）； Black Dog Institute（黑狗研究所）； University of New South Wales（新南威尔士大学）
作者：Dang Nguyen, Arun Kumar A V, Taylor A. Braund, Wu Yi Zheng, Debopriyo Bal, Leonard Hoon, Jill Newby, Helen Christensen, Svetha Venkatesh, Alexis Whitton, Sunil Gupta
52. Language-Informed Flow Matching for Trend-Guided Structure-Based 3D Molecular Generation
用于趋势引导的基于结构的3D分子生成的语言知情流匹配
AI 总结：该研究提出基于流匹配的语言知情跨模态框架LiFT，通过“感知-演化-组装”智能体和自条件解耦路由器实现趋势引导的3D分子生成，在Cross-Docked2020数据集上验证了其分布匹配、药物化学指标及结构有效性的优势。
链接：https://arxiv.org/abs/2608.31009
机构：City University of Hong Kong（香港城市大学）； The University of Hong Kong（香港大学）； Stanford University（斯坦福大学）
作者：Tianyu Gao, Zhikai Su, Jiashu Li, Wenjun Gao, Zichuan Ying, Zhe Zhao, Fei Zhang, Ye Wei
53. Revisiting the Provable-Auditable Privacy Gap of DP-SGD
重新审视DP-SGD的可证明可审计隐私差距
AI 总结：本研究针对DP-SGD的可证明可审计隐私差距，提出轻量级防御框架提升其经验隐私且不损失理论隐私，经多场景评估验证其灵活性。
链接：https://arxiv.org/abs/2608.28934
机构：University of Texas at Austin（德克萨斯大学奥斯汀分校）； University of Waterloo（滑铁卢大学）； Vector Institute（矢量研究院）
作者：Saloni Modi, Srivi Balaji, Yusong Zhu, Gautam Kamath, Kevin Tian
54. Denoising as Projection: Constrained Optimization with Gradient-Guided Diffusion
去噪即投影：带梯度引导扩散的约束优化
AI 总结：本文提出一种将目标梯度融入去噪步骤的投影梯度引导扩散更新方法，用于结构化可行集上的约束优化，在三类设置中保证收敛，实验验证其平衡目标下降与几何保留的有效性。
链接：https://arxiv.org/abs/2608.29507
机构：MIT（麻省理工学院）； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
作者：Runyu Zhang, Jiawei Zhang, Gioele Zardini, Saurabh Amin, Asuman Ozdaglar
55. Unsupervised Multi-Scale Gromov-Wasserstein Hypergraph Alignment
无监督多尺度格罗莫夫-瓦瑟斯坦超图对齐
AI 总结：提出无监督最优传输框架FALCON，通过多尺度GW目标联合对齐超图各层级，在真实超图扰动基准上，其对结构噪声鲁棒且性能优于相关基线。
链接：https://arxiv.org/abs/2608.29635
机构：University of Liverpool（利物浦大学）； KTH Royal Institute of Technology（瑞典皇家理工学院）
作者：Lutz Oettershagen, Honglian Wang, Aristides Gionis
56. Reward-guided Fine-Tuning of One-Step Generative Models via Wasserstein Gradient Flow
基于Wasserstein梯度流的单步生成模型奖励引导微调
AI 总结：针对单步生成模型奖励引导微调未被充分探索的问题，本文从最优传输视角研究Wasserstein梯度流，提出无需奖励梯度的新型奖励引导微调方法，在多数据集多奖励任务上实现了更优奖励对齐效果。
链接：https://arxiv.org/abs/2608.29647
机构：Sungkyunkwan University（成均馆大学）； Korea Institute for Advanced Study（韩国高等研究院）
作者：Hoseong Hwang, Woorim Han, Joungin Chun, Jinseong Park, Jaewoong Choi
57. Convergence rates for the RMSprop optimizer with full control of the hyperparameters
超参数完全可控的RMSprop优化器的收敛速率
AI 总结：该研究针对超参数完全可控的RMSprop优化器，解决了凸随机优化下误差常数一致有界的未决问题，给出了适用于所有梯度步的非渐近收敛速率估计，核心创新为RMSprop二阶矩过程的逆矩界。
链接：https://arxiv.org/abs/2608.30382
机构：University of Münster（明斯特大学）； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
作者：Steffen Dereich, Arnulf Jentzen
58. State of Health Estimation using Convolutional and Bidirectional LSTM Neural Networks tuned by Bayesian Optimization
基于贝叶斯优化调优的卷积神经网络与双向长短期记忆神经网络的健康状态估计
AI 总结：本研究提出结合贝叶斯优化调优的CNN-BiLSTM混合架构，经特征工程处理后在三个公开数据集上以MAE、RMSE、FLOPs为指标，实现了高精度的电池SOH估计。
链接：https://arxiv.org/abs/2608.30593
机构：Politecnico di Milano（米兰理工大学）
作者：Panagiotis Eleftheriadis, Foivos Georgios Kyrgios, Sonia Leva
59. Reciprocity Separates Gradient Flow from Rotation in Conservative Physical Learning
互惠性在保守物理学习中分离梯度流与旋转
AI 总结：该研究探究物理学习系统的轨迹决定因素，构建有向分层传输网络模型，发现互惠性可分离梯度流与旋转，揭示守恒、互惠性及非互惠性在物理学习中的不同作用。
链接：https://arxiv.org/abs/2608.30778
机构：Hong Kong Shue Yan University（香港树仁大学）； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院）； University of the Witwatersrand（金山大学）
作者：Ruiwu Niu, Xiaowen Bi, Michaël Antonie van Wyk
60. Singular Curvature in ReLU Training:Differentiation and the Gradient-Flow Limit Need Not Commute
ReLU训练中的奇异曲率：微分与梯度流极限未必可交换
AI 总结：该研究证明ReLU训练中，梯度下降的离散导数与梯度流极限的导数存在偏差，揭示了奇异曲率相关的微分一致性问题，为相关训练方法提供了理论分析基础。
链接：https://arxiv.org/abs/2608.30960
作者：Xiaoyang Li, Runni Zhou
61. Temperature-Adaptive Transformed Teacher Matching
温度自适应变换教师匹配
AI 总结：该研究针对变换教师匹配（TTM）引入逐样本逆温度更新，提出温度自适应方法，在图像分类蒸馏基准上可提升TTM和WTTM性能，优于或媲美现有温度自适应蒸馏基线。
链接：https://arxiv.org/abs/2608.29099
机构：Graduate School of Advanced Science and Engineering Hiroshima University（广岛大学先进科学与工程学院）； Intelligent Production Technology Research & Development Center for Aerospace Gifu University（岐阜大学航空航天智能生产技术研究开发中心）
作者：Hiroaki Aizawa, Yoshikazu Hayashi
62. Knowledge Distillation under Teacher Misspecification: An Order-Parameter Analysis of the Gap between Teacher Mimicry and Task Performance
教师模型误设定下的知识蒸馏：教师模仿与任务性能之间差距的序参量分析
AI 总结：该研究在极简三方模型中分析教师模型误设定下的知识蒸馏，证明蒸馏误差对失配强度不变但真实误差及对应差距随其递增，警示仅用教师模仿指标评估蒸馏的局限性。
链接：https://arxiv.org/abs/2608.29472
机构：Nihon University（日本大学）； The Institute of Statistical Mathematics（统计数理研究所）
作者：Kazuyuki Hara, Hideitsu Hino
63. A Target-Centric Survey of Quantization-Aware Training
以目标为中心的量化感知训练综述
AI 总结：该研究针对大型语言模型的高内存与高计算需求问题，开展以目标为中心的量化感知训练（QAT）综述，梳理其理论基础、方法分类、评估范式及挑战，为未来研究指明方向。
链接：https://arxiv.org/abs/2608.29667
机构：Northeastern University（东北大学）； Shandong University（山东大学）； LMU Munich（慕尼黑大学）； MCML（慕尼黑计算与机器学习中心）
作者：Jiamin Song, Mengjie Zhao, Zijing Wang, Yongkang Liu, Qian Li, Shi Feng, Feiliang Ren, Daling Wang, Hinrich Schütze
64. CateKV: On Sequential Consistency for Long-Context LLM Inference Acceleration
CateKV：面向长上下文大语言模型推理加速的顺序一致性研究
AI 总结：本研究针对长上下文LLM推理的内存与延迟挑战，提出混合KV缓存方法CateKV，利用注意力头的顺序一致性特性减少冗余KV信息，在保持准确率的同时显著降低内存占用、提升解码与批量处理效率。
链接：https://arxiv.org/abs/2608.30295
机构：Shanghai Jiao Tong University（上海交通大学）； Alibaba Group（阿里巴巴集团）； Fudan University（复旦大学）
作者：Haoyun Jiang, Haolin Li, Jianwei Zhang, Fei Huang, Qiang Hu, Minmin Sun, Shuai Xiao, Yong Li, Junyang Lin, Jiangchao Yao
65. On the Plasticity Collapse in Continual Machine Unlearning
持续机器遗忘中的可塑性崩溃
AI 总结：本研究发现持续机器遗忘场景存在可塑性崩溃的固有问题，通过理论分析和多组实验证实其普遍性，为开发保可塑性遗忘算法提供了依据。
链接：https://arxiv.org/abs/2608.29513
机构：Illinois Institute of Technology（伊利诺伊理工学院）； Amazon（亚马逊公司）； Northwestern University（西北大学）； University of Michigan（密歇根大学）
作者：Yingdan Shi, Xiang Xu, Kaize Ding, Alfred O. Hero, Ren Wang
66. On the Recoverability of Private Information Unlearning in Large Language Models
大型语言模型中私有信息遗忘的可恢复性研究
AI 总结：本研究针对大型语言模型的私有信息遗忘问题，构建含虚假私有信息的合成数据集，提出白盒审计框架，发现五种现有遗忘方法中，逆贪心解码可恢复所谓已遗忘的信息，表明当前遗忘方法常无法完全消除敏感信息，需更可靠方法保障LLMs隐私。
链接：https://arxiv.org/abs/2608.29943
机构：University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）； University of Ottawa（渥太华大学）； Tongji University（同济大学）
作者：Shicheng Hu, Runzhi Tian, Ziqiao Wang, Yongyi Mao
67. Forget or Fine-tune? A Comparative Study of Machine Unlearning Strategies for Noisy Label Correction
遗忘还是微调？针对噪声标签修正的机器遗忘策略对比研究
AI 总结：本研究对比五种机器遗忘策略在不同噪声类型数据集上的效果，发现策略适配噪声结构，为噪声标签修正的机器遗忘策略选择提供实用指南。
链接：https://arxiv.org/abs/2608.30046
机构：Universidade Federal Rural de Pernambuco（伯南布哥联邦农村大学）
作者：João L. P. Santana, Filipe R. Cordeiro
68. Explainable Machine Learning for Broadband Adoption Disparities: Tract-Level Prediction and SHAP-Based Factor Profiling
面向宽带接入差距的可解释机器学习：普查 tract 级预测与基于 SHAP 的因素分析
AI 总结：该研究提出可解释机器学习框架，以普查 tract 为单位预测美国宽带接入差距，通过LightGBM与SHAP分析识别关键影响因素，筛选精度优于仅用收入的方法，时间稳定性良好。
链接：https://arxiv.org/abs/2608.29110
69. Information-Based Calibration of Uncertainty Quantification in Product-of-Experts Gaussian Process Models
专家乘积高斯过程模型中不确定性量化的基于信息的校准
AI 总结：该研究针对专家乘积高斯过程模型的后验方差高估问题，提出基于信息校准的GP-pro-c模型，在降低计算复杂度的同时，使NLL平均降2.3%、ENCE平均降12.0%，可用于高维大规模数据的贝叶斯优化。
链接：https://arxiv.org/abs/2608.29349
机构：University College London（伦敦大学学院）； The University of Manchester（曼彻斯特大学）
作者：Yean Hoon Ong, Paolo Barucca, Wei Pan, Jun Wang
70. Behavioral Latency as Weak Event-Time Supervision for EEG Reaction-Time Decoding
行为延迟作为脑电反应时解码的弱事件时间监督
AI 总结：该研究将试次级脑电反应时解码重新表述为事件时间后验建模，在5个随机种子下证实其相比标量回归等方法提升了预测性能，且具有可解释性。
链接：https://arxiv.org/abs/2608.29428
作者：Anuar Aimoldin, Ayana Mussabayeva, Yedige Mussabayev, Xue Liu, Kun Zhang
71. Last Step Matters: Early Uncertainty Cannot Predict Failure in Long-Horizon Agents
最后一步很重要：早期不确定性无法预测长视界智能体的失败
AI 总结：该研究发现长视界智能体的早期不确定性无法预测失败，仅最后一步的语言置信度可可靠区分失败，建议用最后一步置信度决定是否重启，其效果优于轨迹内干预。
链接：https://arxiv.org/abs/2608.29685
机构：Zhejiang University（浙江大学）； Ant Group（蚂蚁集团）
作者：Zongyue Li, Chengyue Yu, Lei Zang, Chenyi Zhuang, Linjian Mo, Leilei Gan
72. Diffusion-Based Inverse Design of Dielectric Resonator Metasurfaces for Shaping Smart Electromagnetic Environments
基于扩散模型的介质谐振器超表面逆设计用于构建智能电磁环境
AI 总结：该研究提出条件扩散框架用于介质谐振器超表面逆设计，可生成多个候选设计，其误差低于CMA-ES优化及确定性神经基线，推理效率更高。
链接：https://arxiv.org/abs/2608.29907
作者：M. Tsukerman, K. Grotov, D. Vovchuk, P. Ginzburg
73. Collapsibility of Performance Metrics in Clinical Predictive AI
临床预测AI中性能指标的可折叠性
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。
链接：https://arxiv.org/abs/2608.30568
机构：University of Oxford（牛津大学）； KU Leuven（鲁汶大学）； University of Birmingham（伯明翰大学）
作者：João Matos, Ben Van Calster, Richard D. Riley, Paula Dhiman, Gary S. Collins
74. Equivariant Sheaf Neural Networks: Learning Geometric Transport on Graphs
等变层状神经网络：学习图上的几何传输
AI 总结：该研究提出等变层状神经网络（ESNN），通过学习图上边的矩阵值几何传输，在保持等变性的同时提升了多个几何相关任务的性能。
链接：https://arxiv.org/abs/2608.28853
机构：University of Cambridge（剑桥大学）； Sapienza University of Rome（罗马第一大学）； University of Padua（帕多瓦大学）
作者：Alessio Borgi, Mario Severino, Fabrizio Silvestri, Pietro Liò
75. Conservative Hybrid Graph Networks for Process Systems with Learned Routing
带学习路由的过程系统保守混合图网络
AI 总结：提出保守混合图网络（CHGN），其学习路由等参数并插入固定输运方程以保证质量平衡，在过程网络任务上零样本迁移性能优于GNN基准，可揭示工厂隐式机制。
链接：https://arxiv.org/abs/2608.28896
机构：King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
作者：Paolo Guida
76. Graph4BiLO: Graph Neural Network Approximation for Bilevel Mixed-Integer Linear Optimization
Graph4BiLO：用于双层混合整数线性优化的图神经网络近似方法
AI 总结：本文提出Graph4BiLO，一种基于GNN的双层值函数学习方法，在背包拦截实例上与MibS、Neur2BiLO对比，取得相当目标值且可零样本跨规模迁移，但存在嵌入消息传递导致公式规模与求解时间增加的权衡问题。
链接：https://arxiv.org/abs/2608.30103
机构：
Bellini College of Artificial Intelligence, Cybersecurity and Computing, University of South Florida（南佛罗里达大学贝利尼人工智能、网络安全与计算学院）； Muma College of Business, University of South Florida（南佛罗里达大学穆玛商学院）； University of South Florida（南佛罗里达大学）
作者：Jessica D. Elrefaei, Kaixun Hua, Seungbae Kim, Hoang Nam Tran, Juan S. Borrero
77. Converse and Collision-Based Achievability for Node Localization with Hybrid Distance-Spectral Graph Positional Encodings
基于逆与碰撞的混合距离-频谱图位置编码节点定位可达性
AI 总结：该研究针对图位置编码的节点识别问题，提出混合距离-频谱编码，推导碰撞分解与信息公式，通过随机正则图和拉普拉斯能量坐标验证，实验显示其定位与句法树几何恢复性能优于单一编码基线。
链接：https://arxiv.org/abs/2608.30152
机构：National University of Defense Technology（国防科技大学）； Wuhan University（武汉大学）
作者：Zimo Yan, Yifan Li, Hao Li, Zheng Xie, Chang Liu, Zheming Tu, Yuan Wang
78. TopGQ: Fast GNN Post-Training Quantization Leveraging Topology Information
TopGQ：利用拓扑信息的快速GNN后训练量化
AI 总结：针对现有GNN量化方法开销大的问题，提出TopGQ框架，通过双轴尺度吸收和TopPIN拓扑分组实现快速后训练量化，量化时间降一个数量级且精度保留。
链接：https://arxiv.org/abs/2608.30394
机构：Seoul National University（首尔大学）
作者：Dain Kwon, Kanghyun Choi, Hyeyoon Lee, Sunjong Park, Seoyong Lee, Sukjin Kim, Jinho Lee
79. MolLedger: An Additive Graph Neural Network with Chemically Grounded ADME Attributions
MolLedger：一种具有化学基础ADME归因的加性图神经网络
AI 总结：MolLedger是一种加性图神经网络，内置原子级归因，可精确解释ADME预测且性能未受损，其归因更贴合化学性质，在分子对案例研究中解释性能优于其他方法。
链接：https://arxiv.org/abs/2608.30636
机构：Hamilton College（汉密尔顿学院）
作者：Christina X. Ji
80. CoMPASS: Collaborative Molecular Property Prediction via Adaptive Small-Large Model Synergy
CoMPASS：通过自适应大小模型协同实现协同分子性质预测
AI 总结：CoMPASS是一种用于大小模型协同的检索校准框架，通过结合GAT与LLM的优势，在分子性质预测任务中提升了可修正不确定性区域的性能并限制了LLM的不当干预。
链接：https://arxiv.org/abs/2608.30674
机构：Tsinghua University（清华大学）
作者：Wentao Li, Jiangjie Qiu, Yijun Li, Leyi Zhao, Xiaonan Wang
81. Generative multi-domain transfer learning for fault detection in data-scarce wind turbines
面向数据稀缺风电机组故障检测的生成式多领域迁移学习
AI 总结：本研究针对数据稀缺风电机组的故障检测问题，提出基于StarGAN的多领域生成式域映射方法，结合集成融合策略，可在少于2周训练数据时优于传统方法，还提出代理指标用于训练阶段检测性能不佳。
链接：https://arxiv.org/abs/2608.30323
机构：School of Engineering and Computer Science, Bern University of Applied Sciences（伯尔尼应用科学大学工程与计算机科学学院）； Faculty of Informatics, Università della Svizzera italiana（瑞士意大利语大学信息学院）； Department of Geoscience and Remote Sensing, Delft University of Technology（代尔夫特理工大学地球科学与遥感系）
作者：Stefan Jonas, Angela Meyer
82. Self-Supervised Pretext Tasks for Infant Cry Analysis: A Controlled Comparison and a Cautionary Result on Donateacry
用于婴儿哭声分析的自监督预文本任务：受控比较及Donateacry上的警示性结果
AI 总结：本文对比六种自监督预文本任务用于婴儿哭声分析，发现Donateacry哭声原因分类任务瓶颈在标签而非模型，且评估协议泄漏会虚高性能，有效样本量为婴儿数量。
链接：https://arxiv.org/abs/2608.30456
83. TSPFN: A Temporal Tabular Foundation Model for Physiological Time Series Classification
TSPFN：面向生理时间序列分类的时序表格基础模型
AI 总结：针对中低数据下生理时间序列分类的泛化难题，提出适配时序数据的TSPFN基础模型，经14万真实生理序列预训练后，在多基准上优于TabPFN等模型，跨域泛化更优。
链接：https://arxiv.org/abs/2608.31013
机构：Sorbonne Université（索邦大学）； CNRS（法国国家科学研究中心）； ISIR（巴黎索邦大学机器人与智能系统研究所）； MLIA（机器学习与人工智能实验室）； Inria（法国国家信息与自动化研究所）； I3S（信息科学与系统实验室）； Institut Universitaire de France (IUF)（法国大学研究院）； INSA-Lyon（里昂国立应用科学学院）； Université Claude Bernard Lyon 1（里昂第一大学）； Inserm（法国国家健康与医学研究院）； CREATIS（图像、信号与智能系统研究中心）
作者：Jérémie Stym-Popper, Clément Rambour, Federica Granese, Nicolas Thome, Olivier Bernard
84. Normalized Low-Rank Adaptation
归一化低秩适配
AI 总结：针对LoRA训练动态正则化不足的问题，提出归一化低秩适配（NoRA），通过归一化下投影矩阵提升LoRA性能，在多任务中加速收敛、改善稳定性并缓解灾难性遗忘，且无额外计算开销。
链接：https://arxiv.org/abs/2608.31036
机构：Yuanshi Intelligence（元氏智能）； The Chinese University of Hong Kong（香港中文大学）； Microsoft Research（微软研究院）； Shenzhen Loop Area Institute（深圳河套学院）
作者：Jiale Kang, Ziyin Yue, Zheng Zhan, Yangyi Huang, Weiyang Liu
85. Unlearning on Spatio-Temporal Graphs through Subgraph Virtual Edge Reconstruction
基于子图虚拟边重构的时空图遗忘学习
AI 总结：针对时空图节点遗忘效率低的问题，提出受胼胝体启发的CallosumNet框架，通过子图虚拟边重构和元图集成层实现高效完全遗忘，在四个数据集上保持高准确率。
链接：https://arxiv.org/abs/2608.29369
机构：Texas A&M University - Corpus Christi（德州农工大学科珀斯克里斯蒂分校）； Delft University of Technology（代尔夫特理工大学）； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）； Biogen（渤健公司）
作者：Qiming Guo, Wenbo Sun, Chen Pan, Ye Wang, Wenlu Wang
86. Where Induction Runs Out: Description-Length Difficulty and the Memorisation Gap in Integer-Sequence Benchmarks
归纳的尽头：整数序列基准中的描述长度难度与记忆差距
AI 总结：该研究以OEIS整数序列基准为对象，通过MDL参考学习器发现整数序列存在记忆差距，揭示语言模型在该基准中更多依赖记忆而非归纳，并提出MDL可作为无干扰难度信号。
链接：https://arxiv.org/abs/2608.29411
87. 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
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。
链接：https://arxiv.org/abs/2608.29420
机构：University of Oxford（牛津大学）
作者：Louis Yiven Zhu
88. MedCache: Efficient and Temporally Valid Memory for Longitudinal Clinical Agents
MedCache：面向纵向临床智能体的高效且具备时间有效性的记忆机制
AI 总结：本文针对纵向临床智能体的记忆设计问题，提出MedCache混合框架，经实验验证其可提升临床推理准确率与记忆效率，且具备跨模型骨干及外部数据集的泛化能力。
链接：https://arxiv.org/abs/2608.29528
机构：University of Michigan（密歇根大学）
作者：Hei Ting (Una) Chan, Chenwei Wu, Xueshen Liu, Boyuan Zheng, Liyue Shen, Jiasi Chen, Z. Morley Mao
89. A Lightweight Phenology-Aware YOLOv5 Framework for Tomato Growth Stage Detection in Resource-Constrained Bhutanese Greenhouse Environments
面向不丹资源受限温室环境的番茄生长阶段检测的轻量级物候感知YOLOv5框架
AI 总结：针对不丹资源受限温室环境，提出轻量级物候感知的Pheno-Lite+ECA架构，构建含2464张图像的番茄数据集，实现92.6% mAP@50，可用于当地番茄生长阶段检测
链接：https://arxiv.org/abs/2608.30088
作者：Sherab Gocha, Sou Nobukawa
90. Benchmarking Peptide-Protein Affinity Prediction Across Peptide and Target Shifts
跨肽和靶标偏移的肽-蛋白亲和力预测基准测试
AI 总结：该研究整合多源肽-蛋白结合数据构建基准，测试多种肽表示、ESM-2嵌入及回归器在不同划分下的性能，发现表示与回归器泛化特性，提出基准需匹配预期用途并联合评估多因素影响。
链接：https://arxiv.org/abs/2608.30175
机构：College of Biology, Hunan University（湖南大学生命科学学院）； Lingang Laboratory（临港实验室）
作者：Jiaxin Tian, Darren An, Jun Li
91. E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation
电商基准测试集：评估大语言模型智能体在长周期自主商业运营中的表现
AI 总结：该研究推出首个开源电商长周期自主商业运营基准E-Commerce Bench，评估18个前沿LLM智能体，发现无单一模型占优，GPT-5.6 Sol盈利最高，Qwen3.8-Max-Preview为开源模型最优。
链接：https://arxiv.org/abs/2608.30730
机构：Qwen Team, Alibaba Group（通义千问团队，阿里巴巴集团）； Department of Computer Science and Engineering, HKUST（香港科技大学计算机科学与工程系）； Taobao & Tmall Group, Alibaba Group（阿里巴巴集团淘宝天猫集团）
作者：Wei Fan, Xinjie Shen, Xudong Guo, Jianhong Tu, Yang Su, Yinger Zhang, Lianghao Deng, Fengyu Wang, Baohua Dong, Yangqiu Song, Dayiheng Liu
92. Do VLMs Share Safety Neurons Across Modalities?
视觉语言模型（VLMs）是否在不同模态间共享安全神经元？
AI 总结：该研究针对10个视觉语言模型，通过因果神经元层面分析，提出两阶段迭代消融检测流程与两个模态隔离基准，发现文本安全神经元集中、视觉安全高维弥散的差距，解释了当前对齐未缩小视觉安全差距的原因。
链接：https://arxiv.org/abs/2608.30750
机构：SB Intuitions Corp.（SB Intuitions公司）
作者：Jiaxuan Li, Jiahao Zhang, Duc Minh Vo, Huy H. Nguyen, Pride Kavumba, Koki Wataoka
93. Towards Stream Learning on Embedded Systems: Benchmarking the Memory Consumption of Stream Learning Methods
面向嵌入式系统的流学习：流学习方法内存消耗的基准测试
AI 总结：该研究针对嵌入式系统资源稀缺问题，通过6463次实验基准测试7种流分类器，发现自适应集成与增量树的内存故障模式，呼吁将有界资源使用设为流学习设计目标并提出相关API。
链接：https://arxiv.org/abs/2608.30923
机构：Lamarr Institute（拉马尔研究所）； Halmstad University（哈尔姆斯塔德大学）； Victoria University of Wellington（惠灵顿维多利亚大学）
作者：Sebastian Buschjäger, Nuwan Gunasekara, Heitor Murilo Gomes
94. Stress-Testing Efficient Responsible-AI Evaluation: When Compute Savings Change Benchmark Conclusions
对高效负责任AI评估的压力测试：当计算节省改变基准结论时
AI 总结：该研究通过在BBQ和BBQ-V上对3种模型开展7种条件下的测试，验证高效负责任AI评估的结论稳健性，发现不同高效评估方式对性能、能耗等的影响，提出需检查高效评估的有效性。
链接：https://arxiv.org/abs/2608.31108
机构：Vector Institute（向量研究所）； University of Calgary（卡尔加里大学）
作者：Ahmed El Kady, Aravind Narayanan, Rehana Noorani, Yani Ioannou, Shaina Raza
95. Spatial Entropy based Partitioning for Spatiotemporal Graph Unlearning
基于空间熵的时空图遗忘分区方法
AI 总结：针对时空图遗忘需兼顾精确性与效率的问题，提出IsleNet，通过空间熵引导分区与轻量虚拟边连接，仅重训练受影响子图，在保持94%全图精度的同时将遗忘时间减至1/10以内。
链接：https://arxiv.org/abs/2608.29360
机构：Delft University of Technology（代尔夫特理工大学）； Biogen（渤健公司）； Texas A&M University - Corpus Christi（德州农工大学科珀斯克里斯蒂分校）
作者：Qiming Guo, Wenbo Sun, Ye Wang, Wenlu Wang
96. SS-ESOAP: Self-Scaled Adaptive Preconditioning for Physics-Informed Learning
SS-ESOAP：面向物理信息学习的自缩放自适应预处理
AI 总结：该研究针对物理信息神经网络的病态目标问题，提出SS-ESOAP优化方法，在8个PDE基准中多数取得最低残差，在Boussinesq问题上优于Adam，为刚性高精度物理信息训练提供可扩展选项。
链接：https://arxiv.org/abs/2608.29448
机构：McGill University（麦吉尔大学）； California Institute of Technology（加州理工学院）； Aarhus University（奥胡斯大学）； University of Copenhagen（哥本哈根大学）
作者：Guangyuan Wang, Mads Toftrup, Sebastian Loeschcke, Yixuan Wang, Anima Anandkumar
97. Predicting the Unpredictable: LLM-powered Long-term Chaotic Time Series Forecasting under Short-term Observations
预测不可预测之物：基于大语言模型的短期观测下长期混沌时间序列预测
AI 总结：针对短期观测下长期混沌时间序列预测难题，提出PAC-LLM框架，结合相空间特征与LLMs能力，在多组混沌系统实验中优于现有基线方法。
链接：https://arxiv.org/abs/2608.29579
机构：Nanjing University of Posts and Telecommunications（南京邮电大学）； Arizona State University（亚利桑那州立大学）
作者：Yuhang Yao, Bohan Jiang
98. LLMODE: Aligning ODEs with LLMs via Gated Token Injection for Irregular Spatio-Temporal Forecasting
LLMODE：通过门控令牌注入将常微分方程（ODE）与大语言模型（LLM）对齐以用于不规则时空预测
AI 总结：
LLMODE是基于冻结LLM的框架，通过图感知ODE编码器等处理不规则时空数据，在多数据集上表现优异，零样本泛化能力强。
链接：https://arxiv.org/abs/2608.29640
机构：Beihang University（北京航空航天大学）
作者：Di Zhang, Jingyang Zhang, Ziqian Wang, Chi Zhang, Yikun Ban, Ziwei Zhang, Ruijie Wang
99. Sensitivity-Constrained Neural Operators for Data-Efficient Forward and Inverse Modeling of Partial Differential Equation Systems
用于偏微分方程系统数据高效正演与反演建模的灵敏度约束神经算子
AI 总结：本文提出灵敏度约束神经算子（SC-NO），通过采样灵敏度监督改进神经PDE代理，在正演预测、反演重建等任务中提升精度与效率，实现了更优的精度-成本权衡。
链接：https://arxiv.org/abs/2608.29888
机构：Penn State University（宾夕法尼亚州立大学）； School of Electrical Engineering and Computer Science, Penn State University（宾夕法尼亚州立大学电气工程与计算机科学学院）
作者：Abdolmehdi Behroozi, Chaopeng Shen, Daniel Kifer, Kathryn Lawson
100. Joint Spatiotemporal Spectral Neural Operators for Learning PDEs on Irregular Domains
用于学习不规则域上偏微分方程的联合时空谱神经算子
AI 总结：针对不规则域上PDE解算子学习的挑战，提出GSNO，通过统一时空谱核实现全局一致的算子学习，在PDE基准测试中精度优异且零样本泛化能力强。
链接：https://arxiv.org/abs/2608.29892
机构：Penn State University（宾夕法尼亚州立大学）
作者：Abdolmehdi Behroozi, Chaopeng Shen
101. Selection, Representation, and Execution in Sparse Fourier Neural Operators
稀疏傅里叶神经算子中的选择、表示与执行
AI 总结：本文通过实证研究分析稀疏FNO中表示、参数、操作数、运行时的稀疏性差异，发现粗化执行网格降理论成本但不减延迟、减参数83%仍慢于基线，提出有用稀疏性需保精度且映射到廉价执行路径的定义。
链接：https://arxiv.org/abs/2608.30070
机构：Deutsches Elektronen-Synchrotron DESY（德国电子同步加速器研究所）
作者：Abdul Qadir Ibrahim, Martin Burger
102. Certified Safety Radii in Forecast-Error Space for Wasserstein Distributionally Robust Small Signal Stability-Constrained AC Optimal Power Flow via Lifted Spectrahedral Containment
通过提升谱面体包含性实现Wasserstein分布鲁棒小信号稳定约束的交流最优潮流的预测误差空间中的可证安全半径
AI 总结：本文针对交流最优潮流中小信号稳定性鲁棒化的难题，通过提升谱面体包含性，在预测误差空间中优化可证安全半径，结合Perron证书等技术实现Wasserstein分布鲁棒机会约束的重构，数值验证了框架有效性。
链接：https://arxiv.org/abs/2608.30201
机构：College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化学院）
作者：Ziqi Zhang, Xi Chen
103. Learning PDE Time-Stepping with Neural Cellular Automata
用神经细胞自动机学习偏微分方程的时间步进
AI 总结：该研究针对偏微分方程经典数值求解器重复计算成本高的问题，提出基于神经细胞自动机的代理模型，在5类偏微分方程实验中多数场景下长时程相对误差低于PDE-Net、PINN、FNO等基准模型。
链接：https://arxiv.org/abs/2608.30328
机构：University of Alberta（阿尔伯塔大学）； Interdisciplinary Lab for Mathematical Ecology and Epidemiology (ILMEE)（数学生态学与流行病学跨学科实验室）
作者：Esha Saha, Hao Wang
104. When the Martingale Never Stops Firing: Anytime-Valid Gating on Real Forecast Streams
当鞅永不停止触发：真实预测流上的任意时刻有效门控机制
AI 总结：本研究针对真实预测流场景，测试了任意时刻有效门控机制在修正时间序列基础模型时的有效性，发现其在真实流上触发异常，采用Huber式门控可显著降低退化，建议相关方法附带空校准控制。
链接：https://arxiv.org/abs/2608.30502
机构：University of Washington（华盛顿大学）
作者：Weijia Han, Lisha Qu
105. Learning Materials Properties from Scarce Labels and Unlabeled Crystals
从稀缺标签和未标记晶体中学习材料属性
AI 总结：该研究针对稀缺标签和未标记晶体的材料属性学习挑战，提出半监督材料属性回归基准SemiMat与可靠性加权目标MatRank，经实验验证MatRank可降低测试误差并提升方法排名。
链接：https://arxiv.org/abs/2608.30682
机构：Tsinghua University（清华大学）； State Key Laboratory of Chemical Engineering and Low-Carbon Technology（化学工程与低碳技术国家重点实验室）； Beijing Key Laboratory of Artificial Intelligence for Advanced Chemical Engineering Materials（先进化工材料人工智能北京市重点实验室）
作者：Wentao Li, Yizhe Chen, Jiangjie Qiu, Yijun Li, Leyi Zhao, Xiaonan Wang
106. Deploying DeepSeek 175B Locally on a Single Consumer-Grade RTX 4060 Laptop with 32GB RAM for 200k-Scale Protein-Ligand Virtual Screening
在配备32GB内存的单台消费级RTX 4060笔记本电脑上本地部署DeepSeek 175B，开展20万规模的蛋白-配体虚拟筛选
AI 总结：本研究提出低资源框架，在单台消费级RTX 4060笔记本本地部署DeepSeek 175B，完成20万规模蛋白-配体虚拟筛选，满足药物发现精度要求，为早期药物发现建立低门槛范式。
链接：https://arxiv.org/abs/2608.30877
107. A Human-in-the-Loop Autonomous Agent for Industry Time Series Forecasting
面向工业时间序列预测的人在回路自主智能体
AI 总结：提出面向工业时间序列预测的人在回路自主系统CastClaw，整合多类资源实现预测全流程，在5个电价数据集上优于16个基线，还经电力负荷数据离线验证。
链接：https://arxiv.org/abs/2608.30976
机构：University of Science and Technology of China（中国科学技术大学）
作者：Xiaoyu Tao, Mingyue Cheng, Ze Guo, Bokai Pan, Qi Liu, Shijin Wang, Enhong Chen
108. Unsupervised Latent Space Alignment with Hyperspherical Geodesic Matching
基于超球面测地线匹配的无监督潜在空间对齐
AI 总结：该研究提出HGA方法，无需配对样本即可实现潜在空间的无监督对齐，在模型拼接等任务中性能可与有监督方法相当。
链接：https://arxiv.org/abs/2608.28840
机构：Northeastern University（东北大学）； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）
作者：Cameron Ryan, Vivek Sivaraman Narayanaswamy, Kowshik Thopalli, Shusen Liu
109. Curvature Cryptanalysis of Smooth Transformer Feed-Forward Networks
平滑Transformer前馈网络的曲率密码分析
AI 总结：该研究针对带GELU/SiLU激活的Transformer前馈网络，利用黑盒二阶观测的曲率泄漏，仅用少量查询即可恢复其内部结构，生成高保真替代模型。
链接：
https://arxiv.org/abs/2608.28843
机构：National Institute of Standards and Technology（美国国家标准与技术研究院）； Michigan Technological University（密歇根理工大学）
作者：Munawar Hasan, Apostol Vassilev
110. Off-Policy Evaluation for Semantic ID Recommenders: Does the Model's Own Code Hierarchy Help?
语义ID推荐器的离线策略评估：模型自身的代码层次结构是否有帮助？
AI 总结：该研究探讨能否用生成式推荐器的语义ID树作为离线策略评估的动作抽象，提出通过代码前缀簇粗化的方法提升评估效果，明确粗化增益的来源及分辨率深度的调节作用。
链接：https://arxiv.org/abs/2608.28905
机构：Criteo AI Lab（Criteo人工智能实验室）
作者：Artem Betlei
111. Learning-Theoretic Foundation for General Coded Computing: The Straggler Setting
通用编码计算的学习理论基础：掉队者设置
AI 总结：本文从学习理论视角提出通用编码计算（GCC），通过端到端均方误差损失建立其理论基础，在最坏情况和概率两种掉队者机制下证明了GCC的损失收敛速率，拓展了编码计算在机器学习工作负载中的适用性。
链接：https://arxiv.org/abs/2608.28910
机构：University of Minnesota, Twin Cities（明尼苏达大学双城分校）； Harvard University（哈佛大学）
作者：Parsa Moradi, Behrooz Tahmasebi, Mohammad Ali Maddah-Ali
112. SemKV: Semantic Mixed-Precision KV Cache Quantization Guided by the Quality Cliff for Long-Context LLM Inference
SemKV：面向长上下文大语言模型推理的、由质量悬崖引导的语义混合精度KV缓存量化
AI 总结：SemKV基于质量悬崖提出语义混合精度KV缓存量化，保留所有token并分配特定精度，实现6.0倍存储压缩且无质量损失，优于FP16 token剪枝，替换量化器可提升压缩比至7.9倍。
链接：https://arxiv.org/abs/2608.28911
机构：Electronics and Telecommunications Research Institute (ETRI)（电子通信研究院（ETRI））
作者：Daeha Lee, Do-Hyung Kim, Jae-Hong Kim
113. RankShift: In-Database Detection and Explanation of Categorical Shifts
RankShift：数据库内分类分布偏移的检测与解释
AI 总结：RankShift是一种数据库内分类分布偏移检测方法，无需模型训练，在HDFS、BGL等数据集上检测性能接近或优于计数向量自编码器，可检测罕见类别偏移且误报率符合要求。
链接：https://arxiv.org/abs/2608.28922
机构：Microsoft（微软）
作者：Omair Shafi Ahmed
114. From the Loss Landscape to Diverse Feature Learning in Neural Networks
从损失地形到神经网络中的多样化特征学习
AI 总结：本论文针对神经网络研究中对其解决方案机制认知不足的问题，阐明并利用损失地形中的模式连通性特殊结构，以推动神经网络的可解释性研究。
链接：https://arxiv.org/abs/2608.28948
机构：TOYOTA TECHNOLOGICAL INSTITUTE AT CHICAGO（芝加哥丰田理工学院）
作者：David Aram Yunis
115. NVE: A Separability and Coverage-Aware Internal Validation Metric for Biclustering
NVE：一种面向双聚类的可分性与覆盖率感知内部验证指标
AI 总结：
本文提出面向双聚类的内部验证指标NVE及变体NVE₍cov₎，通过引入可分性与覆盖率考量，补充了传统仅评估一致性的双聚类验证方法，经实验验证其能更全面评估双聚类质量。
链接：https://arxiv.org/abs/2608.29045
机构：Robert Bosch Center for Cyber-Physical Systems (RBCCPS)（罗伯特博世网络物理系统中心（RBCCPS））； Indian Institute of Science（印度科学学院）； Cisco India（思科印度公司）； University of Melbourne（墨尔本大学）； Centre for Infrastructure, Sustainable Transportation and Urban Planning (CiSTUP)（基础设施、可持续交通与城市规划中心（CiSTUP））
作者：Paritosh Tiwari, I Navin Kumar, James C. Bezdek, Punit Rathore
116. Sparse Koopman Autoencoders Identify Local Dynamical Regimes in Multibasin Systems
稀疏Koopman自编码器识别多盆系统中的局部动力学 regime
AI 总结：该研究提出稀疏Koopman自编码器（SKAEs），无需标签即可识别多盆系统的局部动力学 regime，其预测性能优于密隐KAEs，且隐支撑可有效识别吸引盆。
链接：https://arxiv.org/abs/2608.29057
机构：Chandar Research Lab（钱达尔研究实验室）； Mila – Quebec AI Institute（米拉-魁北克人工智能研究所）； Université de Montréal（蒙特利尔大学）； University of Pennsylvania（宾夕法尼亚大学）； NVIDIA（英伟达）； Polytechnique Montréal（蒙特利尔理工学院）
作者：Aidan Li, Uday Kiran Reddy Tadipatri, Mahan Fathi, Sarath Chandar, Ross Goroshin
117. Selective Disclosure of Hidden Directives in Reasoning Models: Behavioral Asymmetry and Steering
推理模型中隐藏指令的选择性披露：行为不对称性与引导
AI 总结：该研究针对8个前沿推理模型，发现其CoT对恶意隐藏指令的披露概率高于良性指令，存在行为不对称性，且共享隐藏方向的差异化激活是该不对称性的来源。
链接：https://arxiv.org/abs/2608.29070
机构：SPAR Research（SPAR研究院）； Yale University（耶鲁大学）
作者：Zimo Shi, Xander Tifft, Wen Xing
118. Development of an Autonomous AI Coding Agent using Monte Carlo Tree Search (MCTS) and Gemini LLM Frameworks
基于蒙特卡洛树搜索（MCTS）和Gemini大语言模型框架的自主AI编码智能体开发
AI 总结：本研究开发了一种结合Gemini LLM与定制MCTS的自主AI编码智能体，通过自评判系统优化代码生成，在复杂逻辑任务上成功率达92%，性能优于零样本生成模型。
链接：https://arxiv.org/abs/2608.29096
作者：Pravin Game, Vipin Ramakrishnan, Prathamesh Wagh
119. PathGuide: Dynamic Classifier-Free Guidance via On-Policy Transport Alignment
PathGuide：基于在线策略传输对齐的动态无分类器引导
AI 总结：PathGuide将标量CFG选择转化为在线策略传输问题，通过推导的选择准则实现动态最优引导尺度，在低分辨率图像等任务中提升了路径对齐度与样本保真度。
链接：https://arxiv.org/abs/2608.29107
机构：Technion - Israel Institute of Technology（以色列理工学院）
作者：Avishag Nevo, Tamir Hazan
120. HalluPrism: When Multimodal Uncertainty Should Diagnose, Not Decide
HalluPrism：多模态不确定性应用于诊断而非决策
AI 总结：该研究提出HalluPrism，通过视觉扰动敏感性等三维特征诊断多模态大语言模型的失败类别，提升了失败检测的AUROC，明确多模态不确定性应先诊断再决策。
链接：https://arxiv.org/abs/2608.29193
机构：Indian Institute of Technology Delhi（德里印度理工学院）； Dhirubhai Ambani University（德鲁巴伊·安巴尼大学）
作者：Aman Prakash, Sourish Dasgupta, Tanmoy Chakraborty
121. PokaiTrainer: Scaling Belief-State Search to Competitive Pokémon VGC
PokaiTrainer：将信念状态搜索扩展至具备竞争力的宝可梦电子竞技游戏（VGC）
AI 总结：PokaiTrainer将Student of Games算法适配至自主开发的Rust战斗引擎PokaiEngine，构建出击败多数人类玩家、峰值进入宝可梦VGC天梯前500的竞技智能体。
链接：https://arxiv.org/abs/2608.29197
122. Adaptive Multi-Branching for Shallow Decision Tree Induction
面向浅层决策树归纳的自适应多分岔方法
AI 总结：提出带自适应剪枝的多分岔神经决策树（MBNDT），在21个OpenML二分类基准的受深度约束单树中获最佳平均排名与平衡准确率，多分支分裂是性能提升关键。
链接：https://arxiv.org/abs/2608.29262
机构：Pusan National University（釜山大学）
作者：Hanul Park, Jeonghoon Choi, Juseong Kim, Sanghun Sel, Giltae Song
123. A Spectral Identifiability Threshold for Dissipative Rate Recovery from Truncated Liouvillian Spectra
从截断的刘维尔谱中恢复耗散率的谱可识别性阈值
AI 总结：该研究针对6量子比特Lindblad模型，确定从截断刘维尔谱恢复耗散率的可识别性阈值，发现最小二乘法在n=6时精度远优于表格学习方法，结论适用于无噪声模拟器谱。
链接：https://arxiv.org/abs/2608.29302
机构：Dulwich College Shanghai（上海德威国际学校）； Shanghai Jiao Tong University（上海交通大学）
作者：Yujun Ji, Somyajit Chakraborty
124. MEL: Coordinate-Preserving EEG Tokenization for fMRI Translation
MEL：用于fMRI转换的坐标保留型EEG分词
AI 总结：本研究提出坐标保留型EEG表示框架MEL，通过结构化EEG表示解决EEG到fMRI转换中的表示接口不匹配问题，在基准数据集上相比NeuroBOLT基线提升了预测性能。
链接：https://arxiv.org/abs/2608.29304
机构：Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院）； The University of Hong Kong（香港大学）； Peking University（北京大学）
作者：Xiangyu Liu, Zeting Yan, Zhitong Yin, Boyang Li, Xi Zhang
125. Fully Distributed GNE Algorithms for Multi-Robot Placement without Consensus on Multipliers
无乘子共识的多机器人部署问题的完全分布式GNE算法
AI 总结：针对多机器人部署的广义纳什均衡问题，提出无需乘子交换的完全分布式连续时间及离散时间算法，降低通信开销、提升隐私，经多机器人部署任务验证有效。
链接：https://arxiv.org/abs/2608.29388
机构：University of Minnesota（明尼苏达大学）
作者：Shao-An Yin, Mingyi Hong, Nicola Elia
126. Scalable Clinical Data Infrastructure and Comparative ML Evaluation for Hospitalisation Risk Prediction in Elderly Patients with Multiple Long-Term Conditions using CPRD
基于CPRD的患有多种长期疾病的老年患者住院风险预测的可扩展临床数据基础设施与机器学习对比评估
AI 总结：该研究基于CPRD数据构建临床数据基础设施，对比TG-CNN、LASSO逻辑回归、随机森林预测老年多病患者住院风险，发现LASSO虽区分度非最优但校准性好，更适合临床部署。
链接：https://arxiv.org/abs/2608.29419
机构：
School of Information, University of Sheffield（谢菲尔德大学信息学院）； School of Medicine, Faculty of Medicine and Health, University of Leeds（利兹大学医学与健康学院医学院）； Division of Informatics, University of Manchester（曼彻斯特大学信息学系）； Academic Unit for Ageing & Stroke Research, University of Leeds（利兹大学衰老与中风研究学术单元）； Institute of Population Health, University of Liverpool（利物浦大学人口健康研究所）
作者：Asra Aslam, Volodymyr Chapman, Maurice M. O'Connell, Aseel S. Abuzour, Michael Abaho, Danushka Bollegala, Gary Leeming, Eduard Shantsila, Andrew Clegg, Lauren E. Walker, Iain Edward Buchan, Samuel D. Relton
127. Does Latent Planning Survive Point Clouds? Action-Conditioned JEPA World Models for Geometric Observations
潜在规划在点云场景中是否可行？面向几何观测的动作条件JEPA世界模型
AI 总结：该研究将JEPA模型扩展至点云场景，验证了三种JEPA设计可在点云规划中有效工作，其中动作敏感型模型表现最优，还实现了无需目标观测的3D目标接口构建。
链接：https://arxiv.org/abs/2608.29434
机构：AIT Austrian Institute of Technology（奥地利技术研究所）； Assistive & Autonomous Systems（辅助与自主系统）
作者：Fabio F. Oberweger, Michael Schwingshackl
128. 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
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。
链接：https://arxiv.org/abs/2608.29494
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）
作者：Yong Wang, Dylan McGagh, Katya Broomberg, Zizheng Zhang, Jonathan Carter, Junayed Naushad, Laura Brocklebank, Yang Sun, George Nicholson, Dianjianyi Sun, Canqing Yu, Jun Lv, Maxim Barnard, Hubert Lam, Andrew Steptoe, David W. Eyre, Liming Li, Zhengming Chen, Naomi Wray, Spiros Denaxas, Gary S. Collins, Huaidong Du, Aiden Doherty, Hang Yuan
129. Adversarial Online Classification with a Preview
带预览的对抗在线分类
AI 总结：该研究提出带预览的对抗在线分类模型，刻画了预览率p对二元及多类别分类最优超额损失的影响，提出ChainedPrediction算法以实现精确二元界，用随机预览替代最坏情况序列复杂度。
链接：https://arxiv.org/abs/2608.29503
机构：School of Electrical & Computer Engineering, Tel Aviv University（特拉维夫大学电气与计算机工程学院）； School of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机学院）
作者：Roi Livni, Sahil Singla
130. Which LLM for Which Work? Budgeted Model Allocation under Uncertain Evaluation
哪种大语言模型适用于哪种工作？不确定评估下的预算模型分配
AI 总结：该研究针对固定AI预算下LLM分配的不确定评估问题，提出CASE方法，通过双求解证书判断最优分配，实验表明模型质量信息优化比分配优化更具价值。
链接：https://arxiv.org/abs/2608.29560
机构：Georgia Institute of Technology（佐治亚理工学院）
作者：Hamed Khosravi, Xiaoming Huo
131. Event-triggered Control and Online Learning for Networked Systems under Computational Delays
计算延迟下网络化系统的事件触发控制与在线学习
AI 总结：本文针对存在计算延迟的网络化系统，提出结合异步事件触发机制的在线学习控制框架，推导跟踪误差界与事件触发条件，实现与时间触发相当的控制性能并排除芝诺行为。
链接：https://arxiv.org/abs/2608.29576
机构：Technical University of Munich（慕尼黑工业大学）； ETH Zurich（苏黎世联邦理工学院）； Eindhoven University of Technology（埃因霍温理工大学）； East China University of Science and Technology（华东理工大学）； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所）
作者：Xiaobing Dai, Armin Lederer, Zewen Yang, Sihua Zhang, Lu Wan, Yang Tang, Sandra Hirche
132. Adaptive Doubly Robust Off-Policy Evaluation for Ranking Policies under Diverse User Behavior
面向多样化用户行为的排序策略的自适应双重鲁棒离线策略评估
AI 总结：针对多样化用户行为下排序策略的离线评估挑战，提出自适应双重鲁棒（ADR）方法，结合自适应重要加权与奖励回归，在合成实验中降低了均方误差。
链接：https://arxiv.org/abs/2608.29600
机构：Institute of Science Tokyo（东京科学大学）
作者：Kosuke Iguchi, Ren Kishimoto
133. Wide Learning: Learning to Reach Evidence
广度学习：学习触及证据
AI 总结：该研究提出广度学习概念，形式化学习器的有效认知触及范围，通过受控构造证明学习可在原始可供性与资源固定时改变该范围，为学习系统评估提供了新维度。
链接：https://arxiv.org/abs/2608.29608
机构：School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院）； Shenzhen 518107, China（中国深圳）
作者：Junzhou Chen
134. Creation begins with understanding: LLMs as strategy designers for privacy-preserving tabular data synthesis
创造始于理解：将大型语言模型（LLM）用作隐私保护型表格数据合成的策略设计者
AI 总结：针对表格数据合成的隐私与结构问题，提出TabSSD方法，利用LLM设计合成流程，在12个数据集上实现多指标最优平衡，降低计算与专业门槛
链接：https://arxiv.org/abs/2608.29674
机构：School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）； Broad College of Business, Michigan State University（密歇根州立大学broad商学院）； Commonwealth Scientific and Industrial Research Organisation (CSIRO)（英联邦科学与工业研究组织）； Center of Excellence for Generative AI, King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学生成式人工智能卓越中心）； The Swiss AI Lab, IDSIA-USI/SUPSI（瑞士人工智能实验室IDSIA-USI/SUPSI）
作者：Jinmeng Li, Quan Zhang, Hangting Ye, He Zhao, Firas Laakom, Dandan Guo, Jürgen Schmidhuber
135. Higher-Dimensional Rotary Position Embedding
高维旋转位置嵌入
AI 总结：针对RoPE跨通道混合与鲁棒性不足的问题，提出HD-RoPE，通过扩展至高维旋转并引入Paley-I正交基，在无额外参数的情况下提升性能，获基准测试显著改善。
链接：https://arxiv.org/abs/2608.29715
机构：The Chinese University of Hong Kong（香港中文大学）； Tencent Hunyuan（腾讯混元）； Tsinghua University（清华大学）； University of Macau（澳门大学）
作者：Yixing Li, Ruobing Xie, Yudong Zhang, Yushi Bai, Samm Sun, Yu Cheng
136. GraM-Diff: A Unified Graph-Mamba Diffusion Framework for EEG-Based Alzheimer's Disease Data Generation and Diagnosis
GraM-Diff：用于基于脑电图的阿尔茨海默病数据生成与诊断的统一图-状态空间扩散框架
AI 总结：本研究提出GraM-Diff框架，通过结合图卷积网络与双向Mamba状态空间块生成脑电图数据，用于阿尔茨海默病诊断，在四个基准测试中提升了分类性能与鲁棒性。
链接：https://arxiv.org/abs/2608.29755
机构：
Indian Institute of Technology Indore（印度理工学院印多尔分校）
作者：M. Tanveer, Ayush Singh Rana, Sanskriti Jain, Arnav Kumar, Aryaman Tiwari, A. Rahaman, A. Quadir, M. Sajid
137. ECA-BLS: An Efficient Complex-Augmented Broad Learning System
ECA-BLS：一种高效的复增广宽学习系统
AI 总结：本文提出ECA-BLS，通过将复增广BLS转换为实域形式降低计算成本，在26个基准数据集上表现优于经典BLS及先进随机神经网络，为BLS研究补充了增广二阶建模维度。
链接：https://arxiv.org/abs/2608.29763
机构：Indian Institute of Technology Indore（印度印多尔印度理工学院）
作者：A. Rahaman, A. Quadir, M. Sajid, M. Akhtar, M. Tanveer
138. PruneShift: A Framework for Evaluating Decision Reliability in Structured Pruning
PruneShift：结构化剪枝中决策可靠性的评估框架
AI 总结：该研究提出PruneShift框架，将结构化剪枝的预测保真度、局部保真度与决策质量分离，经多数据集实验验证，证明需分别评估剪枝的预测拟合、决策可靠性及方法质量。
链接：https://arxiv.org/abs/2608.29765
机构：University of Chinese Academy of Sciences（中国科学院大学）
作者：Hao Ye, Gaopeng Zhang
139. Partially Linear Autoencoders for Manifold Learning and Dimensionality Reduction
用于流形学习与降维的部分线性自编码器
AI 总结：该研究探究自编码器编码器的作用，提出线性编码器自编码器（Lenc-AE）架构，经多数据集验证其重构质量与全非线性自编码器相当，且在简约性、可解释性上更优，明确非线性解码器是流形学习的关键。
链接：https://arxiv.org/abs/2608.29867
机构：CEA List, Université Paris-Saclay（CEA List、巴黎-萨克雷大学）； LMS, École Polytechnique, Institut Polytechnique de Paris（LMS、巴黎综合理工学院、巴黎理工学院）
作者：Louen Pottier, Louis Lesueur, Anders Thorin
140. Towards an Expressivity-Normalized Energy-Demand Comparison of ANNs and SNNs
面向人工神经网络（ANNs）与脉冲神经网络（SNNs）的表达能力归一化能耗对比
AI 总结：本研究开发分析框架，对比匹配表达能力的ANNs与SNNs的理论能效，推导能效比与相关阈值，明确事件驱动计算抵消SNNs时间开销的场景，为设计高能效时间网络提供原则。
链接：https://arxiv.org/abs/2608.29869
机构：LMU Munich（慕尼黑大学）； University of Tromsø（特罗姆瑟大学）； DLR-German Aerospace Center（德国航空航天中心）； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
作者：Miriam Kranzlmüller, Pascal Esser, Gitta Kutyniok
141. Robust Broad Learning System with Wave Loss for Classification under Data Uncertainty
面向数据不确定性下分类任务的带Wave损失的鲁棒宽学习系统
AI 总结：针对数据不确定性下分类任务的鲁棒性问题，本文提出带Wave损失的Wave-BLS框架，在30个UCI数据集上的实验显示其性能优于经典BLS及多种鲁棒变体，鲁棒性显著提升。
链接：https://arxiv.org/abs/2608.29983
机构：Indian Institute of Technology Indore（印度英迪尔印度理工学院）
作者：Mushir Akhtar, A. Varshney, A. Quadir, A. Rahaman, M. Tanveer, Mohd. Arshad
142. The Intervention Gap in Latent World Models
潜在世界模型中的干预差距
AI 总结：
该研究发现潜在世界模型存在干预差距，即模型开环转移与环境干预对任务变量的影响存在偏差，需以捕获优先的方式在模型原生接口直接审计干预保真度。
链接：https://arxiv.org/abs/2608.29998
机构：Mila – Quebec AI Institute（米拉-魁北克人工智能研究所）； University of Montreal（蒙特利尔大学）
作者：Donna Vakalis
143. 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
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。
链接：https://arxiv.org/abs/2608.30021
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）
作者：Hermione Warr, Harry Anthony, Lilli J Freischem, Yasin Ibrahim, Daniel R McGowan, Konstantinos Kamnitsas
144. Multiclass Linear Perceptrons with Multiplicative Margins
带乘性间隔的多类线性感知机
AI 总结：本文提出带乘性间隔机制的多类线性感知机，推导其损失函数与错误界，实验显示其性能优于标准感知机及经典基线，可用于多种机器学习相关场景。
链接：https://arxiv.org/abs/2608.30028
作者：Dmitri Rachkovskij, Evgeny Osipov, Olexander Volkov, Daswin De Silva, Denis Kleyko
145. When 3D Gaussian Splatting Recovers Real Surfaces
当3D高斯溅射（3DGS）恢复真实表面时
AI 总结：该研究构建基于首击渲染抽象的数学框架，明确3D高斯溅射（3DGS）的可识别性窗口，经合成与真实数据集实验验证，揭示角容量对3DGS恢复真实表面的关键影响。
链接：https://arxiv.org/abs/2608.30054
机构：School of EECS, Penn State（宾夕法尼亚州立大学电子工程与计算机科学学院）
作者：Songhe Wang, David Johnathan Miller
146. Supraglacial Lake Fate Is Knowable Long Before the Season Ends
冰上湖的命运在季节结束前很久便可预知
AI 总结：该研究测量了格陵兰冰上湖四种结局的可预测时间，发现快速排水等结局可在季末前数月被提前检测，且该顺序不受学习器类型影响，仅需少量数据即可实现。
链接：https://arxiv.org/abs/2608.30113
机构：University of Maryland, Baltimore County（马里兰大学巴尔的摩分校）
作者：Emam Hossain, Md Osman Gani
147. Diffusion-Based Refinement for Kilometer-Scale Probabilistic Precipitation Nowcasting
基于扩散模型的千米级概率临近降水预报精细化方法
AI 总结：本文提出exPreCast-ENS扩散框架，将exPreCast确定性雷达预报转为1km概率集成预报，在朝鲜半岛及法国数据集上提升强降雨预报精度，单GPU生成1h预报仅需3.4秒。
链接：https://arxiv.org/abs/2608.30205
机构：Seoul National University（首尔大学）； Research Institute of Mathematics, Seoul National University（首尔大学数学研究所）
作者：Dohyun Park, Changhoon Song, Tengyuan Chang, Yoo-Geun Ham, Youngjoon Hong
148. Strong Drafts Need Compact Memories: Long-Context Speculative Decoding with Compressed KV Cache
强草稿需要紧凑记忆：带压缩KV缓存的长上下文推测解码
AI 总结：本文提出记忆增强草稿技术，为长上下文推测解码配备压缩KV记忆，可降低70%以上草稿侧内存，使Llama~3.1-8B和70B模型分别实现最高2.08倍、3.33倍解码加速，同时保持推测解码的无损保证。
链接：https://arxiv.org/abs/2608.30252
机构：Data Science and Analytics Thrust, Information Hub（数据科学与分析方向、信息枢纽）； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
作者：Tong Yuan, Chengxi Liao, Zeyi Wen
149. Exact Recovery Thresholds for Weighted Data Selection in Vector-Valued Linear Regression
AI 总结：
链接：https://arxiv.org/abs/2608.30254
150. Multivariate Scientific Data Compression with Learned Cross-Variable Latent Decorrelation and Autoregressive Entropy Modeling
基于学习的跨变量潜在空间去相关与自回归熵建模的多元科学数据压缩
AI 总结：该研究提出CAESAR-LDAR压缩器，通过正交变换与自回归先验结合，在多元科学数据压缩中实现优异率失真性能，为多元科学压缩提供了实用设计原则。
链接：https://arxiv.org/abs/2608.30262
机构：University of Florida（佛罗里达大学）
作者：Liangji Zhu, Anand Rangarajan, Sanjay Ranka
151. Context Staircase: Signature-Aligned Dynamics of Token Embeddings under Small Initialization
上下文阶梯：小初始化下词元嵌入的签名对齐动力学
AI 总结：本研究提出上下文阶梯现象，发现小初始化下词元嵌入从低阶到高阶逐步对齐概率签名，推导相关演化方程并揭示数据统计与架构对嵌入的塑造作用。
链接：https://arxiv.org/abs/2608.30315
机构：Shanghai Jiao Tong University（上海交通大学）； School of Mathematical Sciences（数学科学学院）； Institute of Natural Sciences（自然科学研究院）
作者：Junjie Yao, Liangkai Hang, Zhi-Qin John Xu
152. Coarse composition suffices: tabular in-context learning for multi-activity antimicrobial peptide profiling
粗组合已足够：用于多活性抗菌肽分析的表格式上下文学习
AI 总结：该研究提出一种仅用序列描述符结合TabPFN的简单流程，在ESCAPE数据集上多活性抗菌肽预测性能超越主流复杂模型，且对远程同源物提升显著，推理无需结构预测。
链接：https://arxiv.org/abs/2608.30337
机构：Indian Institute of Technology Roorkee（印度鲁基工业学院）； Indian Institute of Science（印度科学学院）
作者：Raunak Kumar, Anuj Pal, Dhruvi Solanki, Parikshit Pareek, Juhi Singh, Jitin Singla
153. Beyond Churn: Predicting Financial Fragmentation in Retail Banking with Temporal Machine Learning
超越客户流失：基于时序机器学习的零售银行金融碎片化预测
AI 总结：本研究提出四阶段XGBoost级联时序机器学习系统，基于零售银行多源数据预测客户90天内的金融碎片化（资金向外部转移），取得多项高精度指标，为客户留存决策提供实用支撑。
链接：https://arxiv.org/abs/2608.30364
作者：Ananyaa Chopra, Brandon Xu, Brendan Yuen, Lauren Zung, Sarabroop Aulakh
154. Mode Connectivity Beyond Classifiers: Evidence from Generative and Contrastive Models
超越分类器的模式连通性：来自生成式与对比式模型的证据
AI 总结：本文将模式连通性研究拓展至生成式与对比式模型领域，针对DDPM与CLIP架构提出连接算法，首次证实独立训练的DDPM与NanoCLIP模式间存在模式连通性，为理解现代模型损失景观提供新视角。
链接：https://arxiv.org/abs/2608.30366
机构：University of Electronic Science and Technology of China（电子科技大学）； Delft University of Technology（代尔夫特理工大学）
作者：Chengzheyi Yao, Yongzhao Zhang, Yongding Tian
155. Beat-Synchronous Tokenization for ECG Transformers
用于心电信号Transformer的心跳同步分词
AI 总结：本文针对心电信号Transformer的固定时间分词易分割心跳结构的问题，提出心跳同步分词策略，在两个公开心电数据集上验证其性能，表明该方法是固定时间分词的紧凑且具竞争力替代方案。
链接：https://arxiv.org/abs/2608.30367
机构：University of Minnesota Twin Cities（明尼苏达大学双城分校）
作者：Ahmed Sameh, Nolan Wilson, Max Enderlein, Yogatheesan Varatharajah
156. RSLM: Training-Free Vector Quantization for Approximate Nearest Neighbor Search
RSLM：用于近似最近邻搜索的无训练向量量化方法
AI 总结：该研究提出无训练向量量化方法RSLM，将ANN搜索的嵌入压缩至每维度2-4比特，通过校正重构向量L2范数等创新，在降低系统复杂度与内存成本的同时保持或提升召回率。
链接：https://arxiv.org/abs/2608.30384
机构：Google（谷歌）； Technical University of Munich（慕尼黑工业大学）； University of Copenhagen（哥本哈根大学）
作者：Rastislav Lenhardt, Teodora Dobos, Thomas Vecchiato, Jiri Isa, Igor Ginzburg
157. DASC: Decay-Aware State Compression for Hybrid Linear-Attention Serving
DASC：面向混合线性注意力服务的感知衰减状态压缩
AI 总结：该研究针对混合线性注意力服务的缓存管理问题，提出DASC方法，通过感知衰减压缩状态检查点，在保持接近全缓存质量的同时，降低内存占用并提升推理效率。
链接：https://arxiv.org/abs/2608.30386
机构：East China Normal University（华东师范大学）； Meituan（美团）； South China University of Technology（华南理工大学）
作者：Yanqi Yu, Pingwei Sun, Jianchao Tan, Tao Zhang, Yuchen Xie, Xunliang Cai, Yao Liu
158. Foundation Models Meet Agriculture: Challenges Beyond Pretraining
基础模型与农业：预训练之外的挑战
AI 总结：本研究评估基础模型部署到农业任务的两大瓶颈，发现预训练-部署模态差距与农业任务空间结构特性导致模型泛化不稳定，为开发下一代领域感知基础模型提供路线图。
链接：https://arxiv.org/abs/2608.30392
机构：Wageningen University and Research（瓦赫宁根大学与研究中心）； Zhejiang Academy of Agricultural Sciences（浙江省农业科学院）； University of Bonn（波恩大学）
作者：Vishal Nedungadi, Xingguo Xiong, Marc Rußwurm, Ioannis N. Athanasiadis
159. No Equivariant Architecture Covers All Equivariant Attention
不存在覆盖所有等变注意力的等变架构
AI 总结：该研究刻画了等变多头自注意力的性质，证明固定等变MHSA架构会导致表达能力损失，特定群作用下其等变轨迹含大量不可约分支，单一架构仅覆盖其一。
链接：https://arxiv.org/abs/2608.30417
160. ToxLens: A Reproducible Graph-Learning Framework for Leakage-Aware, Uncertainty-Calibrated Molecular Toxicity Prediction
ToxLens：一种可复现的图学习框架，用于感知数据泄露、不确定性校准的分子毒性预测
AI 总结：该研究提出可复现的ToxLens图学习框架，用于11项毒性终点的分子毒性预测，通过感知数据泄露的划分等技术优化，在数据泄露控制测试集上优于基线方法，可生成结构假设。
链接：https://arxiv.org/abs/2608.30472
作者：Magnus H. Strømme, Alex G. C. de Sá, David B. Ascher
161. Measuring Memory and Generalization as Separable Geometric Channels: The Topo^2 Framework
将记忆与泛化作为可分离几何通道的测量框架：Topo²框架
AI 总结：该研究提出Topo²框架，将深度网络的记忆与泛化在因果上分离，建立相关规律，验证其特性，将记忆转化为可测量的拓扑层，为二者的研究提供了可量化的工具。
链接：https://arxiv.org/abs/2608.30487
机构：Anhui iFlytek Yinglian Technology Co., Ltd.（安徽讯飞英联科技有限公司）
作者：Zhanbo Zhang, Ming Liu, Qing Wang
162. Tensor Methods for Language Models: From Token Representation to Training, Adaptation, Inference, Compression, and Interpretability
语言模型的张量方法：从词元表示到训练、适配、推理、压缩与可解释性
AI 总结：本综述以两种互补视角组织LLM的张量方法，提供统一符号与理论基础，分析Transformer组件的张量化策略，引入ρ_gap指标，为张量化语言模型提供结构化入门路径。
链接：https://arxiv.org/abs/2608.30505
机构：Innopolis University（因诺波利斯大学）； Federal University of Ceará（塞阿拉联邦大学）； Systems Research Institute of Polish Academy of Science（波兰科学院系统研究所）； Warsaw University of Technology（华沙理工大学）
作者：Matvei Tarasov, Salman Ahmadi-Asl, Andre L. F. de Almeida, Andrzej Cichocki
163. Trajectory-Initialized Neural Double Q-Routing for Large-Scale Overhead Hoist Transport Systems
面向大规模 overhead hoist transport 系统的轨迹初始化神经双 Q 路由算法
AI 总结：针对大规模 OHT 系统路由问题，提出轨迹初始化的神经双 Q 路由算法，在多组集群规模-到达率设置中显著降低平均完成时间，提升已完成任务数量并缩短尾部完成时间。
链接：https://arxiv.org/abs/2608.30512
机构：The University of Hong Kong（香港大学）； University of California, Berkeley（加利福尼亚大学伯克利分校）
作者：Cheng Gu, Qiusheng Zhao, Anbang Liu, Shaochong Lin, Max Z.J. Shen
164. The Safety Relay in Roleplay Jailbreaks: A Component-Resolved Causal Analysis of Harm Recognition and Refusal
角色扮演越狱中的安全继电器：对有害内容识别与拒绝的组件解析因果分析
AI 总结：本研究通过机制可解释性分析角色扮演越狱中模型服从有害请求的机制，发现安全继电器衰减等规律，明确了安全措施需维持有害识别到拒绝的关联。
链接：https://arxiv.org/abs/2608.30585
机构：Iowa State University（爱荷华州立大学）； Meta
作者：Md Mokarram Chowdhury, Ernie Chang, Yang Li
165. PLC-DPO: Posterior Label Correction in Noisy and Ambiguous Preference Optimization
PLC-DPO：带噪声与歧义偏好优化中的后验标签修正
AI 总结：PLC-DPO针对DPO假设偏好全可靠的缺陷，提出后验标签修正方法，经57个数据集-模型-基准单元验证，其平均胜率优于DPO及次优方法，且在各类测试中表现稳定。
链接：https://arxiv.org/abs/2608.30597
机构：KAIST AI（韩国科学技术院人工智能学院）； KENTECH（韩国世宗国立大学（原韩国科学技术研究院世宗校区））
作者：Boryeong Cho, Sumyeong Ahn, Se-Young Yun
166. Learning Dynamics of Logits Debiasing for Long-Tailed Semi-Supervised Learning
长尾半监督学习中对数去偏的动态学习
AI 总结：本研究针对长尾半监督学习中伪标签偏向多数类的问题，从动态学习视角揭示对数去偏机制，提出DyTrim动态剪枝框架，经实验验证可提升模型泛化性能。
链接：https://arxiv.org/abs/2608.30699
机构：Beijing Jiaotong University（北京交通大学）； AntGroup（蚂蚁集团）； Northwestern Polytechnical University（西北工业大学）； University of Southampton（南安普顿大学）
作者：Yue Cheng, Jiajun Zhang, Xiaohui Gao, Weiwei Xing, Zhanxing Zhu
167. Kolmogorov--Arnold against bounded translations
柯尔莫哥洛夫-阿诺尔德对抗有界平移
AI 总结：本文研究柯尔莫哥洛夫-阿诺尔德表示定理对抗有界平移的鲁棒性，给出使用固定分段线性内层函数的近似表示的显式构造性证明，采用与具体对抗平移无关的单个外层函数。
链接：https://arxiv.org/abs/2608.30710
机构：Moscow Institute of Physics and Technology（莫斯科物理技术学院）
作者：Sviatoslav V. Dzhenzher
168. BAITBENCH: Measuring Agent Reward Hacking with Optional Shortcuts Planted in ML Tasks
BAITBENCH：通过植入ML任务中的可选捷径测量智能体的奖励黑客行为
AI 总结：BAITBENCH是含三个合成表格型ML任务的基准，用于测量智能体利用可选捷径获得虚高分的奖励黑客行为，实验显示57.1%的运行存在该行为，发布相关资源作为缓解措施评估测试平台。
链接：https://arxiv.org/abs/2608.30724
机构：National University of Singapore（新加坡国立大学）； MIT（麻省理工学院）； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）； University of Toronto（多伦多大学）； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）； Arb Research（Arb研究机构）
作者：Pradyumna Shyama Prasad, Meiri Anto, Leon Eshuijs, Julian Moncarz, Kaustubh Kislay, Juan J. Vazquez
169. Functional Degeneracy in Neural Networks: Measurement and Pruning
神经网络中的功能退化：测量与剪枝
AI 总结：该研究针对模型压缩问题，提出用行为恢复秩量化功能退化，发现结构与幅度剪枝在任务饱和后仍保留更多自由度，揭示功能冗余分布于参数方向。
链接：https://arxiv.org/abs/2608.30741
机构：LMU Munich（慕尼黑大学）； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）； Goodfire AI（古德菲尔人工智能公司）； DLR-German Aerospace Center（德国航空航天中心）； University of Tromsø（特罗姆瑟大学）
作者：Maria Matveev, Pascal Esser, Ayush Bharadwaj, Lucius Bushnaq, Gitta Kutyniok
170. PRACTICE: From Experience to Expertise in Self-Evolving Embodied Agents
PRACTICE：从经验到自进化具身智能体的专业能力
AI 总结：PRACTICE通过训练技能学习者维护技能库，结合两阶段课程训练与在线编辑蒸馏，在EB-ALFRED等任务上实现优于基线的自进化具身智能体性能提升。
链接：https://arxiv.org/abs/2608.30760
机构：Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院（BAAI））； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）； University of Chinese Academy of Sciences（中国科学院大学）
作者：Ziyi Bai, Siqi Li, Tinglei Huang, Börje F. Karlsson
171. TrainSDC: Characterizing and Mitigating Silent Data Corruption in Large Language Model Training
TrainSDC：大型语言模型训练中静默数据损坏的特征表征与缓解
AI 总结：研究针对LLM训练的SDC问题，系统表征其在Transformer训练中的脆弱性，提出TrainSDC框架，经实验验证可有效缓解SDC且运行时开销较低。
链接：https://arxiv.org/abs/2608.30769
机构：Zhejiang University（浙江大学）； Huawei（华为）
作者：Zhipeng Xia, Haotian Xu, Siyu Yun, Liqi Lin, Hu Liu, Yu Li, Cheng Zhuo
172. Geometric Attractor Monitoring: A Robust and Frugal Framework for Multi-modal Industrial Robotic Cycles
几何吸引子监测：一种针对多模态工业机器人周期的鲁棒且经济的框架
AI 总结：针对多模态工业机器人周期及故障数据稀缺的挑战，提出基于相空间重构的几何吸引子监测框架，用离散支持估计构建健康指标，在真实与合成数据集上性能优于深度学习基线。
链接：https://arxiv.org/abs/2608.30804
机构：LIX, École Polytechnique, Institut Polytechnique de Paris（巴黎综合理工学院LIX实验室，巴黎理工学院）； Renault（雷诺公司）
作者：Martin Bonsergent-Brachet, Jesse Read, Dany Abboud
173. Fine-Tuning Low-Bit Models with Gradient in Quantized Code Space
在量化代码空间中利用梯度微调低比特模型
AI 总结：该研究针对低比特模型微调的效率与部署适配问题，提出GradCodes方法，通过代码代理梯度加速优化并以引导搜索保证部署适配，在多任务上实现低比特模型微调性能提升。
链接：https://arxiv.org/abs/2608.30908
机构：Tsinghua University（清华大学）； Peking University（北京大学）
作者：Shiguang Wu, Zhouchen Lin, Quanming Yao
174. Selection-Aware Stress Testing for Interactive Agents
面向交互式智能体的选择感知压力测试
AI 总结：该研究针对智能体评估的选择偏差问题，提出SASST方法，通过发现任务学习重加权并在独立确认任务评估，经实验验证其有效性，发现工作流程优势在确认阶段可能消失。
链接：https://arxiv.org/abs/2608.30916
机构：Purdue University（普渡大学）； University of California, Irvine（加利福尼亚大学欧文分校）
作者：Yang Xu, Chenang Li, Jiefu Zhang, Haixiang Sun, Zhou Li, Vaneet Aggarwal
175. Nonparametric Contextual Pricing and Inventory Learning under Censored Demand
删失需求下的非参数情境定价与库存学习
AI 总结：针对在线零售中删失需求下的情境定价与库存学习问题，提出Mean-Calibrated Kernel UCB算法，证明其极小极大最优性并通过实验验证有效性。
链接：https://arxiv.org/abs/2608.30944
机构：The Hong Kong University of Science and Technology（香港科技大学）
作者：Zean Han, Jing Liang, Ruihan Lin, Zezhen Ding, Jiheng Zhang
176. A Universal Context-Reuse Layer for Cross-Model KV Sharing
用于跨模型KV共享的通用上下文复用层
AI 总结：该研究提出通用上下文复用层，实现跨模型KV共享，在同系列及跨系列LLM场景中降低预填充成本、提升准确率，验证了KV状态可作为可迁移计算表示。
链接：https://arxiv.org/abs/2608.30963
机构：University of Texas at Dallas（德克萨斯大学达拉斯分校）
作者：Yi Li, Dongming Jiang, Yi Zhao, Bingzhe Li
177. Sparse Competition during Training For the Emergence of Specialized Modules
训练期间的稀疏竞争促进专用模块的出现
AI 总结：该研究提出一种稀疏竞争方法，无需模块级监督即可在ImageNet-100和CIFAR-100上诱导深度神经网络的功能模块化，使专用模块出现并捕获数据的高级结构。
链接：https://arxiv.org/abs/2608.30978
机构：Univ. Rennes Inria（雷恩大学 Inria 研究所）； University of Paris 8（巴黎第八大学）
作者：Baptiste Rossigneux, Karim Haroun
178. Controlling Refusal Behavior of LLMs via Stiefel-Constrained Rotation Steering
通过施蒂费尔约束旋转引导控制大语言模型的拒绝行为
AI 总结：本研究提出基于黎曼优化的施蒂费尔约束旋转引导方法，实现高效控制大语言模型拒绝行为，经实证及消融研究验证其干预效率更优，为可靠控制LLM行为提供新方向。
链接：https://arxiv.org/abs/2608.30986
作者：Kirill Bunin, Dmitry Bylinkin, Vladimir Aletov, Daniil Medyakov, Vladimir Solodkin, Aleksandr Beznosikov
179. Rotational Equivariance in Machine Learning: A Comprehensive Tutorial
机器学习中的旋转等变性：一份全面教程
AI 总结：本教程系统介绍机器学习中旋转等变性的相关理论与方法，涵盖几何深度学习等基础，综述群卷积等融入策略，助力从业者掌握该领域并选择合适方法。
链接：https://arxiv.org/abs/2608.31045
机构：Interdisciplinary Center for Scientific Computing (IWR), Heidelberg University（海德堡大学跨学科科学计算中心（IWR））
作者：Peter Lippmann, Fred A. Hamprecht
180. Universal Transformers for Circuit Computations: Perfect Length Generalization in Tiny Transformers
用于电路计算的通用Transformer：小型Transformer中的完美长度泛化
AI 总结：该研究提出一种仅需280个参数的通用Transformer，将算法任务建模为电路模型，结合特定位置编码与自主终止准则，在布尔运算、模运算等基准测试上实现了完美长度泛化。
链接：https://arxiv.org/abs/2608.31067
机构：IBM Research（IBM研究院）
作者：Takuya Ito, Ruchir Puri, Murray Campbell, Parikshit Ram
181. A Model with No Head and Many Thoughts
无头部多思维模型
AI 总结：该研究提出Soft Latent Thinking方法，用轻量投影器替换语言模型头部，在嵌入空间以连续推理步骤替代离散标记，在DeepSeek-Qwen-1.5B和LLaMA-3.2-3B实验中提升了pass@k并减少计算。
链接：https://arxiv.org/abs/2608.31069
机构：Yandex； T-Tech
作者：Nikita Koriagin, Yaroslav Aksenov, George Bredis, Gleb Gerasimov, Nikita Balagansky, Daniil Gavrilov
182. Sycophantic Agreement Transfers with Neutral Data via Contrastive Preference Optimization
通过对比偏好优化实现的基于中性数据的谄媚式一致性转移
AI 总结：本研究发现对比偏好优化会导致教师模型的谄媚式一致性向学生模型转移，且该信号分散于中性偏好数据中，现有过滤方法难以缓解，揭示了对齐训练的意外有害行为。
链接：https://arxiv.org/abs/2608.31079
机构：Stanford University（斯坦福大学）； Columbia University（哥伦比亚大学）
作者：Camila Blank, Zhuofan Ying, Christopher Potts, Peter Hase, Jing Huang
183. On the Complexity of the Compatibility Problem for Succinctly Encoded Conditional Distributions
简洁编码条件分布的兼容性问题的复杂性
AI 总结：本文研究简洁编码为算术电路的条件分布的兼容性问题，证明其为co-NP完全或PSPACE完全问题，且存在兼容简洁条件分布的联合分布无法简洁表示，探讨了对概率建模和机器学习的意义。
链接：https://arxiv.org/abs/2608.31120
184. Sharp Approximation Rates for Neural Networks with Affine Latent Parameterizations
具有仿射隐参数化的神经网络的 Sharp 逼近率
AI 总结：该研究针对仿射生成器与全连接 ReLU 架构，推导得出具有仿射隐参数化的神经网络的 Sharp 逼近率，明确了隐维度与网络预算的权衡关系，证明固定维度隐空间可实现误差随预算增大而消失。
链接：https://arxiv.org/abs/2608.31157
机构：Hong Kong Polytechnic University（香港理工大学）
作者：Shijun Zhang
185. Constant Individual Regret in General Games
一般博弈中的恒定个体遗憾
AI 总结：针对完全信息反馈下的有限N玩家标准型博弈，提出确定性完全非耦合的ECHO-OFTRL算法，消除个体遗憾与时间跨度的多对数依赖，保证各玩家遗憾上界为O(poly(N, log m_max))。
链接：https://arxiv.org/abs/2608.31166
机构：Massachusetts Institute of Technology（麻省理工学院）
作者：Mingyang Liu, Gabriele Farina, Asuman Ozdaglar
