社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

机器学习学术速递[10.6]

arXiv每日学术速递 • 1 月前 • 127 次点击  

2026-10-06 | CS.LG机器学习 | 共 366 篇,本文展示前 8 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 1 篇

2. 强化学习与序列决策 1 篇

3. 高效学习、压缩与部署 1 篇

4. 机器学习应用 2 篇

5. 其他/综合机器学习 3 篇

1. 深度学习架构与训练方法 | 1 篇

1. Retrieval-Centric Deep Learning in Growing Nonparametric Neural Networks

检索中心的深度学习在增长型非参数神经网络中的应用

AI 总结:本研究提出检索中心的深度学习(RCDL)范式,通过为每个数据点存储键值表示并在推理时检索重组,取代固定权重矩阵,并开发基于函数梯度的核化注意力学习规则,在图像分类和教师-学生任务上展现高效性能,同时与现有优化器建立联系。

链接:https://arxiv.org/abs/2610.03858

机构:Google(谷歌); MIT CSAIL(麻省理工学院计算机科学与人工智能实验室); Yale University(耶鲁大学)

作者:Maximilian Schlegel, Rajai Nasser, Seijin Kobayashi, Yanick Schimpf, Oliver Sieberling, Robert Obryk, Kazuki Irie, João Sacramento, Johannes von Oswald

2. 强化学习与序列决策 | 1 篇

2. Memory-State Critic for Asymmetric Actor-Critic with Application to Vision-Based Pursuit-Evasion

记忆状态评论家用于非对称演员-评论家方法及其在基于视觉的追逃任务中的应用

AI 总结:本文提出记忆状态评论家,利用策略自身记忆替代历史状态,实现无偏梯度并简化非对称演员-评论家结构,在视觉追逃任务中表现更优且收敛更快。

链接:https://arxiv.org/abs/2610.03830

机构:University of Liège(列日大学); KTH Royal Institute of Technology(瑞典皇家理工学院); McGill University(麦吉尔大学); Mila Québec AI Institute(魁北克人工智能研究所); Belerion

作者:Arthur Louette, Alejandro Sánchez Roncero, Gaspard Lambrechts, Pascal Leroy, Julien Hansen, Petter Ögren, Damien Ernst

3. 高效学习、压缩与部署 | 1 篇

3. KVE-KD: Key Visual Evidence-Guided Knowledge Distillation for Vision-Language Models

KVE-KD:面向视觉语言模型的关键视觉证据引导知识蒸馏

AI 总结:KVE-KD提出动态聚焦任务相关视觉标记的知识蒸馏框架,通过语义锚点和归一化熵选择关键视觉证据,在六个基准上超越现有方法且无推理开销。

链接:https://arxiv.org/abs/2610.03842

机构:City University of Macau(澳门城市大学); Tongji University(同济大学); Zhejiang University(浙江大学)

作者:Jianbin Zhang, Xin Sun, Shanwen Wang, Wei Ye, Susanto Rahardja

4. 机器学习应用 | 2 篇

4. Least Squares for Time Series Forecasting

时间序列预测的最小二乘法

AI 总结:本文比较了两种基于最小二乘的时间序列预测方法,发现预测程序在标量目标下与普通最小二乘等价,并在特定四维序列上优于向量拟合,秩2时两者一致。

链接:https://arxiv.org/abs/2610.03812

作者:Weiu-qiou Ciang, Yuzhou Hong, Sherry Chen

5. BAT-NO: A Boundary-Condition-Aware Transformer Neural Operator for Crashworthiness Prediction of Vehicle Components

BAT-NO:用于车辆部件耐撞性预测的边界条件感知Transformer神经算子

AI 总结:提出边界条件感知Transformer神经算子BAT-NO,融合循环网格与傅里叶算子,在B柱仿真中实现几何与边界变化下的耐撞性预测,误差降低32.6%。

链接:https://arxiv.org/abs/2610.03854

机构:Imperial College London(伦敦帝国理工学院); Keysight Technologies(是德科技); Prometheus

作者:Haoran Li, Yingxue Zhao, Haosu Zhou, Mustapha Ziane, Pierre Culiere, Tobias Pfaff, Nan Li

5. 其他/综合机器学习 | 3 篇

6. Bayes-Sufficient Compression Is Not Enough: How Does Communication Help Multi-Agent Systems?

贝叶斯充分压缩并不足够:通信如何帮助多智能体系统?

AI 总结:本文提出接收者相对有界协调框架,证明贝叶斯充分压缩不足,通过三阶段分解和单交叉条件,指导推理时选择器在准确率与成本间优化通信。

链接:https://arxiv.org/abs/2610.03769

机构:University of Arizona(亚利桑那大学); Hong Kong Baptist University(香港浸会大学); Amazon Web Services(亚马逊云服务)

作者:Yi Xie, Zhanke Zhou, Yi Fan, Yong Ge, Bo Han, Bo Liu

7. Where Does Jagged Competence Come From?

参差不齐的能力从何而来?

AI 总结:本研究通过一个两层任务探究参差不齐能力的来源,发现网络学习高层任务时对低层特征获取不均,导致能力参差,且部分失败无法解释。

链接:https://arxiv.org/abs/2610.03831

作者:Ioannis Tsiokos

8. LLM-enhanced spatio-temporal learning for grid-level docked bike sharing demand prediction

LLM增强的时空学习用于网格级共享单车需求预测

AI 总结:本研究提出LLM驱动的语义冲击波机制,将城市文本转化为时空扰动场,注入零膨胀自适应时空图卷积网络,以提升网格级共享单车需求预测精度,实验验证了其在高需求时段的显著优势。

链接:https://arxiv.org/abs/2610.03834

机构:Universitat Politècnica de Catalunya – Barcelona Tech (UPC)(加泰罗尼亚理工大学(UPC))

作者:Xuxilu Zhang, Francesc Soriguera

受公众号正文长度限制,本文展示前 8 篇,当天共更新 366 篇。完整列表请访问 arXivDaily。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/201880