2026-10-08 | CS.LG机器学习 | 共 202 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. 生成模型与概率建模 2 篇
2. 优化、泛化与理论分析 1 篇
3. 高效学习、压缩与部署 1 篇
4. 鲁棒性、不确定性与可信学习 2 篇
5. 其他/综合机器学习 2 篇
1. 生成模型与概率建模 | 2 篇
1. DenoFlow: Flow Matching for SSVEP Denoising under Real Physiological Artifacts
DenoFlow：真实生理伪影下SSVEP去噪的流匹配方法
AI 总结：提出DenoFlow，利用整流流匹配将SSVEP去噪视为传输问题，通过场网络回归路径速度并积分，在真实生理伪影下优于七种基线模型，提升信号保真度和解码精度。
链接：https://arxiv.org/abs/2610.08817
2. Just for FUNS: LLM-Guided Spatio-Temporal Graph Node Generation for Forecasting Unobserved Node States
Just for FUNS：LLM引导的时空图节点生成用于预测未观测节点状态
AI 总结：针对传感器网络覆盖不足导致的未观测节点状态预测难题，提出GenST框架，利用大语言模型提取语义特征作为桥梁，结合时空VAE和生成式Transformer两阶段生成，在零样本预测中显著优于基线。
链接：https://arxiv.org/abs/2610.08818
2. 优化、泛化与理论分析 | 1 篇
3. A Bayesian Mirror Architecture for Emergent Consciousness: Circular Hierarchies, Self-Manifolds, and Hybrid Event-Self Binding
涌现意识的贝叶斯镜像架构：循环层级、自流形与混合事件-自我绑定
AI 总结：提出贝叶斯镜像架构，通过循环递归和混合事件-自我绑定定义意识，利用Wasserstein几何和因果学习机制分析稳定与选择。
链接：https://arxiv.org/abs/2610.08792
3. 高效学习、压缩与部署 | 1 篇
4. KVFetch: Temporal Prefetching for the Missing Half of KV Cache Compression
KVFetch：针对KV缓存压缩缺失一半的时间预取
AI 总结：KVFetch提出时间预取通道，通过量化冷层和单调指针检测顺序复制，在不增加注意力成本下恢复KV缓存压缩中的逐字复制，显著提升顺序访问任务性能。
链接：https://arxiv.org/abs/2610.08811
4. 鲁棒性、不确定性与可信学习 | 2 篇
5. Beyond Baseline Severity: Temporal and Disease-Specific Predictors of Depression Outcomes Following Mindfulness Interventions
超越基线严重程度：正念干预后抑郁结局的时间与疾病特异性预测因素
AI 总结：本研究利用可解释机器学习分析多中心临床队列，预测正念干预后抑郁结局，发现基线严重程度为最强预测因素，短期结局受临床背景影响，长期结局依赖行为依从性，支持情境感知的个性化心理健康支持。
链接：https://arxiv.org/abs/2610.08809
6. Transferability and operational reliability of a Prithvi crop classification foundation model under phenological and geographic shift across three continents
Prithvi作物分类基础模型在三大洲物候与地理偏移下的可迁移性与运行可靠性
AI 总结：研究评估Prithvi作物分类基础模型在三大洲的分布外性能，发现物候错位导致精度下降，通过类别合并和窗口压缩可恢复精度，为模型可靠部署提供指导。
链接：https://arxiv.org/abs/2610.08810
5. 其他/综合机器学习 | 2 篇
7. Bounded Autonomy and Verifiable Safety for Agentic AI Enabled Automation
有界自主性与可验证安全性：面向智能体AI赋能的自动化
AI 总结：本文提出BRaVeS框架，通过不变锚点、深度感知访问及李雅普诺夫有界共识机制，在认知风险增加时降低自主性，并在模拟中验证了有限步收敛与无安全违规，为智能体AI自动化提供可验证的安全保障。
链接：https://arxiv.org/abs/2610.08815
8. The Cost of Long Memory: State, Context, and Stability Complexity in Sequence Models
长记忆的代价：序列模型中的状态、上下文与稳定性复杂度
AI 总结：本文在预测风险下研究长记忆序列模型的资源需求，证明代数衰减记忆下最优状态复杂度为对数平方，并揭示分数长记忆改变预测几何，且预测误差消失迫使递归趋向临界性。
链接：https://arxiv.org/abs/2610.08816
受公众号正文长度限制，本文展示前 8 篇，当天共更新 202 篇。完整列表请访问 arXivDaily。