2026-10-23 | CS.LG机器学习 | 共 117 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. 生成模型与概率建模 1 篇
3. 鲁棒性、不确定性与可信学习 1 篇
4. 数据集、基准与评测 1 篇
5. 其他/综合机器学习 4 篇
1. 深度学习架构与训练方法 | 1 篇
1. MoEZip: Routing-Aware KV Cache Compression for Sparse Mixture-of-Experts LLMs
MoEZip：面向稀疏混合专家（MoE）大语言模型的路由感知KV缓存压缩
AI 总结：针对稀疏MoE大语言模型长上下文推理的KV缓存瓶颈，提出MoEZip路由感知KV缓存压缩方法，结合路由分布Fisher信息矩阵指标与注意力权重，在KV保留率10%时较SoTA基线在LongBench、RULER上分别提升24、20个点
链接：https://arxiv.org/abs/2610.30206
2. 生成模型与概率建模 | 1 篇
2. When Reconstruction Is Not Enough: Doubly Robust Counterfactual and Interventional Mediation Analysis with Learned Multimodal Representations
当重构还不够时：基于学习的多模态表示的双重鲁棒反事实与干预中介分析
AI 总结：该研究针对多模态健康记录表示的重构偏差问题，提出结合变分自动编码器与双重鲁棒估计器的工作流，解决反事实与干预中介分析的偏差问题，模拟验证了预测诊断的有效性。
链接：https://arxiv.org/abs/2610.30220
3. 鲁棒性、不确定性与可信学习 | 1 篇
3. Spectral Uncertainty Decomposition for Sparse Bayesian Learning
面向稀疏贝叶斯学习的谱不确定性分解
AI 总结：针对M/EEG源成像的不适定逆问题，提出基于先验预处理前向算子奇异值结构的谱框架，将后验协方差分解为数据驱动与认知不确定性分量，实现可解释的不确定性量化，为线性高斯贝叶斯逆求解器提供理论与实用工具。
链接：https://arxiv.org/abs/2610.30207
4. 数据集、基准与评测 | 1 篇
4. Benchmarking Model Compression Techniques Across Heterogeneous Edge Platforms: A Predictive Maintenance Use Case for Rotating Machinery
面向异构边缘平台的模型压缩技术基准测试：旋转机械的预测性维护用例
AI 总结：本文针对旋转机械预测性维护场景，在9种异构边缘平台上对比四种模型压缩技术，发现知识蒸馏压缩效果最优，可实现90%以上加速、98.9%体积缩减且性能损失极小，为工业5.0目标提供可行路径。
链接：https://arxiv.org/abs/2610.30228
5. 其他/综合机器学习 | 4 篇
5. Prediction Is Not Calibration: Item Parameter Recovery and Representation Coupling in Knowledge Tracing
预测不等于校准：知识追踪中的项目参数恢复与表示耦合
AI 总结：该研究指出知识追踪模型的预测准确性不代表项目参数恢复效果，通过分离序列项目表示与项目参数键的方法提升了参数恢复效果，相关结论强调需单独评估项目参数。
链接：https://arxiv.org/abs/2610.30211
6. AI Mindmeld: A Latent Interconnect Protocol
AI 心智融合：一种潜在互连协议
AI 总结：该研究提出潜在互连协议（LIP），通过训练连接器将专家表示映射到 Gemma 3、Kimi K2.6 等 LLM 内部状态，实现跨域任务零样本迁移，提升科学智能体的信息获取能力。
链接：https://arxiv.org/abs/2610.30215
7. How Prompt Style Affects AI Accuracy and Speed in Competitive Programming
提示词风格对人工智能在竞赛编程中的准确性和速度的影响
AI 总结：本研究以GPT-5.5为对象，对比9种风格提示词在IOI准确性任务与NP-hard速度任务中的表现，发现最优提示词依任务类型和统计指标而定，且AI表现与人类IOI参赛者各有优劣，为提示词选择提供了更全面的依据。
链接：https://arxiv.org/abs/2610.30223
8. GANet: A Lightweight Group Attention Network for Plant Disease Identification on Embedded Systems
GANet：面向嵌入式系统的轻量级分组注意力网络，用于植物病害识别
AI 总结：本文提出轻量级GANet，含分组注意力与分组特征融合模块，仅0.001M参数，在PlantVillage数据集准确率99.99%，适配树莓派4b等边缘设备，可实时监测38类植物病害。
链接：https://arxiv.org/abs/2610.30225
受公众号正文长度限制，本文展示前 8 篇，当天共更新 117 篇。完整列表请访问 arXivDaily。