机器学习学术速递[11.2]

2026-11-02 | CS.LG机器学习 | 共 111 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 2 篇

2. 生成模型与概率建模 1 篇

3. 优化、泛化与理论分析 1 篇

4. 迁移、元学习与持续学习 1 篇

5. 机器学习应用 1 篇

6. 其他/综合机器学习 2 篇

1. 深度学习架构与训练方法 | 2 篇

1. Frozen in Time: How a Physics Foundation Model Forgets Under Sim-to-Real Adaptation

时间冻结：物理基础模型在仿真到真实适配过程中的遗忘问题

AI 总结：本研究针对SciFM在仿真到真实适配中的灾难性遗忘问题，以Walrus-1.3B为对象，发现微调仿真数据会大幅降低原有性能，提出仅重放1%仿真数据的策略可恢复大部分性能并保留适配能力。

链接：https://arxiv.org/abs/2610.40857

机构：University of Cambridge（剑桥大学）； Polymathic AI

作者：Haaris Mian, Miles Cranmer, Alessandro Favero, Payel Mukhopadhyay

2. FARO: Function-Space Adaptive Return-to-Risk Optimization via Cross-Block Equal-Risk-Contribution Budget Allocation

FARO：基于跨块等风险贡献预算分配的函数空间自适应风险回归优化

AI 总结：FARO是一种函数空间自适应优化器，通过跨块等风险贡献预算分配划分参数块，在GPT式模型上达到与最佳手动方案相当的性能，且FARO-ERC可稳健降低损失。

链接：https://arxiv.org/abs/2610.40858

机构：The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））； IDEA Research（IDEA研究院）； DataArcTech Ltd.（DataArcTech有限公司）

作者：Xiaojun Wu, Cehao Yang, Xuhui Jiang, Chengjin Xu, Jia Li, Jian Guo

2. 生成模型与概率建模 | 1 篇

3. Bayesian Distribution System State Estimation with Flow Matching

基于流匹配的贝叶斯配电系统状态估计

AI 总结：针对配电系统状态估计的测量不足问题，提出基于流匹配的PoSE方法，保留贝叶斯结构，在IEEE 33节点、240节点馈线及重配置拓扑上均实现更优的估计精度与不确定性。

链接：https://arxiv.org/abs/2610.40728

机构：Delft University of Technology（代尔夫特理工大学）

作者：Nan Lin, Peter Palensky, Pedro Vergara Barrios

3. 优化、泛化与理论分析 | 1 篇

4. Unsupervised Feature Selection Using Local Intrinsic Dimensionality -- Extended Version

基于局部内在维度的无监督特征选择——扩展版

AI 总结：本文提出基于局部内在维度的无监督特征选择方法LIDFS，在23个高维数据集上的监督评估中排名第一，聚类评估中表现优异，运行速度快且性能优于多数对比方法。

链接：https://arxiv.org/abs/2610.40736

机构：Oratio Technologies（奥拉提奥科技）； New Jersey Institute of Technology（新泽西理工学院）； National Institute of Informatics（情报学研究所）； University of Tokyo（东京大学）； University of Southern Denmark（南丹麦大学）

作者：Oussama Chelly, Michael E. Houle, Ken-ichi Kawarabayashi, Muhammad Rajabinasab, Arthur Zimek

4. 迁移、元学习与持续学习 | 1 篇

5. AutoHebb: Self-Modifying Neural Networks that Zero-Shot Infer and Continually Learn

AutoHebb：可零样本推理与持续学习的自修改神经网络

AI 总结： 本文提出AutoHebb自主赫布网络，结合元学习与三因子赫布规则，兼具简洁性与表达性，在零样本推理与持续学习任务上优于现有模型，可用于生物学习相关研究。

链接：https://arxiv.org/abs/2610.40757

机构：Yale University（耶鲁大学）； Howard Hughes Medical Institute（霍华德·休斯医学研究所）； University of Rochester（罗切斯特大学）

作者：Daniel Levine, David van Dijk, Kenneth Kay

5. 机器学习应用 | 1 篇

6. Don't Just Impute, Detect: Task-Aware Diffusion Pipelines for Edge Anomaly Detection

不要仅补全，要检测：面向边缘异常检测的任务感知扩散流水线

AI 总结：针对工业物联网边缘流水线的补全偏差问题，提出任务感知扩散修正器TADR，在SMD数据集上提升F1值0.338，可高效运行于CPU，解决异常检测误报问题。

链接：https://arxiv.org/abs/2610.40732

机构：Sungkyunkwan University（成均馆大学）

作者：Jeongsu Park, Taehyeon Yun, Geonwoo Kim, Yuji Lim, Moohong Min

6. 其他/综合机器学习 | 2 篇

7. Automatic Construction of Strong Simple Baselines

强简单基线的自动构建

AI 总结：本研究用大语言模型自动构建强简单基线，验证了其在物理和生命科学36项任务中可恢复95.5%的性能差距，为深度学习贡献提供了可扩展的验证方法。

链接：https://arxiv.org/abs/2610.40700

机构：Carnegie Mellon University（卡内基梅隆大学）； Sunday Scientific（周日科学公司）； University of Washington（华盛顿大学）

作者：Caleb N. Ellington, Jiaqi Wang, Sohan Addagudi, Elijah Cole

8. Certified Behavioral Retention for Continual Adaptation with Held-Out Anchors

基于保留锚点的持续自适应的可证行为保留

AI 总结：提出CABA机制，在不超预算的前提下减少持续自适应的平均遗忘率，同时保留一定准确率，实现保留-可塑性权衡。

链接：https://arxiv.org/abs/2610.40740

机构：Ideal School and College（理想学校与学院）； Notre Dame College（圣母学院）

作者：Ahanaf Hasan Ariq, Abrar Shahid

受公众号正文长度限制，本文展示前 8 篇，当天共更新 111 篇。完整列表请访问 arXivDaily。