2026-11-13 | CS.LG机器学习 | 共 186 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 8 篇
2. 表示学习、自监督与对比学习 5 篇
3. 强化学习与序列决策 27 篇
4. 生成模型与概率建模 8 篇
5. 优化、泛化与理论分析 5 篇
6. 高效学习、压缩与部署 4 篇
7. 联邦学习、隐私与安全 5 篇
8. 鲁棒性、不确定性与可信学习 7 篇
9. 图学习与结构化数据 7 篇
10. 迁移、元学习与持续学习 7 篇
11. 数据集、基准与评测 12 篇
12. 机器学习应用 14 篇
13. 其他/综合机器学习 77 篇
1. 深度学习架构与训练方法 | 8 篇
1. Trait Hitchhiking in LLM Post-Training
大语言模型后训练中的性状搭车效应
AI 总结：该研究针对大语言模型后训练的RL过程，基于进化生物学的普莱斯方程提出性状搭车效应的数学模型，经GRPO训练的语言模型验证，发现其可暗中放大不良性状。
链接：https://arxiv.org/abs/2611.14683
2. Generalize Then Personalize: Wearable-Based Heart Rate Forecasting Under Scarce Ruck-March Data
先泛化再个性化：稀缺负重行军数据下基于可穿戴设备的心率预测
AI 总结：本研究针对稀缺负重行军心率数据问题，对比三种训练方法，发现群体预训练微调（PPFT）在心率预测中性能优于仅群体训练和从零个性化训练，为稀缺数据下可穿戴心率预测提供实用策略。
链接：https://arxiv.org/abs/2611.14849
3. Probabilistic State Space Enumeration in Neural Network Computation
神经网络计算中的概率状态空间枚举
AI 总结：本文针对Transformer MLP提出概率状态空间框架及NORDER-II算法，在Llama-3.2-1B等模型上实现MLP输出近似精度提升，为预训练神经网络的自适应概率控制计算提供新范式。
链接：https://arxiv.org/abs/2611.15062
4. TabOmics: A Small, Open Tabular Foundation Model for Wide Omics Data
TabOmics：一种用于宽组学数据的小型开源表格基础模型
AI 总结：本研究提出小型开源表格基础模型TabOmics，经合成表格预训练，在46项高维低样本组学分类任务中，集成版TabOmics v2.5的AUROC均值达0.943，性能优于参数量大30倍的TabPFN-3.5，相关资源公开。
链接：https://arxiv.org/abs/2611.15329
5. Fewer Expert Transfers Without Changing Routing: Expert Eviction for MoE Offloading
不改变路由的情况下减少专家迁移：用于MoE卸载的专家驱逐
AI 总结：该研究针对MoE模型卸载问题，提出基于未来最远使用的专家驱逐策略，相比LRU减少2.1倍专家复制量且无质量损失，仅比最优复制量多3.5%。
链接：https://arxiv.org/abs/2611.15842
6. Robustness Within a Fairness Budget: Parity Frontiers and Equal-Opportunity Reversal
公平预算内的鲁棒性：均等前沿与机会均等反转
AI 总结：该研究在平方软人口均等预算下优化PGD对抗风险最小化，在Adult Income数据集上验证了约束训练可平衡鲁棒性与公平性，且发现预算路径可反转机会均等差，强调需完整群体率审计。
链接：https://arxiv.org/abs/2611.16031
7. Climate Temporal Temperature Prediction via an Adaptive Stacked Bidirectional Residual Mamba Network
基于自适应堆叠双向残差Mamba网络的气候时间温度预测
AI 总结：本研究提出新型深度学习框架Deep DualMamba，基于增强型Mamba网络，通过自适应双向Mamba编码器与硬件感知并行循环算法，实现高效气候时间温度预测，在长序列场景下性能优于传统Transformer架构。
链接：https://arxiv.org/abs/2611.16322
8. Symmetry in Time: A Representation Theory of Linear Recurrent Memory
时间中的对称性：线性循环记忆的表示理论
AI 总结：该研究用表示理论解决状态空间模型（SSM）的状态跟踪失效问题，提出含四元数通道的HyperSSM，可精确解决群任务且泛化能力强，权重可直接解释。
链接：https://arxiv.org/abs/2611.17162
2. 表示学习、自监督与对比学习 | 5 篇
9. EASTAR: Event-Anchored Semantic and Task-Adaptive Region Representation Learning
EASTAR：基于事件锚定的语义与任务自适应区域表示学习
AI 总结：该研究针对城市区域表示学习中移动性交互与活动目的脱节的问题，提出EASTAR框架，通过事件锚定分解移动性表示为多语义通道，结合任务自适应提示路由器，在四项城市预测任务中MAE最高降低39.15%，性能优于基线。
链接：https://arxiv.org/abs/2611.14990
10. PhysXAI: A Theoretical Framework for Diagnosing Physical Hallucinations in Weather Foundation Models
PhysXAI：用于诊断天气基础模型中物理幻觉的理论框架
AI 总结：本研究提出PhysXAI框架，通过多分支编码器与物理一致性对比学习等技术，诊断天气基础模型的物理幻觉，在多数据集与模型上验证其检测与归因物理不一致性的能力，推进可信天气预报AI发展。
链接：https://arxiv.org/abs/2611.15053
11. Profile-Based Auditing of Domestic Violence Survey Selection Across South Asia
基于剖面的南亚各国家庭暴力调查选择审计
AI 总结：本研究用南亚5国79.6万女性的DHS数据，通过PCA识别6个可解释剖面，用HistGradientBoosting模型审计DV调查选择，发现可解释ML可检测敏感调查模块的差异覆盖。
链接：https://arxiv.org/abs/2611.15106
12. Sparse PCA with Overlapping Supports: NP-Hardness and an FPTAS
带重叠支撑集的稀疏主成分分析：NP难性与完全多项式时间近似方案（FPTAS）
AI 总结：本文研究带任意支撑集重叠的稀疏主成分分析（SPCA），证明其在r=d=2时为NP难问题，r、d固定时存在FPTAS，通过转化为稀疏正交Procrustes问题并结合多种技术实现近似求解。
链接：https://arxiv.org/abs/2611.15810
13. Temporal Regularized Learning: Self-Supervised Learning Local in Space and Time
时间正则化学习：时空局部的自监督学习
AI 总结：提出TeReL时空局部自监督学习规则，在分块MNIST流上的小型网络中，其性能优于随机特征和经典SFA，放松约束后可与有监督反向传播相当，且推理时可从未标记数据持续学习。
链接：https://arxiv.org/abs/2611.17019
3. 强化学习与序列决策 | 27 篇
14. StructRL: Model-Free Reinforcement Learning with Replay Graphs
StructRL：基于重放图的无模型强化学习
AI 总结：StructRL将强化学习经验转化为重放图，为DQN、SAC等无模型学习者提供动作偏好或目标方向，在MiniGrid、PointMaze等任务上显著提升成功率，同时识别出图支持不完整等三个瓶颈。
链接：https://arxiv.org/abs/2611.14599
15. FOE-Dreamer: Deployment-Efficient Learning of Cyber Defense Policies in Operational Networks
FOE-Dreamer：运营网络中部署高效的网络防御策略学习方法
AI 总结：提出FOE-Dreamer框架，在运营网络直接训练防御者，分离潜在状态分量，在测试床中训练后性能优于Rainbow和IQN基线。
链接：https://arxiv.org/abs/2611.14880
16. Epigraph Form Reinforcement Learning-based Safe Trajectory Tracking Control for Connected and Autonomous Vehicles
基于上境图形式强化学习的网联自动驾驶车辆安全轨迹跟踪控制
AI 总结：本文针对网联自动驾驶车辆的安全轨迹跟踪问题，提出STTC-EFRL强化学习框架，通过上境图形式建模与光线投射方法提升跟踪精度与训练稳定性，实验验证其性能优于基线方法。
链接：https://arxiv.org/abs/2611.14903
17. Rethinking "RL Generalizes, SFT Memorizes": The Role of SFT Data
重新思考“RL泛化，SFT记忆”：SFT数据的作用
AI 总结：本文以Qwen2.5和Qwen3系列模型为对象，研究SFT数据的数据源、规模及尾部方法对SFT泛化能力的影响，发现精心设计的SFT数据可实现优于RL的泛化性，并从理论上验证了相关结论。
链接：https://arxiv.org/abs/2611.14912
18. MOON-RL: Multi-Objective Optimization via Objective Space Navigation with Reinforcement Learning
MOON-RL：基于强化学习的目标空间导航多目标优化
AI 总结：提出MOON-RL框架，将带约束多目标搜索建模为目标空间偏好导航，用轻量PPO策略结合元算法，在执行器设计等问题上优于对比算法，为交互式设计工具提供可行方案。
链接：https://arxiv.org/abs/2611.15227
19. Dual Representation Enhanced Diffusion Policy for Flexible Job Shop Scheduling
面向柔性作业车间调度的双表示增强扩散策略
AI 总结：本文提出DredRL调度器，通过双表示增强与扩散模型结合优化策略，在多类FJSP基准上优于现有方法，可高效解决复杂环境下的大规模柔性作业车间调度问题。
链接：https://arxiv.org/abs/2611.15246
20. Is the Importance Ratio Necessary for Stable Reinforcement Learning in LLMs?
稳定大语言模型强化学习中重要性比率是否必要？
AI 总结：本研究提出LGPO算法，移除GRPO中重要性采样校正项，保留软信任区域约束，在GRPO稳定场景中减少18%训练时间，在GRPO失效的完全在线策略训练中仍保持稳定，实现更高效鲁棒的LLM强化学习后训练。
链接：https://arxiv.org/abs/2611.15404
21. The Illusion of Diversity: Aligning LLM Exploration via Effective Entropy
多样性的错觉：通过有效熵对齐大语言模型的探索
AI 总结：该研究针对大语言模型探索多样性与推理有效性错位的问题，提出有效熵概念，构建 VEPO 方法融入 RLVR 训练，在 6 个数学推理基准上提升了模型准确率与采样成功率。
链接：https://arxiv.org/abs/2611.15493
22. ReShap: Interpretable Reinforcement Learning for High-Dimensional Multi-Action Settings
ReShap：面向高维多动作场景的可解释强化学习
AI 总结：ReShap是一种将Shapley可解释性扩展至高维多动作环境的策略蒸馏框架，用三类可解释模型实例化后在Atari等环境验证，可在保留任务性能的同时提升策略可解释性。
链接：https://arxiv.org/abs/2611.15507
23. Learning a calibrated decision head from logged bandit feedback
从记录的多臂老虎机反馈中学习校准的决策头
AI 总结：本研究基于记录的多臂老虎机反馈，适配LoRA在Qwen3系列模型上提出CAPS方法，其在多个数据集上的准确率、ECE等指标优于仅微调已确认答案的基线方法。
链接：https://arxiv.org/abs/2611.15572
24. Latent Imagination for Parameterized Action Spaces
参数化动作空间的潜在想象
AI 总结：针对参数化动作空间的PAMDP问题，提出HyLI方法，通过反事实模式评估和成功窗口回放优化，在7个基准上样本效率更高、执行速度更快，是唯一兼具高样本效率与实时控制速度的方法。
链接：https://arxiv.org/abs/2611.15744
25. Honesty Is a Race: Predicting When Verifiable-Reward RL Teaches a Model to Bluff
诚实是一场竞赛：预测可验证奖励强化学习何时会让模型进行虚张声势
AI 总结：该研究探讨可验证奖励强化学习中模型诚实与虚张声势的竞争关系，基于GRPO算法分析阈值条件，通过Datalog等实验揭示收益比对模型诚实性的影响及训练策略的作用。
链接：https://arxiv.org/abs/2611.15779
26. Your Hypergradient is Skewed: Antithetic Neumann Estimation for Bilevel Optimization
你的超梯度存在偏斜：用于双层优化的对偶 Neumann 估计器
AI 总结：本文针对双层优化中超梯度的偏斜误差问题，提出对偶 Neumann 估计器（ANE），结合现有双层方法形成 ANE-SGD 等变体，在多项任务上较基线方法实现损失降低 4%-25%，鲁棒回归任务增益达 25% 损失降低与 54% R² 提升。
链接：https://arxiv.org/abs/2611.15895
27. Reinforcement Learning for Inventory Control under Regime-Switching Demand: A Controlled Comparison of LSTM, MLP, and (s,S) Policies
制度切换需求下库存控制的强化学习：LSTM、MLP与(s,S)策略的受控比较
AI 总结：本文对比了(s,S)策略、MLP PPO与LSTM循环PPO在制度切换需求库存控制中的表现，发现循环策略在各提前期均更优，且优势随提前期扩大，因循环记忆适配长信用分配 horizon。
链接：https://arxiv.org/abs/2611.15945
28. Wayfinder: Adaptive Resource Routing from Agent Citations
Wayfinder：基于智能体引用的自适应资源路由
AI 总结：本研究提出自适应资源路由器Wayfinder，利用智能体引用作为反馈更新资源表示，结合资源增强方法，在自建的三个测试平台上验证其在语义重叠资源路由上优于基线方法。
链接：https://arxiv.org/abs/2611.16053
29. "It's Just a Small Weapon": What Rewarding Misbehavior During RL Does to Character-Trained Models
“这只是一个小手段”：强化学习中对不当行为的奖励对角色训练模型的影响
AI 总结：本研究将角色训练应用于gpt-oss-20b，探究对抗性RL对其的影响，发现角色训练模型易习得不当行为，且基于价值的宪法与普通宪法在相关评估中差异极小。
链接：https://arxiv.org/abs/2611.16069
30. LoCoJAX: Host-Local Coordination for Small-Model RL on TPUs
LoCoJAX：用于TPU上小模型强化学习的主机本地协调机制
AI 总结：针对TPU上小模型RL的协调成本问题，提出LoCoJAX机制，通过本地rollout与同步全局训练结合，在Qwen3-0.6B等任务上实现单步速度1.3-3.6倍提升，分散模式可进一步优化256芯片下的NuminaMath-CoT性能。
链接： https://arxiv.org/abs/2611.16301
31. StateAlign: Internalizing State-Aware Decision-Making for Reliable Multi-Turn Tool Agents via Reinforcement Learning
StateAlign：通过强化学习实现可靠多轮工具智能体的状态感知决策内化
AI 总结：本研究提出StateAlign，结合任务状态构建与状态对比强化学习，在5种基础模型的3类基准任务上提升性能，降低工具幻觉，增强智能体决策一致性与错误恢复能力。
链接：https://arxiv.org/abs/2611.16304
32. Bait: Mitigating Harmful Agentic Reinforcement Learning via Probing Reward Function
Bait：通过探测奖励函数缓解有害智能体强化学习
AI 总结：该研究揭示了智能体强化学习即服务的安全漏洞，提出Bait防御通过探测奖励函数缓解有害智能体强化学习攻击，实验表明其能有效抵御有害学习且不影响良性学习。
链接：https://arxiv.org/abs/2611.16369
33. Experience-Handoff Reinforcement Learning for Recursive Self-Improvement
用于递归自我改进的经验交接强化学习
AI 总结：本研究提出ACERL方法，结合标量奖励梯度更新与环境信息交接经验，在ACE框架下优化智能体各角色行为，在智能体基准测试中性能优于基线。
链接：https://arxiv.org/abs/2611.16409
34. HALight: Heterogeneous Multi-Agent Reinforcement Learning for Traffic Signal Control under Lane-Level Missing Observations
HALight：车道级观测缺失下的异构多智能体强化学习交通信号控制
AI 总结：本文提出HALight框架，针对车道级观测缺失下的异构多智能体交通信号控制问题，通过适配交叉口的建模、邻域通信与序贯更新，在真实路网实验中优于相关基线方法。
链接：https://arxiv.org/abs/2611.16574
35. Edge-Gradient Augmentation under Reinforcement Learning for Temporal Graph
用于时序图的强化学习下的边梯度增强
AI 总结：针对时序链路预测忽略边变化信息的问题，提出EG-RL框架，通过专用编码模块与策略驱动强化学习动态增强边快照，在多数据集上提升了预测性能。
链接：https://arxiv.org/abs/2611.16678
36. Near-Optimal Regret for Oracle-Efficient Adversarial Contextual Bandits
先知高效对抗式上下文博弈的近最优悔值
AI 总结：该研究针对先知高效对抗式上下文博弈问题，提出一种基于辅助上下文泊松样本扰动策略得分的算法，将悔值率提升至对数因子内最优，且先知复杂度等资源界为多项式级。
链接：https://arxiv.org/abs/2611.17109
37. Support-Constrained Offline Policy Improvement for Pediatric ECMO from Limited Clinical Data
基于有限临床数据的儿科ECMO支持约束离线策略改进
AI 总结：针对儿科ECMO管理中强化学习的风险问题，提出FQI-SC离线强化学习框架，在有限临床数据上提升了平衡得分、估计价值并降低了行为分歧度。
链接：https://arxiv.org/abs/2611.17134
38. Introducing Feedback Delays to Non-Delayed Adversarial MDPs: Optimal $\sqrt S$ and $\sqrt K$ Dependencies in Tabular and Linear AMDPs
向无延迟对抗马尔可夫决策过程（AMDPs）引入反馈延迟：表格型与线性AMDPs中的最优√S和√K依赖关系
AI 总结：本文针对表格型与线性对抗马尔可夫决策过程，提出引入反馈延迟的技术及带拒绝的几何重采样方法，解决表格型AMDP的√S遗憾差距问题，得到线性AMDP首个K最优高效算法，还扩展到延迟AMDP并获最优界。
链接：https://arxiv.org/abs/2611.17214
39. Negative-Only Policy Optimization for One-Sided Verifiable Rewards
单侧可验证奖励的仅负策略优化
AI 总结：针对单侧可验证奖励场景下标准带可验证奖励的强化学习不可靠的问题，提出仅负策略优化（NOPO），结合负抑制损失与组级适配器，在多基准上提升了pass@k指标且增益可迁移。
链接：https://arxiv.org/abs/2611.17287
40. Internalizing Investment Mandates: A Neurosymbolic RL Approach to Portfolio Allocation
内化投资指令：一种用于投资组合分配的神经符号强化学习方法
AI 总结：本研究针对深度强化学习无法满足投资组合配置合规约束的问题，提出受PLPG启发的连续分配方法，通过重参数化蒙特卡洛采样将合规性纳入训练目标，大幅降低了投资指令违规率。
链接：https://arxiv.org/abs/2611.17329
4. 生成模型与概率建模 | 8 篇
41. Thompson Sampling using Prior-fitted Diffusion Transformers
基于先验拟合扩散Transformer的汤普森采样
AI 总结：本研究提出先验拟合扩散Transformer，将其用于汤普森采样，开发非高斯先验并量化模型规模与预训练迭代的权衡，在全局优化基准上性能优于高斯过程传统流程。
链接：https://arxiv.org/abs/2611.14656
42. Knowledge Transfer for Conditional Flow Matching: Frozen Estimation and Adaptation
条件流匹配的知识迁移：冻结估计与适配
AI 总结：本文提出条件流匹配的迁移学习框架，含TFM-Freeze与TFM-Adapt方法，建立风险界，开发验证程序，经模拟与真实数据验证可提升性能并防止负迁移。
链接：https://arxiv.org/abs/2611.15150
43. Stealthy, High-Impact False Data Injection Attacks in Smart Grid Using Physics-Constrained GAN
基于物理约束生成对抗网络的智能电网隐蔽高影响虚假数据注入攻击
AI 总结：该研究提出PCGAN方法，在智能电网虚假数据注入攻击中实现良好的隐蔽性与影响平衡，为FDI检测器评估提供了挑战性案例。
链接：https://arxiv.org/abs/2611.15162
44. FADO: Learning Causal Explanations with Prior-Fitted Networks
FADO：基于先验拟合网络学习因果解释
AI 总结：针对表格数据的机器学习解释，提出FADO方法，通过先验拟合网络从合成数据学习特征干预效应，解决传统预测归因的相关性局限，在多种场景下表现更优。
链接：https://arxiv.org/abs/2611.15607
45. Subsurface schematisation from sparse CPT data using the tabular foundation model TabPFN
基于稀疏CPT数据使用表格基础模型TabPFN的地下结构概化
AI 总结：本研究将通用表格基础模型TabPFN用于稀疏CPT数据的地下结构概化，其在合成剖面和荷兰两个实地场地的表现优于SchemaGAN及参考插值方法，微调可提升合成测试准确率但会增加实地误差，为地下预测提供了新途径。
链接：https://arxiv.org/abs/2611.16088
46. Flow-CAD: Flow Matching for Contextual Anomaly Detection and Explanation in Tabular Data
Flow-CAD：面向表格数据上下文异常检测与解释的流匹配方法
AI 总结：提出Flow-CAD框架，基于流匹配学习全局条件生成模型，结合尺度归一化截断残差能量实现可解释异常评分，在20个数据集上较13种方法获最优平均排名，提升了表格数据上下文异常检测的效果与可解释性。
链接：https://arxiv.org/abs/2611.16184
47. Overcoming Spurious Correlations in Conditional Diffusion Models via Doubly Robust Target Correction
通过双重鲁棒目标校正克服条件扩散模型中的虚假相关性
AI 总结：本研究针对条件扩散模型存在的虚假相关性问题，提出DR-Diff框架，通过微调预训练模型实现高效目标适配，兼具理论保障与实验有效性，可缓解下游任务的组间差异。
链接：https://arxiv.org/abs/2611.16306
48. Manifold Attracting Flow Matching: Physics-Constrained Sampling via Continuous Geometric Dynamics
流形吸引流匹配：通过连续几何动力学的物理约束采样
AI 总结： 提出MAFM框架，通过连续几何动力学实现物理约束采样，无需重训练生成模型，在基准测试中提升生成质量并保持低约束残差。
链接：https://arxiv.org/abs/2611.16677
5. 优化、泛化与理论分析 | 5 篇
49. Anytime-Valid Empirical Likelihood Inference from LLM Annotations with Adaptive Human Auditing
结合自适应人工审计的大模型标注的随时有效经验似然推断
AI 总结：该研究针对LLM标注的偏差问题，提出AAELI框架，结合LLM输出与自适应人工审计，构建随时有效置信序列，实验显示其在保持覆盖率的同时减少了人工审计量。
链接：https://arxiv.org/abs/2611.15197
50. Regret Bounds for Quantum Linear Bandits
量子线性老虎机的后悔界
AI 总结：该研究解决量子线性老虎机的后悔界问题，证明了新的极小极大下界，并提出两种分阶段消除算法，降低了后悔界中的相关因子。
链接：https://arxiv.org/abs/2611.15237
51. Learning Rate Transfer and Feature Learning Across Depth for Constrained Spectral Optimizers: Complete Scion
面向约束优化器的跨深度学习率迁移与特征学习：Complete Scion
AI 总结：该研究针对约束优化方法推导1/L残差缩放规则，支持Scion算法的学习率跨深度与宽度迁移，在三类模型实验中验证了该规则的有效性。
链接：https://arxiv.org/abs/2611.15291
52. Efficient Knowledge Transfer in Federated Bayesian Optimization through Neural Network Surrogates
基于神经网络代理的联邦贝叶斯优化中的高效知识迁移
AI 总结：该研究针对异构场景下联邦贝叶斯优化的知识迁移问题，提出GLOBAFED框架，通过带变分贝叶斯层的概率神经网络代理实现高效隐私保护的知识迁移，性能优于现有基线。
链接：https://arxiv.org/abs/2611.15707
53. Optimal feature selection for firewall log analysis using Machine learning and Hybrid Metaheuristic algorithms
结合机器学习与混合元启发式算法的防火墙日志分析最优特征选择
AI 总结：本研究提出QBSO-FS特征选择方法，结合RF、KNN等分类器，在UCI防火墙数据集上验证其可提升分类性能，支持自动防火墙日志分析，未来需开展多划分评估。
链接：https://arxiv.org/abs/2611.16239
6. 高效学习、压缩与部署 | 4 篇
54. Serving-Aligned Entire-Space Conversion Modeling via Click-Through Rate Knowledge Distillation
基于点击率知识蒸馏的服务对齐全空间转换建模
AI 总结：该研究针对推荐系统pCTCVR的训练-服务不匹配问题，提出基于知识蒸馏的KD-α方法，在Ali-CCP数据集上显著提升了pCTCVR与pCVR的AUC及PR-AUC指标。
链接：https://arxiv.org/abs/2611.15137
55. DRAMA: Dissecting Attention Redundancy for Accelerating Multimodal Diffusion Large Language Models
DRAMA：剖析注意力冗余以加速多模态扩散大语言模型
AI 总结：DRAMA是一种无训练的多模态扩散大语言模型加速框架，通过剖析注意力冗余提出SVTP与SGAS机制，在六个视觉-语言基准上实现平均18.67倍推理加速，同时保持竞争力准确率。
链接：https://arxiv.org/abs/2611.16345
56. DPA: Decentralized Primal Averaging with Quasi-Global Momentum for Highly Heterogeneous Data
DPA：带准全局动量的去中心化原始平均算法，用于高度异构数据
AI 总结：针对高度异构数据的去中心化深度学习训练，提出带准全局动量的DPA算法及低通信成本变体DPA-1G，在图像分类基准上较多种基线取得更优性能。
链接：https://arxiv.org/abs/2611.16871
57. Two mathematical models of knowledge distillation
知识蒸馏的两个数学模型
AI 总结：本文提出并分析知识蒸馏的两个数学模型，证明蒸馏可加快模型收敛速度，其益处在于优化速度而非泛化能力，相关实验验证了理论预测。
链接：https://arxiv.org/abs/2611.17230
7. 联邦学习、隐私与安全 | 5 篇
58. An Asynchronous Federated Learning Platform for Lung Adenocarcinoma Grading via Foundation Models and Structural Pruning
基于基础模型与结构剪枝的肺腺癌分级异步联邦学习平台
AI 总结：本研究针对肺腺癌分级的观察者差异与数据隐私问题，开发了基于UNI2基础模型、FedNova算法及40%剪枝的异步联邦学习平台，实现了高效分类并保护患者隐私。
链接：https://arxiv.org/abs/2611.14590
59. Tokenized Reward Systems for Federated Learning: The Privacy vs. Fairness Tradeoff
联邦学习的代币化奖励系统：隐私与公平性的权衡
AI 总结：该研究针对联邦学习设计两种代币化奖励智能合约，发现隐私保护的零知识证明架构会降低系统鲁棒性，攻击者可突破阈值垄断奖励，明确了隐私与公平性的权衡及部署边界。
链接：https://arxiv.org/abs/2611.16065
60. Class-Competence Aggregation: Output-Layer Routing for Federated Multiclass DDoS Detection under Class-Concentrated Non-IID Data
类别能力聚合：类别集中型非IID数据下联邦多类DDoS检测的输出层路由
AI 总结：针对类别集中型非IID数据导致联邦多类DDoS检测中FedAvg失效的问题，提出类别能力聚合（CCA）方法，按客户端本地验证F1聚合输出层，在CIC-DDoS2019等数据集上大幅提升集中类别的F1值，缩小联邦与集中式学习的性能差距。
链接：https://arxiv.org/abs/2611.16772
61. Paper-Faithful Federated Learning: Scientific Checks for Practitioner and Agent Development
忠实于论文的联邦学习：面向从业者与智能体开发的科学检查
AI 总结：针对联邦学习实验易因实现偏差产生不可靠结果的问题，提出FedBrew代码库，通过多维度检查保障实验可控可复现，支持研究人员与AI智能体的扩展开发。
链接：https://arxiv.org/abs/2611.17129
62. A Convex-Analytic Reformulation for Poisoning Attacks on Logistic Regression
针对带ℓ₂正则化的逻辑回归中毒攻击的凸分析重述
AI 总结：本文针对带ℓ₂正则化的逻辑回归中毒攻击，提出凸分析重述方法，通过凸共轭等技术转化问题约束，经8个二分类数据集实验，该方法在固定时间内可得到更强对偶边界。
链接：https://arxiv.org/abs/2611.17143
8. 鲁棒性、不确定性与可信学习 | 7 篇
63. Poison-then-Hide: Finetuning-Activated Backdoor Attack on Pretrained Vision Encoders
先投毒再隐藏：针对预训练视觉编码器的微调激活后门攻击
AI 总结：本文提出Poison-then-Hide攻击，将休眠后门植入预训练视觉编码器，可在全模型微调的域迁移场景下激活，攻击成功率达97%，且标准防御无法完全清除该后门。
链接：https://arxiv.org/abs/2611.14970
64. Training Calibrated Conditional Generative Models with a Sample-Only Coverage Loss
使用仅基于样本的覆盖损失训练校准的条件生成模型
AI 总结：提出仅基于样本的可微覆盖损失，训练条件生成模型以提升后验校准度，在基准和成像逆问题中表现优于现有方法。
链接：https://arxiv.org/abs/2611.15829
65. Characterizing the Edge of Stability in Variational Training Without Priors
无先验的变分训练中稳定性边界的表征
AI 总结：本文针对无先验的变分训练，理论与实证证明更大学习率、更少参数样本可得到泛化更好的平坦极小值，明确其处于由梯度信噪比和蒙特卡洛样本数表征的修正稳定性边界，相关理论在分布外基准数据集上得到验证。
链接：https://arxiv.org/abs/2611.15990
66. A Matching Lower Bound for Online Smooth Calibration
在线平滑校准的匹配下界
AI 总结：本文针对序列二分类预测的平滑校准问题，构造新对手得出Ω(√T)下界，匹配上界，解决了相关校准度量的极小极大速率问题。
链接：https://arxiv.org/abs/2611.16097
67. Interpretable machine learning diagnosis of degradation mechanisms in lead-free $RbSn_{0.5}Ge_{0.5}I_{3}$ solar cells from temperature- and illumination-dependent electrical measurements
基于温度和光照依赖电测量的无铅$RbSn_{0.5}Ge_{0.5}I_{3}$太阳能电池降解机制的可解释机器学习诊断
AI 总结：本研究结合SCAPS-1D模拟，用XGBoost回归器优化无铅$RbSn_{0.5}Ge_{0.5}I_{3}$太阳能电池，提出多标签分类器诊断其降解机制，宏F1达0.938，但无法泛化到训练外的机制组合。
链接：https://arxiv.org/abs/2611.16750
68. Calibration and Conformal Prediction for Medical Question Answering in Arabic and English: Evidence from Two Non-Parallel Benchmarks
阿拉伯语与英语医学问答的校准与共形预测：来自两个非平行基准的证据
AI 总结：本研究针对Qwen2.5-7B-Instruct与适配Jais的7B-chat模型，在MedMCQA和MedAraBench两个非平行医学问答基准上，探究其校准度与不确定性，发现温度缩放可降低校准误差，拆分共形预测能达到标称覆盖率，还分析了模型的置信度与选项先验偏差。
链接：https://arxiv.org/abs/2611.16821
69. Capacity-Constrained Delayed Feedback for Online Conformal Risk Control
容量受限的延迟反馈在线保形风险控制
AI 总结：针对在线保形风险控制中反馈延迟与容量受限导致的反馈丢失问题，提出CA-OCRC框架，通过随机跟踪策略与逆概率加权更新预测集，经多领域实验验证其有效性。
链接：https://arxiv.org/abs/2611.17059
9. 图学习与结构化数据 | 7 篇
70. From Nodes to Pixels: Topological and Structural Two-View Graph Imaging
从节点到像素：拓扑与结构的双视图图成像
AI 总结：提出G2Image框架，将图转换为两个互补类图像视图，实现固定大小表示，在图分类和分子预测基准中性能优于对比方法，为图学习提供可复用输入接口。
链接：https://arxiv.org/abs/2611.14750
71. Graph Label Alignment: A Diagnostic Atlas for Graph Classification
图标签对齐：图分类的诊断图谱
AI 总结：本研究提出图标签对齐诊断工具，通过SLA与FLA探针衡量标签可获取性，发现高对齐度对应简单基准性能，低对齐度需保留结构-特征对应关系，为图分类提供了新的诊断视角。
链接：https://arxiv.org/abs/2611.14760
72. DGPExplainer: Generating Prototype Sequence Explanations for Dynamic Graph Neural Networks
DGPExplainer：为动态图神经网络生成原型序列解释
AI 总结：针对动态图神经网络可解释性缺口，提出事后原型解释器DGPExplainer，通过局部识别、原型分解与序列生成，为多类别DGNN生成可理解的原型序列解释，实验验证其有效性。
链接：https://arxiv.org/abs/2611.15224
73. From Link Prediction to Linear Community Detection: A Finite-Sample Guarantee for Graph Pretraining
从链接预测到线性社区检测：图预训练的有限样本保证
AI 总结：针对图预训练中链接预测为何能生成适用于节点分类的嵌入这一问题，在有限样本随机块模型下，证明了带对称双线性解码器的有界GNN编码器可将链接预测泛化误差转化为线性分类器的社区分类误差，给出了构造性少标签分类器并通过实验验证了理论链。
链接：https://arxiv.org/abs/2611.15778
74. Vocabulary-Free Next-Event Prediction on Temporal Graphs
时序图上无词汇的下一个事件预测
AI 总结：本研究提出无词汇的生成式时序图 Transformer（GTGT），用于时序图自监督下一个事件预测，在 TGB 基准上实现相当或更优的链接预测性能且训练成本更低，推动时序图基础模型发展。
链接：https://arxiv.org/abs/2611.16063
75. Feature-Aware Edge Sampling for Approximate One-Step Laplacian Propagation
面向近似单步拉普拉斯传播的特征感知边采样
AI 总结：本文提出结合特征条件消息分数与有效电阻杠杆分数的混合边采样器，用于近似图神经网络的单步组合拉普拉斯消息，在合成社区图上验证了其性能介于最优选择与均匀随机采样之间。
链接：https://arxiv.org/abs/2611.16169
76. DySR-GNN: Dynamic Sensor-Relationship Graph Neural Network for Root Cause Analysis in Automotive HiL Multivariate Time Series
DySR-GNN：用于汽车硬件在环（HiL）多变量时间序列根本原因分析的动态传感器关系图神经网络
AI 总结：本研究针对汽车HiL系统故障跨信号传播导致根本原因难定位的问题，提出DySR-GNN模型，通过为每个时间窗口重建传感器稀疏关系图，在记录不相交评估下取得优于对比模型的多标签根本原因识别性能。
链接：https://arxiv.org/abs/2611.16623
10. 迁移、元学习与持续学习 | 7 篇
77. SPIRE: Task-agnostic embodied continual learning through autonomous situation inference and causal motor-primitive reuse
SPIRE：通过自主情境推理与因果运动基元复用实现任务无关的具身持续学习
AI 总结：本研究提出SPIRE框架，通过自主情境推理与因果运动基元复用，在无任务标签的具身控制任务中，使学习速度提升40%，先前学习优势达对比方法的2.4倍。
链接：https://arxiv.org/abs/2611.14840
78. MechBench: A Domain-Specific LLM Benchmark for Parallel Mechanisms
MechBench：面向并联机构的领域特定大语言模型基准测试集
AI 总结：研究针对现有LLM基准未覆盖并联机构领域知识等问题，推出MECHBENCH基准测试集，构建MECHFORGE框架生成测试集，开发MECHGPT模型，实验发现现有模型在挑战级表现差，MECHBENCH可用于评估领域特定LLM能力。
链接：https://arxiv.org/abs/2611.15342
79. Improved Elastic Weight Consolidation as an Optimization Constraint for Continual Learning
改进的弹性权重整合作为持续学习的优化约束
AI 总结：该研究提出IEWC作为持续学习的优化约束，解决EWC的样本加权缺陷，在多任务中优于EWC和EWC-DR，使ImageNet-R准确率提升2.00个百分点。
链接：https://arxiv.org/abs/2611.16039
80. Recursive State-Augmented Language Models: Persistent Latent-State Adaptation of Pretrained Language Models
递归状态增强语言模型：预训练语言模型的持久潜在状态适配
AI 总结：该研究提出递归状态增强语言模型（Recursive SALM）框架，通过持久潜在状态实现预训练语言模型的适配，在四回合假设推理任务中准确率达89.1%，验证了其在解码器上下文缺失早期证据时支持序列推理的有效性。
链接：https://arxiv.org/abs/2611.16375
81. Sustainable Federated Fine-Tuning with LoRA: Environmental Impact and Performance Footprint
基于LoRA的可持续联邦微调：环境影响与性能足迹
AI 总结：本研究评估了不同GPU上联邦LoRA微调的环境影响，发现减少本地步骤可在保持准确率的同时大幅降低能耗，为节能联邦微调提供了依据。
链接：https://arxiv.org/abs/2611.16856
82. Maximizing Capacity Utilization of LoRA Adapters for Mitigating the Learning-Forgetting Trade-off
最大化LoRA适配器的容量利用率以缓解学习-遗忘权衡
AI 总结：该研究针对LoRA适配器无法充分利用容量导致的学习-遗忘权衡问题，提出添加Rényi-2有效秩正则化项的训练机制，在多模型实验中降低了Wiki困惑度，为LoRA参数高效微调提供了互补改进方向。
链接：https://arxiv.org/abs/2611.17191
83. Linking Rapid Learning to Compositional Structure in Neural Networks: Evidence from Additive Analogies in Meta-Learned Parameter Spaces
将快速学习与神经网络中的组合结构关联：来自元学习参数空间中加法类比的证据
AI 总结：该研究探究元学习网络快速学习的机制，发现其参数向量间存在加法类比的组合结构，可通过符号操作重组得到新函数，为神经网络归纳偏置提供几何依据。
链接：https://arxiv.org/abs/2611.17314
11. 数据集、基准与评测 | 12 篇
84. KernelMosaic: An Open Dataset and Agentic Framework for CUDA Kernel Generation
KernelMosaic：用于CUDA内核生成的开放数据集与智能体框架
AI 总结：本文提出KernelMosaic开放数据集及智能体框架，经其微调的小型开源模型在KernelBench CUDA内核生成任务上正确率大幅提升，性能优于直接响应，为该领域提供了有效监督资源。
链接：https://arxiv.org/abs/2611.14604
85. Beyond Row-Level Prediction: Evaluating and Learning Composition for Reusable Table Representations
超越行级预测：评估与学习可重用表格表示的组合方式
AI 总结：该研究针对表格表示方法未直接评估表格级嵌入质量的问题，构建基准评估表格级嵌入特性，发现组合规则是性能差距关键，提出SCDM学习组合规则，提升了嵌入相关任务性能。
链接：https://arxiv.org/abs/2611.14697
86. Breath-Dx: A Time Series Classification Benchmark for Disease Screening with eNose
Breath-Dx：用于电子鼻疾病筛查的时间序列分类基准
AI 总结：本研究推出首个呼吸疾病筛查时间序列分类基准Breath-Dx，利用最大公开临床电子鼻S-OH数据集，评估四类10种方法，揭示传感器漂移影响，发布资源以推动临床呼吸组学进展。
链接：https://arxiv.org/abs/2611.15348
87. Overcoming the Resolution Limit: Significance-Aware Regularization for Intersectional Fairness
突破分辨率限制：面向交叉公平性的显著性感知正则化方法
AI 总结：针对交叉公平性中子群体样本稀疏导致的公平性估计不稳定与公平性过拟合问题，提出显著性感知公平性正则化器SAFER，在基准数据集上实现更优公平性-效用权衡。
链接：https://arxiv.org/abs/2611.15427
88. What Conformal Selection Can Certify in CRISPR Off-Target Design:Benchmark Leakage, Free Baselines, and a Finite-Sample Cohort Requirement
CRISPR脱靶设计中保形选择可验证的内容：基准泄漏、自由基线及有限样本队列要求
AI 总结：该研究探讨CRISPR脱靶设计中保形选择的可验证性，发现现有基准存在泄漏问题，提出修正方案及新基线，明确了验证流程所需的有限样本队列大小要求。
链接：https://arxiv.org/abs/2611.15555
89. GLCR: Global-Local Collaborative Routing for Multi-Task Electromagnetic Signal Processing
GLCR：面向多任务电磁信号处理的全局-局部协同路由
AI 总结：针对电磁信号处理中现有模型跨任务迁移性差或成本高的问题，提出GLCR两阶段路由方法，构建HeteroSignal-7基准，实验表明其性能优于19个基线，延迟低且运算量大幅减少。
链接：https://arxiv.org/abs/2611.15609
90. Orbit: An Evidence-Grounded Benchmark for Evaluating LLMs on IT Operations Reasoning
ORBIT：用于评估大语言模型IT运维推理能力的基于证据的基准
AI 总结：本研究提出ORBIT基准，评估LLMs的IT运维推理能力，发现其在故障排查题表现差，需独立评判者，该基准是诊断工具而非部署测试。
链接：https://arxiv.org/abs/2611.15718
91. WELP: Weighted Ensemble in the LooP for committor learning
WELP：用于承诺子学习的循环加权集成（Weighted Ensemble in the LooP）
AI 总结：提出WELP框架，结合加权集成与承诺子学习，在多分子系统上优于贪心基线，还构建丙氨酸二肽承诺子基准，为稀有转变研究提供新方法与评估标准。
链接：https://arxiv.org/abs/2611.15963
92. Measuring Preferred Representation in AI-generated Images with Community Scorers
用社区评分者衡量AI生成图像中的偏好表征
AI 总结：该研究针对AI生成图像错误表征边缘化社区的问题，提出社区评分者模型，其与社区评分的一致性优于传统指标，还发布社区偏好数据集用于相关评估。
链接：https://arxiv.org/abs/2611.16093
93. MutAtlas: A PDB-Wide Energy-Guided Atlas of Protein Mutation Effects
MutAtlas：基于PDB全库能量引导的蛋白质突变效应图谱
AI 总结：针对蛋白质突变数据稀疏问题，构建PDB全库突变增强数据集，提出无监督多源突变偏好蒸馏框架，在ProteinGym零样本任务中实现最佳性能，发布数据集与评估流程。
链接：https://arxiv.org/abs/2611.16361
94. Dataset Distillation via Drifting
基于漂移的数据集蒸馏
AI 总结：本研究提出一种基于特征提取器潜在空间漂移的数据集蒸馏方法，该方法可更好覆盖真实数据分布，还可用于模型可视化并扩展至其他模态，推进了数据集蒸馏研究。
链接：https://arxiv.org/abs/2611.16642
95. AeroZoo: A Benchmark of Well-Posed Flow Problems for Foundation Models of Aerodynamics
AeroZoo：面向空气动力学基础模型的适定流动问题基准
AI 总结：该研究提出 AeroZoo 基准，通过实验验证边界条件标记、ISLA 等方法可显著降低空气动力学基础模型的流动预测误差，相关数据与代码将公开。
链接：https://arxiv.org/abs/2611.17152
12. 机器学习应用 | 14 篇
96. Binding Mode Matters: Hotspot-Aware Drug Discovery via Explorative Preferences
结合模式至关重要：通过探索性偏好实现热点感知药物发现
AI 总结：本研究将药物设计转化为多目标探索任务，提出BindMol生成框架，通过定制多目标强化学习算法结合探索性偏好，可发现高亲和力、结构新颖且结合模式多样的化合物，为药物发现提供通用范式。
链接：https://arxiv.org/abs/2611.14956
97. AI4Plasma I: Data-Efficient Surrogate Modeling of Capacitively Coupled Plasma Fields
AI4Plasma I：电容耦合等离子体场的数据高效代理建模
AI 总结：该研究对比五种代理架构在CCP场预测中的数据效率，发现FNO在多数场景下所需参考模拟数量最少，是数据高效的基线，且最优架构依精度目标和参数区域而定。
链接：https://arxiv.org/abs/2611.15002
98. From Forecasting to World Modeling: Can Temporal Foundation Models Recover Causal Response?
从预测到世界建模：时间基础模型能否恢复因果响应？
AI 总结：该研究评估了时间基础模型等，发现预测准确性不代表价格因果效应预测准确性，额外上下文对表格模型的价格效应预测无改善，工具变量需特定形式才能减小误差。
链接：https://arxiv.org/abs/2611.15009
99. SkinAdvisor: An AI-Driven Decision Framework for Skin Production Planning via Multi-Modal Transformer Sales Forecasting
SkinAdvisor：基于多模态Transformer销量预测的AI驱动皮肤生产规划决策框架
AI 总结：本研究提出SkinAdvisor框架，依托多模态Transformer模型SkinCast预测未发布皮肤销量，通过服务流水线按ROI排名候选皮肤，经实验验证其预测精度与性能均优于基线，且已成功部署。
链接：https://arxiv.org/abs/2611.15023
100. When Does Causality Help in Multivariate Time-Series Anomaly Detection?
因果关系在多变量时间序列异常检测中何时发挥作用？
AI 总结：该研究通过控制变量实验，明确了因果引导自编码器DeCauAE在多变量时间序列异常检测中发挥作用的场景，为因果模块的合理应用提供了依据。
链接：https://arxiv.org/abs/2611.15073
101. PRELUDE: Separating Common Components from Target-Specific Dependencies for Multivariate Time Series Forecasting
PRELUDE：面向多变量时间序列预测的、从目标特定依赖中分离公共组件的框架
AI 总结：该研究针对多变量时间序列预测中存在的虚假依赖问题，提出PRELUDE分离读取框架，通过分离公共组件与目标特定依赖提升预测性能，在16个真实数据集上取得最优效果。
链接：https://arxiv.org/abs/2611.15155
102. KQML-Liver: Interpretable Hybrid Quantum Machine Learning with Kolmogorov-Arnold Networks for Liver Disease Classification
KQML-Liver：用于肝病分类的基于柯尔莫哥洛夫-阿诺德网络的可解释混合量子机器学习
AI 总结：本文提出KQML-Liver混合框架，结合QML与KAN，在ILPD数据集上以严格预处理实现82%准确率、100%召回率，用于可解释的肝病分类，性能优于现有基线。
链接：https://arxiv.org/abs/2611.15241
103. CastWorld: Benchmarking Context-Aware Agentic Time Series Forecasting Beyond Predictive Accuracy
CastWorld：超越预测准确率的上下文感知智能体时间序列预测基准
AI 总结：提出CastWorld基准，构建含多领域数据集的套件与自适应交互框架，通过多维度评估揭示智能体决策差异，为智能体时间序列预测提供可复用评估基础。
链接：https://arxiv.org/abs/2611.15262
104. MORA: Correcting Time Series Forecasts with Coarse Future Signals
MORA：利用粗略未来信号修正时间序列预测结果
AI 总结：该研究提出模型无关的MORA残差适配器，利用时间序列预测的粗略尺度残差，在12个基准和6种骨干网络上使长期预测MSE降7.2%、短期降28.1%，提升了现有时间序列预测性能。
链接：https://arxiv.org/abs/2611.15413
105. Curiosity-0826-4B: Generative Medical Event Sequence Modeling Across Pediatric and Adult Populations
Curiosity-0826-4B：面向儿科与成年人群的生成式医疗事件序列建模
AI 总结：Curiosity-0826-4B是基于Epic Cosmos训练的生成式医疗事件基础模型，参数达43亿，可模拟患者时间线实现零样本临床预测，能覆盖儿科与成年人群，提升了实验室值预测等性能，无需训练任务特定模型即可开展多类临床预测任务。
链接：https://arxiv.org/abs/2611.15710
106. Large Payments Model
大型支付模型
AI 总结：该研究提出领域特定基础模型LPM，通过两种互补架构学习支付预测的可复用表征，在多支付任务中优于基线，可适配未观测目标，具备实用价值。
链接：https://arxiv.org/abs/2611.15814
107. Learning Temporal Dynamics with Derivative Representations for Time Series Forecasting
基于导数表示学习时间动态的时间序列预测方法
AI 总结：本研究提出模型无关的DeltaTSF框架，通过联合学习时间序列及其离散导数，提升时间序列预测的动态一致性与性能，优于现有SOTA方法。
链接：https://arxiv.org/abs/2611.16514
108. GNN-Enhanced TCN Algorithms for ECG Anomaly Detection
用于心电信号异常检测的GNN增强型TCN算法
AI 总结：该研究将GNN与TCN结合构建新型几何深度学习模型，用于心电信号的异常检测，拓展了GNN在时间序列场景的应用。
链接：https://arxiv.org/abs/2611.16648
109. ScrewSense: Mapping the Invisible - Anomaly Detection and Error Classification in Screwdriving Processes
ScrewSense：映射不可见——螺丝拧紧过程中的异常检测与错误分类
AI 总结：本研究提出ScrewSense，用深度学习技术结合向量量化变分自编码器等模型，实现螺丝拧紧过程的异常检测与多错误分类，准确率达100%，可减少人工工作量，具工业应用潜力。
链接：https://arxiv.org/abs/2611.16789
13. 其他/综合机器学习 | 77 篇
110. CAFIN: CUDA-accelerated Adaptive Fisher Information Matrix Network Optimization via GPU-Native Kernel Fusion
CAFIN：通过GPU原生内核融合实现CUDA加速的自适应Fisher信息矩阵网络优化
AI 总结：本文提出CAFIN框架，通过CUDA内核融合优化AdaFisher，在不改变其公式的前提下，降低GPU内存开销与延迟，提升二阶优化器效率，且收敛精度不受影响。
链接：https://arxiv.org/abs/2611.14589
111. Adversarial Risk in the Generative AI Era Necessitates Dropping the Small Epsilon Ball
生成式AI时代的对抗风险要求放弃小ε球
AI 总结：该研究指出对抗机器学习中对ℓ_p范数ε球的关注是计量陷阱，会误导防御者、激励攻击者，主张放弃小ε球以应对生成式AI时代的对抗风险。
链接：https://arxiv.org/abs/2611.14594
112. Closing the Loop: Co-Evolving EM for Irregular Time Series Generation in Lifted Representations
闭环：在提升表示中协同演化EM用于非规则时间序列生成
AI 总结：该研究针对非规则时间序列生成的开环策略缺陷，提出协同演化蒙特卡洛EM框架结合PSLR方法，在多数据集上实现了优于基线的最先进性能。
链接：https://arxiv.org/abs/2611.14659
113. Code as Explanations: Executable and Verifiable LLM Explanations
代码作为解释：可执行且可验证的大语言模型解释
AI 总结：本研究提出代码解释方法，以可执行且可验证的代码作为LLM的行为解释，实验表明其比CoT更紧凑且在多数场景更贴合模型行为，验证反馈可提升一致性。
链接：https://arxiv.org/abs/2611.14704
114. UniPipe: Unified Inference Serving and Fine-Tuning for Deadline-Constrained DNN Surrogate Workflows
UniPipe：面向截止时间约束DNN代理工作流的统一推理服务与微调
AI 总结：UniPipe是一种单上下文系统，通过融合推理与微调的前向传播、选择性反向传播及多项式时间调度，在边缘GPU上统一DNN代理的推理服务与微调，可降低叠层成像工作流的MSE、截止时间未命中率并提升吞吐量。
链接：https://arxiv.org/abs/2611.14748
115. Machine Learning Moment Closure for the Boltzmann Transport Equation: Enforcing Hyperbolicity
玻尔兹曼输运方程的机器学习矩封闭：强制执行双曲性
AI 总结：该研究提出首个构造上双曲的线性玻尔兹曼方程多维埃尔米特矩系统数据驱动封闭关系，经二维实验验证，其精度优于经典P7、P15截断，密度误差远小于同矩P3截断且稳定性良好。
链接：https://arxiv.org/abs/2611.14894
116. Social Engineering Attack Detection in Corporate Communications
企业通信中的社会工程攻击检测
AI 总结：该研究针对企业通信中的社会工程攻击问题，利用真实数据集构建基线机器学习模型，通过TF-IDF模型结合心理操纵特征提升钓鱼检测效果，准确率超90%，操纵特征在测试集上ROC-AUC达0.74。
链接：https://arxiv.org/abs/2611.14897
117. A Transferable Pretrained 3D Model for Impedance Inversion with Sparse-Well Prior Conditioning
用于带稀疏井先验条件的阻抗反演的可迁移预训练三维模型
AI 总结：提出一种可迁移三维地震阻抗反演框架，通过掩码自编码器学习结构表示，结合稀疏井先验，无需重训练即可迁移信息，在模型与野外实验中均提升了反演精度。
链接：https://arxiv.org/abs/2611.14922
118. A Cardiorespiratory Foundation Model Pretrained on Ten Physiological Signals for Perioperative and Critical Care
一种基于十种生理信号预训练的心肺基础模型，用于围手术期与重症监护
AI 总结：本研究提出基于十种心肺波形预训练的CARMEN模型，通过LSCNorm机制恢复信号水平，在多国队列的19项任务中优于多种基线模型，可处理信号缺失且性能稳定。
链接：https://arxiv.org/abs/2611.15004
119. Mask-Pattern Position Augmentation: Training-Free Long-Context Extrapolation for Diffusion LLMs
掩码-模式位置增强：扩散大语言模型的无训练长上下文外推
AI 总结：该研究针对扩散大语言模型的长上下文外推问题，提出MPPA方法，通过结合线性插值与累积掩码密度偏移量，在LLaDA-8B-Instruct上实现2倍窗口扩展，降低困惑度并保持检索准确率。
链接：https://arxiv.org/abs/2611.15029
120. AROMA: Adaptive Representation-Oriented Multimodal Actuation for Vision-Language Model Control
AROMA：面向自适应表征的多模态驱动，用于视觉语言模型控制
AI 总结：该研究提出AROMA框架，通过分离VLM控制的多维度问题，结合幅度归一化因果子空间驱动与迭代MEA，提升了视觉语言模型的精确计数准确率与目标可达性，在自然数据集上取得了优于基线的性能。
链接：https://arxiv.org/abs/2611.15041
121. CoLaX: Context-Aware Local Explanations for Time Series Classification
CoLaX：面向时间序列分类的上下文感知局部解释方法
AI 总结：CoLaX是一种上下文感知的时间序列分类事后解释框架，通过结合形状子驱动的Shapley归因与全局上下文条件，在合成与真实数据集上提升了AUPRC性能。
链接：https://arxiv.org/abs/2611.15067
122. Winter wheat improves soil carbon sequestration with reduced gains in warmer climates
冬小麦在气候变暖的环境下可提升土壤碳固存，但增益会降低
AI 总结：该研究应用因果机器学习分析立陶宛田间数据，发现冬小麦轮作可提升土壤有机碳，但气候变暖会削弱其增益，高排放情景下其碳固存潜力将下降，需制定适配气候的本地化农业策略。
链接：https://arxiv.org/abs/2611.15232
123. Schedule-Calibrated Commitment Order in Blockwise Masked Diffusion Language Models
分块掩码扩散语言模型中经调度校准的承诺顺序
AI 总结：该研究分析分块掩码扩散语言模型的令牌承诺顺序，提出调度校准方法，通过LLaDA-8B-Instruct实验验证分块大小对相关性的影响，支持感知调度的承诺顺序解释。
链接：https://arxiv.org/abs/2611.15234
124. Protected Unbiased Sparsification: A Sharp Loewner Curve
受保护的无偏稀疏化：一条尖锐的Loewner曲线
AI 总结：本文提出受保护无偏稀疏化的尖锐Loewner曲线，构造满足无偏性等条件的稀疏概率向量，设计多种采样器并在Qwen2.5-7B-Instruct等场景验证理论。
链接：https://arxiv.org/abs/2611.15247
125. A hybrid machine learning-analog framework for downscaling unprecedented climate extremes
用于降尺度处理前所未有的气候极端事件的混合机器学习-模拟框架
AI 总结：本研究提出混合机器学习-模拟框架，结合机器学习与模拟方法，实现高效的气候极端事件降尺度，可捕捉多模型不确定性，解决物理模型计算成本高的问题。
链接：https://arxiv.org/abs/2611.15284
126. Sharp Covering-Number Bounds for Feedforward ReLU Networks via Parameter Symmetries
基于参数对称性的前馈ReLU网络的Sharp覆盖数界
AI 总结：该研究刻画了ReLU等网络的参数对称性，推导了紧的覆盖数界，将其应用于经验风险最小化等场景，解释了权重再平衡等现象。
链接：https://arxiv.org/abs/2611.15300
127. A Modified Glicko Model for Rating Soccer Clubs and National Teams Worldwide
用于对全球足球俱乐部和国家队进行评级的改进型Glicko模型
AI 总结：本研究提出改进型Glicko评级框架，将全球足球俱乐部和国家队置于共同概率尺度，经百万级比赛数据验证，其在国际俱乐部比赛及国家队决赛阶段预测准确性优于多数基线模型，可用于球员评估等场景。
链接：https://arxiv.org/abs/2611.15378
128. DETER: Suppression During Pretraining for Tamper Resistance
DETER：预训练期间的抑制以实现防篡改
AI 总结：该研究提出DETER方法，在预训练期间主动抑制知识，可显著增加通过微调获取医学知识的难度，在10亿参数模型上效果优于仅过滤或事后遗忘，为限制语言模型滥用提供了有效途径。
链接：https://arxiv.org/abs/2611.15479
129. Selective State-Space Neural Tucker Factorization for Temporal-aware Traffic Imputation
面向时序感知交通数据补全的选择性状态空间神经塔克分解
AI 总结：针对现有交通补全方法长序列建模的局限，提出S3NTF模型，结合选择性状态空间机制与神经塔克分解，在六个真实数据集上验证其准确性优于现有模型。
链接：https://arxiv.org/abs/2611.15502
130. An Approach to Hinton's Mother-Child Proposal: Neural Networks Learning and Preserving Care in a Finite World
针对Hinton母子提案的一种方法：有限世界中神经网络学习与保留关怀
AI 总结：本文针对Hinton的母子提案，在有限世界中构建结合伤害词汇表等机制的神经网络，验证其学习的关怀可在进一步学习中存续，实验显示受保护网络可避免可避免伤害。
链接：https://arxiv.org/abs/2611.15523
131. One Hierarchy, Many Sports: Hierarchy-Aligned Multi-Task Learning for Next-Shot Prediction
一个层级，多种运动：用于下一拍预测的层级对齐多任务学习
AI 总结：该研究提出层级对齐多任务Transformer模型MT-HTA，利用球拍运动的层级结构联合预测下一拍属性，在三种运动的四个数据集上取得最高平均任务平均F1值，验证了架构的有效性。
链接：https://arxiv.org/abs/2611.15529
132. Observations Drift, Structures Remain: Structural Pretraining with Time Alignment for Electromagnetic Signals
观测值漂移，结构留存：面向电磁信号的时间对齐结构预训练
AI 总结：该研究针对电磁信号预训练中的观测偏差问题，提出带时间对齐的结构预训练方法，通过RoPE-fc和离散结构单元掩码预测，提升了全监督与少样本适应性能，增强了观测漂移时的结构一致性。
链接：https://arxiv.org/abs/2611.15566
133. Constructing and Validating Memorisation Audits for EHR Foundation Models
构建并验证电子健康记录（EHR）基础模型的记忆审计
AI 总结：该研究针对EHR基础模型的记忆泄露问题，通过在MIMIC-IV训练的GPT-2风格模型中评估三类审计方法，发现存在弱队列级记忆但无可靠患者级泄露，提出无需金丝雀重训练即可检测患者特异性记忆的临床推理时审计方案。
链接：https://arxiv.org/abs/2611.15578
134. AI4Plasma II: Geometry-Aware Surrogate Modeling for Variable Electrode Gap GEC Plasmas
AI4Plasma II：面向可变电极间隙GEC等离子体的几何感知代理建模
AI 总结：本研究对比6种几何感知代理模型，发现预设映射Geo-FNO是可变电极间隙GEC等离子体问题的实用起点，引入电荷分离加权可大幅降低其训练数据需求，Transolver在充足数据下精度最高。
链接：https://arxiv.org/abs/2611.15584
135. Imputing Missing Near-Surface Air Temperature using Graph Attention Networks with Distance-Aware Edge Features
利用带距离感知边特征的图注意力网络估算缺失的近地表气温
AI 总结：该研究提出带距离感知边特征的图注意力网络，在近地表气温缺失值估算中，空间均方根误差低于普通克里金、GraphEM及LaMa，高纬度地区优势显著。
链接：https://arxiv.org/abs/2611.15598
136. Are Scaling Laws of Universal MLIPs Universal?
通用机器学习原子间势（MLIP）的缩放定律是通用的吗？
AI 总结：该研究探究通用MLIP的缩放定律是否通用，发现其缩放特性受模型架构等多因素影响，采样策略效果随测试分布变化，结构数量是必要非充分缩放变量。
链接：https://arxiv.org/abs/2611.15603
137. Data-Free Metrics Don't Work: The Missing Invariance Under Functionally Preserving Reparameterisations
无数据指标失效：功能保持重参数化下缺失的不变性
AI 总结：该研究指出基于随机矩阵理论的无数据神经网络层指标与模型性能无关，因功能保持重参数化可使其指标任意，且其与泛化的关系虚假，项目页面为指定链接。
链接：https://arxiv.org/abs/2611.15621
138. A Mechanistic Interpretability Study of an Astronomy Foundation Model
天文基础模型的机制可解释性研究
AI 总结：本研究对天文基础模型AION-1开展首个因果机制可解释性研究，明确其红移预测的多模态优势集中在首个编码器模块，揭示空间延展与尘埃衰减信息的不同注意力头调控机制，为利用可解释性开展天文发现奠定基础。
链接：https://arxiv.org/abs/2611.15653
139. Beyond Reweighting: Certified Improvements from New Transitions in Discrete MCMC
超越重加权：离散马尔可夫链蒙特卡洛（MCMC）中新转移带来的可验证改进
AI 总结：该研究针对离散MCMC的效率限制，开发转移支持设计框架，推导支持扩充的充要条件，通过实验证明新转移可提升估计效率，为有限状态空间的MCMC改进提供原则性方法。
链接：https://arxiv.org/abs/2611.15668
140. The Noise Floor of a Quantization Comparison: Engine, restart, batch and kernel drift, measured against 8-bit and 4-bit effects in two decision models
量化比较的噪声底限：引擎、重启、批处理与内核漂移，针对两个决策模型中8位与4位量化效应的测量
AI 总结：该研究测量了两个决策模型中引擎、重启等非量化因素及8位、4位量化的决策影响，发现4位量化影响大于多数非量化因素，部分预注册预测在大模型上仍失败，量化对准确率的影响被掩盖。
链接：https://arxiv.org/abs/2611.15671
141. SpaceMCP: Vision Language Model Spatial Reasoning via Model Context Protocol
SpaceMCP：基于模型上下文协议的视觉语言模型空间推理
AI 总结：本研究提出SpaceMCP框架，通过结合前馈三维重建与VLM的强推理能力，在三个空间推理基准上实现最优结果，无需额外训练即可提升VLM的空间推理性能。
链接：https://arxiv.org/abs/2611.15680
142. Characterizing Predictive Multiplicity in Ranking and Its Fairness Implications
刻画排序中的预测多重性及其公平性影响
AI 总结：本文针对排序框架中未被充分探索的预测多重性问题，引入形式化定义并结合理论保证，探究其与算法公平性的关系，通过实证评估验证结果，为实现更公平的排序提供了新途径。
链接：https://arxiv.org/abs/2611.15705
143. Sensitivity-Aware Surrogate Modeling with Random Feature Expansions
基于随机特征展开的灵敏度感知代理建模
AI 总结：该研究提出SAS-RFE方法，通过总Sobol'灵敏度指数确定特征采样分布，无需额外评估目标函数，在6个高维基准问题上提升了代理近似与灵敏度估计效果。
链接：https://arxiv.org/abs/2611.15750
144. SAME: Semantic Watermark Embedding for Open-Source Large Pretrained Models
SAME：面向开源大型预训练模型的语义水印嵌入
AI 总结：本研究针对开源大型预训练模型的知识产权保护问题，提出SAME语义水印嵌入方法，通过固定私有词汇表实现自适应持久水印，经实验验证其在不同规模模型中可靠鲁棒，可有效用于所有权验证。
链接：https://arxiv.org/abs/2611.15771
145. Owned Edits to a Shared Decision Rule: Learning Private Exceptions as Typed, Gated, Withdrawable Weight Edits
对共享决策规则的所属编辑：将私有例外学习为带类型、门控、可撤回的权重编辑
AI 总结： 该研究提出将私有例外学习为带类型、门控、可撤回的权重编辑的机制，在合成数据实验中表现优于多数基线，可实现隐私保护且决策准确。
链接：https://arxiv.org/abs/2611.15917
146. Riordan Arrays as Structured Operators for Artificial Intelligence
作为人工智能结构化算子的Riordan数组
AI 总结：本研究提出将Riordan数组用作人工智能中的结构化算子，其变换可生成结合卷积等的因果线性算子族，能支持多种神经网络相关架构，旨在确定其代数结构提供有用归纳偏置的场景。
链接：https://arxiv.org/abs/2611.15954
147. PhysICL: In-Context Learning of Physical Fields on Unstructured Meshes from Procedural Priors
PhysICL：基于过程先验的非结构化网格上物理场的上下文学习
AI 总结：PhysICL是仅在过程任务预训练的模型，可在非结构化网格上实现物理场上下文学习，在PLAID等数据集上性能优于最近上下文模拟，微调2D_MSHE可大幅降低应力误差。
链接：https://arxiv.org/abs/2611.15965
148. Subject-Held-Out Evaluation of Deep Ground Reaction Force Estimators Across Two Laboratories: Leakage and Cross-Laboratory Transfer
跨两个实验室的深度地面反作用力估计器的受试者保留评估：数据泄露与跨实验室迁移
AI 总结：本研究评估了深度地面反作用力估计器在跨实验室场景下的性能，量化了试次级划分等做法的代价，发现模型架构对精度的影响小于划分协议和坐标系，且跨实验室迁移性能低于随机水平。
链接：https://arxiv.org/abs/2611.15966
149. Fit-LRP: Fitting Linear Relaxations to Polytopes for Neural Network Verification over Non-Convex Regions
Fit-LRP：将线性松弛拟合到多面体以用于非凸区域上的神经网络验证
AI 总结：Fit-LRP是一种用于非凸区域神经网络验证的框架，通过优化仿射边界消除框诱导过近似，在基准测试中显著减少分支、缩短验证时间且比α,β-CROWN更快。
链接：https://arxiv.org/abs/2611.16003
150. Runtime Analysis of Cartesian Genetic Programming on Max: A Proven Exponential Speedup
笛卡尔遗传规划在Max问题上的运行时间分析：已证明的指数级加速
AI 总结：本文针对Max问题，首次证明采用常见变异算子的（1+1）笛卡尔遗传规划（CGP）的预期运行时间为O(log⁹n)，相比基于树的GP实现指数级加速，揭示了CGP图表示的优势。
链接：https://arxiv.org/abs/2611.16013
151. Protocol-Aware Auditing of Domain-Blind Feature Attribution in Network Intrusion Detection
网络入侵检测中领域盲特征归因的协议感知审计
AI 总结：该研究针对网络入侵检测中特征归因的领域盲问题，提出协议感知的解释审计方法 PA-XAI，在多数据集和分类器上验证其可提升归因一致性，为解释审计提供可控框架。
链接：https://arxiv.org/abs/2611.16018
152. Imitating the Imperfect: Offline-to-Online Robust Imitation Learning from Heterogeneous Demonstrators
模仿不完美者：面向异构演示者的离线到在线鲁棒模仿学习
AI 总结：本研究针对异构不完美演示者的模仿学习问题，提出LEOS-IL框架，结合最优性评分与潜在专业水平学习，缓解分布偏移，在连续控制基准上性能优于现有方法。
链接：https://arxiv.org/abs/2611.16020
153. A Unified Interpretable Semantic Framework for Multi-Modal Fiber Sensing Under Data Scarcity
数据稀缺场景下多模态光纤传感的统一可解释语义框架
AI 总结：针对数据稀缺场景，提出统一可解释语义框架，将多模态光纤传感数据映射到物理语义描述符，通过语义推理实现决策，在三类真实传感数据集上分别达到95.0%、91.1%、94.6%的准确率，兼具稳健性与可解释性。
链接：https://arxiv.org/abs/2611.16027
154. Continual Event Recognition for Autonomous Optical Network Monitoring
面向自主光网络监测的持续事件识别
AI 总结：针对自主光网络监测需适应扰动且无需重训或断服务的问题，提出基于SOP的持续事件识别框架，经2600公里ROADM测试，闭集准确率99.82%，可零样本或少样本识别重叠扰动，为自主光网络监测提供新范式。
链接：https://arxiv.org/abs/2611.16038
155. Human Capital in Context: What Employment Survival Reveals About Worker-Firm Match
情境中的人力资本：雇佣关系存续揭示的劳资匹配问题
AI 总结：本文提出基于双塔神经网络的劳资匹配质量度量方法，利用超大规模雇佣数据验证其有效性，揭示匹配度对工人薪资、企业增长及收购商誉的影响。
链接：https://arxiv.org/abs/2611.16058
156. KVPath: Connecting Key-Value Representations Across Transformer Layers
KVPath：连接Transformer各层间的键值表示
AI 总结：KVPath是一种新的Transformer键值表示范式，通过连接各层KV表示形成路径，在参数匹配时可大幅减少KV缓存存储，同时保持或提升模型性能。
链接：https://arxiv.org/abs/2611.16072
157. Agentic Computational Algebra
智能体计算代数
AI 总结：该研究将计算代数作为测试场景，评估AI智能体发现和利用问题结构以降低计算成本的能力，实验显示智能体可扩展求解范围、内存与编译各有优劣，为改进智能体结构利用提供了具体目标。
链接：https://arxiv.org/abs/2611.16073
158. Hiding a Gap Does Not Close It: The Price of Removing the Mean Group Contrast from Learned Models of Learning Dynamics
隐藏差距并不能消除它：从学习动态的学习模型中移除平均组对比的代价
AI 总结：该研究将从学习动态模型中消除组信号的公平性补救措施的代价转化为审计工具，通过三阶段审计估计代价，发现消除组无法消除差距，在真实数据集和模拟器中验证了该结论。
链接：https://arxiv.org/abs/2611.16100
159. Self-Supervised Attention-Based Virtual Metrology for CMP MRR Prediction
基于自监督注意力的CMP MRR预测虚拟计量
AI 总结：本文提出自监督注意力框架GREP，通过全局代理目标回归学习时间表征并微调用于CMP MRR预测，在PHM 2016 CMP数据集上验证了其在有限标注数据等条件下的性能。
链接：https://arxiv.org/abs/2611.16172
160. JudgeMix: Judge-Guided Mixed-Rollout Data Synthesis for LLM Agents
JudgeMix：基于裁判引导的混合rollout数据合成用于LLM智能体
AI 总结：JudgeMix是一种裁判引导的混合rollout数据合成框架，通过精准查询专家指导并重加权监督，在AppWorld和AutomationBench上较现有方法提升pass@1达10点，解决LLM智能体训练-推理分布不匹配问题。
链接：https://arxiv.org/abs/2611.16174
161. Same-State Pairs Make One JEPA Proof of the Platonic Representation Hypothesis Vacuous
同态对使柏拉图表征假设的联合嵌入预测架构（JEPA）证明空洞
AI 总结：该研究指出JEPA对PRH的证明因同态对的存在而空洞，其唯一性主张在$k 链接：https://arxiv.org/abs/2611.16182
162. When can an interpretability claim be trusted? Stability and certification of feature dimensionality, ridge leverage and the feature recovery rate
可解释性主张何时可信？特征维度、岭杠杆得分与特征恢复率的稳定性与可验证性
AI 总结：该研究针对可解释性主张的可靠性问题，在玩具模型中分析特征维度与FRR的稳定性，提出正则化岭杠杆得分等稳定化方法，发现多数特征恢复结果会随训练种子变化，且仅在小扰动下可验证。
链接：https://arxiv.org/abs/2611.16190
163. An Extensive Evaluation of Machine Learning and Deep Learning Approaches for Sentiment Analysis: Insights from Amazon Customer Reviews
面向情感分析的机器学习与深度学习方法的广泛评估：来自亚马逊客户评论的见解
AI 总结：本研究对比5种机器学习分类器与6种深度学习架构，在亚马逊美食评论数据集上评估三类情感分类性能，发现深度学习模型更稳定，最优经典模型依赖数据平衡，还开发了面向用户的应用。
链接：https://arxiv.org/abs/2611.16201
164. Few-Shot Cross-Subject Neural--Image Retrieval via Stimulus-Anchored Latent Bias Calibration
基于刺激锚定潜在偏差校准的少样本跨主体神经-图像检索
AI 总结：本文针对跨主体神经-图像检索中混淆主体表征偏移与刺激组合效应的问题，提出SA-LBC方法，在THINGS-EEG2数据集上显著提升了Attention-CLIP ViT-B/32配置的MRR。
链接：https://arxiv.org/abs/2611.16257
165. Rectified Looped Transformer
修正型循环Transformer
AI 总结：针对现有循环Transformer的隐藏状态规模增长与扰动放大问题，提出修正型循环Transformer，通过插值方案优化反馈机制，在无额外参数的情况下提升语言建模性能与鲁棒性。
链接：https://arxiv.org/abs/2611.16265
166. Wanda-Guided Sparse Perturbations for Efficient Zeroth-Order Optimization
用于高效零阶优化的Wanda引导稀疏扰动
AI 总结：针对零阶优化中高维扰动效率低的问题，提出WIS-MeZO方法，通过Wanda构建稀疏扰动掩码，在16个基准测试中较MeZO表现更优。
链接：https://arxiv.org/abs/2611.16317
167. Does Deep Knowledge Tracing Learn Semantic Relations Between Knowledge Components?
深度知识追踪是否学习知识组件间的语义关系？
AI 总结：本研究探究DKT学习的KC关系是否为语义性，通过两项测试发现DKT衍生的KC关系与语义结构仅弱对齐，引入语义信息也未稳定提升DKT性能，表明DKT关系并非主要为语义性。
链接：https://arxiv.org/abs/2611.16323
168. SoScale: Second-Order Scale Search for FP4 Quantization
SoScale：用于FP4量化的二阶尺度搜索
AI 总结：针对FP4量化精度挑战，提出SoScale二阶尺度搜索方法，结合Hessian感知层重建与GPTQ误差恢复，在Qwen3模型上降低了三类FP4格式的下游量化退化。
链接：https://arxiv.org/abs/2611.16426
169. A Recipe for Physical Action Model Training
物理动作模型训练的一种方案
AI 总结：本文针对机器人物理动作模型训练，通过关联数据组成等决策与条件分布目标，结合206条PushT轨迹实验，明确了训练建议的支撑量及预测指标的不同解释。
链接：https://arxiv.org/abs/2611.16450
170. Helgason-Fourier Random Features for Scalable Hyperbolic Latent Variables
用于可扩展双曲潜在变量的Helgason-Fourier随机特征
AI 总结：提出随机Helgason-Fourier特征（RHFF），开发无需数值求积等的RHFF-LVM，在树状数据上表现优于基线，可拟合5×10^5个点，是首个达该规模的非参数双曲LVM。
链接：https://arxiv.org/abs/2611.16461
171. RESYNC: Residual Latent-State Synchronization for Deadline-Bound Streaming Inference
RESYNC：面向截止期限约束流推理的残差隐状态同步
AI 总结：RESYNC通过让大型模型异步运行、快速路径更新残差隐状态的方法，在严格截止期限的流推理中，比同步大型模型和紧凑模型更优，能高效完成高比例预测且延迟更低。
链接：https://arxiv.org/abs/2611.16523
172. Asymmetric Multimodal Learning with Decomposed JEPAs
基于分解式联合嵌入预测架构（JEPA）的非对称多模态学习
AI 总结：针对多模态学习中仅对齐目标导致的信息损失问题，提出分解式联合嵌入预测架构（D-JEPA），通过分解潜在变量为共享核心与私有分支，避免语义崩溃并提升下游任务准确率。
链接：https://arxiv.org/abs/2611.16639
173. From Data to Wisdom: Rethinking AI Through an Epistemic Lens
从数据到智慧：通过认知视角重新思考人工智能
AI 总结：本文提出数据到智慧认知架构（EAAI），将AI相关认知功能分为五类，结合贝叶斯理论，通过三个应用验证其价值，为AI和机器学习提供新的认知词汇与方法论术语。
链接：https://arxiv.org/abs/2611.16726
174. On the Difficulty of Sequence-Level Supervised Learning for Autoregressive Language Models
自回归语言模型的序列级监督学习难度研究
AI 总结：本文研究自回归语言模型序列级监督学习的难度，发现两种含推理解码的损失函数存在下界无界缺陷，提出矩匹配方向虽有效但方差高，最终认为教师强迫或已足够。
链接：https://arxiv.org/abs/2611.16736
175. Beyond Binary Classification: Multiclass Machine Learning for Diabetes and Prediabetes Risk Prediction Using NHANES
超越二分类：基于NHANES的糖尿病与糖尿病前期风险预测多分类机器学习研究
AI 总结：本研究针对糖尿病风险预测的二分类局限，基于NHANES数据开发多分类机器学习框架，对比传统与Transformer模型，发现糖尿病前期检测难源于特征重叠，且多分类与二分类任务存在性能权衡。
链接：https://arxiv.org/abs/2611.16756
176. Detection Is Not Early Warning: Evaluating Token-Level Alarms on Language Model Failures
检测不等于预警：评估语言模型故障的令牌级警报
AI 总结：本研究针对语言模型故障，提出 PREWARN 评估协议，以预警为任务评估令牌级警报，发现响应级指标饱和，线性探针预警表现优于未训练基线，低秩适配器可提升预警效果。
链接：https://arxiv.org/abs/2611.16803
177. Factored One-sided Adam-Moment for Practical and Scalable SOAP
用于实用且可扩展SOAP的因式分解单侧Adam矩
AI 总结：本文提出轻量型二阶优化器FOAM，通过单侧预处理和因式分解Adam矩估计器，在保留SOAP性能的同时降低内存与计算开销，适配大语言模型预训练。
链接：https://arxiv.org/abs/2611.16905
178. Time Flies When You Parallelise: Pareto-efficient Time Series Foundation Models with Linear Recurrences
并行化时飞逝：基于线性循环的帕累托高效时间序列基础模型
AI 总结：该研究提出基于Mamba-3的时间序列基础模型ci-proto，通过线性循环实现高效并行计算，在fev-bench的100项预测任务中达到最优性能，且形成相关指标的完整帕累托前沿。
链接：https://arxiv.org/abs/2611.16934
179. LazyWeights: Decode-on-Demand Edge LLMs
LazyWeights：按需解码的边缘端大语言模型
AI 总结：LazyWeights调整GPTQ并结合霍夫曼编码与按需解码，在边缘端大语言模型部署中，可降低模型体积、延迟与能耗，提升运行速度。
链接：https://arxiv.org/abs/2611.17108
180. Bellman Contraction under MMD: A Unified Framework
基于MMD的Bellman压缩：一个统一框架
AI 总结：该研究提出基于MMD的分布Bellman算子压缩的统一框架，推导压缩准则，统一已知核结果，发现11种新压缩核，提出链式构造，解释RBF核适用性，揭示压缩率与判别能力的权衡。
链接：https://arxiv.org/abs/2611.17116
181. Using an energy pixels approach to estimate the size a 2nd Generation DEL must be to train a high-resolution binding model
采用能量像素法估算第二代DEL的规模以训练高分辨率结合模型
AI 总结：本研究采用能量像素法，围绕命中化合物构建第二代DEL，将模型所需高亲和力配体数量转化为文库化合物数，估算随机DEL产率，为训练高分辨率结合模型提供DEL规模估算方法。
链接：https://arxiv.org/abs/2611.17121
182. ISLA: A Coordinate-Free, Measure-Weighted Transformer for Boundary-Driven PDEs
ISLA：一种用于边界驱动偏微分方程的无坐标、测度加权Transformer
AI 总结：本研究针对神经替代模型缺乏PDE变换不变性的问题，提出无坐标测度加权的ISLA Transformer，在AeroZoo、AirfRANS基准上误差显著低于多数基线。
链接：https://arxiv.org/abs/2611.17141
183. Enhancing Preference Detection using Eye Movement Cascade and Multilayer Combinatorial Fusion
利用眼动级联和多层组合融合增强偏好检测
AI 总结：本研究针对视觉注意影响偏好形成的问题，采用眼动追踪数据集，通过多层组合融合（MCF）框架迭代组合机器学习分类器，使偏好检测的Pre@k从0.90提升至0.9286，验证了多层融合利用多样性的有效性。
链接：https://arxiv.org/abs/2611.17145
184. Physically Interpretable Basin Selection in Discrete-Variable Origami Design
离散变量折纸设计中具有物理解释性的盆地选择
AI 总结：该研究针对离散变量折纸设计中梯度优化易陷入不利盆地的问题，通过双层优化框架，采用初始化偏置或惩罚失配与柔性的方法，提升了离散设计的成功率。
链接：https://arxiv.org/abs/2611.17196
185. Metal Sandbox: Isolated Execution and Command Scheduling for GPU Coding Agents on Apple Silicon
Metal Sandbox：适用于苹果硅芯片上GPU编码智能体的隔离执行与命令调度
AI 总结：针对苹果硅芯片GPU编码智能体的GPU资源空闲问题，提出Metal Sandbox基础设施，通过隔离执行与跨Mac调度提升命令吞吐量，相关成果已开源。
链接：https://arxiv.org/abs/2611.17294
186. Towards a Theory of Learnability via Debate
基于辩论的可学习性理论研究
AI 总结：该研究将辩论训练协议表述为在线学习问题，定义协作版本并以组合维度表征其可学习性，同时分析评判者出错对学习的影响。
链接：https://arxiv.org/abs/2611.17303