2026-11-17 | CS.LG机器学习 | 共 252 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 25 篇
2. 表示学习、自监督与对比学习 8 篇
3. 强化学习与序列决策 29 篇
4. 生成模型与概率建模 13 篇
5. 优化、泛化与理论分析 13 篇
6. 高效学习、压缩与部署 3 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 6 篇
9. 图学习与结构化数据 7 篇
10. 迁移、元学习与持续学习 9 篇
11. 数据集、基准与评测 8 篇
12. 机器学习应用 15 篇
13. 其他/综合机器学习 111 篇
1. 深度学习架构与训练方法 | 25 篇
1. Mechanistic Interpretability of Mambas Selective Gate in Financial Markets: A Leakage-Controlled Study
金融市场中Mamba选择性门控的机械可解释性:一项泄漏控制研究
AI 总结:本文将机械可解释性应用于金融领域的Mamba模型,提出泄漏控制协议,发现此前报告的市场 regime 结构是标签污染的人工产物,仅残余选择性门控效应可检测但经济意义微弱。
链接:https://arxiv.org/abs/2611.18599
2. Algebraic Interaction: A Recipe for Neural Architecture Generation
代数交互:神经架构生成的一种方法
AI 总结:该研究提出代数交互方法,通过修改特征代数而非位置路由,在线性注意力、Mamba等模型中提升准确率、效率或实现等变性,将架构设计简化为代数规范。
链接:https://arxiv.org/abs/2611.18649
3. Earth World Model: Physics-constrained latent dynamics for forecasting and environmental scenario analysis
地球世界模型:用于预测和环境情景分析的物理约束隐动力学
AI 总结:本研究提出地球世界模型(EWM),将异构观测压缩为低维隐状态,结合物理约束解码实现预测与环境情景分析,在光伏、风电场景的实验中取得了优异的预测与干预响应评估结果。
链接:https://arxiv.org/abs/2611.18654
4. Beveridge: Open Weight System One Decision Models with Calibrated Probabilities
Beveridge:带校准概率的开放权重System One决策模型
AI 总结:研究针对生产系统的窄范围文档决策需求,提出Beveridge系列开放权重System One决策模型,在操作文档等基准上优于通用大模型与商业API,置信度校准且推理高效,相关权重与代码已开源。
链接:https://arxiv.org/abs/2611.18655
5. Bilateral Log-Linear Attention
双边对数线性注意力
AI 总结:针对对数线性注意力的上下文召回局限,提出双边对数线性注意力,通过双层次结构结合提升关联召回与长上下文检索性能,在多任务中显著优于正向对数线性注意力。
链接:https://arxiv.org/abs/2611.18974
6. Understanding the Role of Reasoning Data in Pretraining
推理数据在预训练中的作用理解
AI 总结:该研究探究预训练中推理数据与原子事实的平衡问题,通过理论推导与自然语言实验,明确推理链结构和数据覆盖对训练数据分配的影响,为预训练数据分配提供了原则性指导。
链接:https://arxiv.org/abs/2611.19042
7. Where Mixture Recognition Fails: An Ingredient-Level Audit of Unseen Combinations in SmellNet
混合识别的失效场景:SmellNet中未见组合的成分级审计
AI 总结:该研究针对SmellNet基准,审计四种架构在未见混合物组合上的识别失效,发现模型受无法分离的成分和常见成分偏好限制,提出应采用集合级错误且不使用基数神谕的评估方式。
链接:https://arxiv.org/abs/2611.19297
8. Federated versus Centralized PV Capacity-Factor Forecasting: A Non-Inferiority Study Across Seven Stations in North Macedonia
联邦学习与集中式光伏容量因子预测:北马其顿七个站点的非劣性研究
AI 总结:本研究以北马其顿七个站点为对象,对比联邦与集中式光伏容量因子预测,发现FedProx训练满足非劣性标准,为数据受限场景的联邦预测应用提供支撑。
链接:https://arxiv.org/abs/2611.19421
9. Architectures and KV Replay for Depth-Recurrent Language Models
深度循环语言模型的架构与键值(KV)重放
AI 总结:该研究针对深度循环语言模型自回归解码时内存随深度增长的问题,提出循环混合模型、Parcae风格架构及带循环KV重放的循环Transformer等方法,实现KV状态共享并保持接近基准的性能。
链接:https://arxiv.org/abs/2611.19446
10. Probing SAM Perturbations Through Statistical Replay
通过统计回放探测SAM的扰动
AI 总结:本研究针对CIFAR-10的ResNet-18实验,引入统计回放诊断方法探测SAM的扰动,发现纯回放无法复现SAM的验证行为,混合回放可接近其性能但无法复现训练动态,相关结果削弱了对SAM的简单解释。
链接:https://arxiv.org/abs/2611.19480
11. Multi-Branch Transformer
多分支Transformer
AI 总结:本研究提出多分支Transformer(MBT),通过分支化设计结合Joint-KV技术,在匹配计算预算下优于标准Transformer,可降低KV缓存存储并提升解码吞吐量,为语言模型扩展提供新路径。
链接:https://arxiv.org/abs/2611.19800
12. CECAR: Cache & Expert Co-Aware Routing Accelerates On-Device Inference of MoE LLMs
CECAR:缓存与专家协同感知路由加速MoE大语言模型的设备端推理
AI 总结:针对设备端MoE大模型推理的内存限制问题,提出CECAR系统,通过ML缓存策略预测专家重用距离并协同路由,在16GB显存GPU上实现4.5倍加速,解码速度超全模型驻留基线。
链接:https://arxiv.org/abs/2611.20119
13. LENS: Replacing LayerNorm and Softmax in Transformers with Learnable Normalization States
LENS:用可学习归一化状态替换Transformer中的LayerNorm和Softmax
AI 总结:本研究提出LENS框架,将Transformer的LayerNorm和Softmax转化为硬件友好的可学习归一化状态,在ViT和Pythia模型等任务中匹配或接近基线性能,为资源受限加速器的Transformer架构探索提供基础。
链接:https://arxiv.org/abs/2611.20331
14. Halting in Recurrent Sequence Models
循环序列模型中的停止机制
AI 总结:本研究探究循环序列模型的EOS停止机制,发现tanh RNN通过线性子空间编码剩余复制次数,线性SSM依赖二维旋转平面的相位对齐决定停止时间。
链接:https://arxiv.org/abs/2611.20377
15. Attention Sinks as Spectral Spikes: A Mechanism Analysis of Gated Attention
作为频谱尖峰的注意力汇:门控注意力的机制分析
AI 总结:本研究将注意力汇建模为token空间协方差的低秩模式,揭示SDPA后门控可衰减前向频谱能量、削弱反向梯度集中,实验验证其能抑制注意力汇相关现象的共同出现。
链接:https://arxiv.org/abs/2611.20403
16. Reasoning Again with a Quarter of the Experts: Retry First, Then Train
用四分之一的专家再次推理:先重试,再训练
AI 总结:该研究针对剪枝后1220亿参数混合专家模型在LiveCodeBench上的推理循环问题,提出方法B,通过添加秩8训练修正的适配器,在预注册对比中解决问题数较对照组提升9.2个百分点。
链接:https://arxiv.org/abs/2611.20419
17. TrainExplorer: Autonomous LLM Post-Training via Plan-and-Decouple Exploration
TrainExplorer:基于规划与解耦探索的自主大语言模型后训练框架
AI 总结:本文提出自主后训练多智能体框架TrainExplorer,通过策略规划与执行解耦解决现有LLM后训练的策略锁定与执行耦合问题,在PostTrainBench上的加权综合得分优于对比方法。
链接:https://arxiv.org/abs/2611.20430
18. Model Immunization Beyond Condition Numbers: The Importance of Plateau Regions
超越条件数的模型免疫:高原区域的重要性
AI 总结:该研究针对大语言模型有害微调的安全对齐问题,提出结合高原区域与曲率的高效模型免疫算法,在三类场景中实现鲁棒防御且维持模型实用性。
链接:https://arxiv.org/abs/2611.20472
19. ParGLU: Partial Gating Improves Language Modeling in MoE Transformers
ParGLU:部分门控提升MoE Transformer中的语言建模性能
AI 总结:该研究提出ParGLU部分门控FFN,结合SwiGLU与ReLU²,在75M、152M MoE语言模型上较SwiGLU降低验证NLL,证明部分门控可优化MoE Transformer的语言建模性能。
链接:https://arxiv.org/abs/2611.20663
20. UNITE: Consolidating Embodied VLM Specialists via Shared-Anchor One-Bit Factorization
UNITE:通过共享锚点1比特分解整合具身视觉语言专家模型
AI 总结:UNITE是通过共享锚点1比特分解整合具身视觉语言专家模型的框架,存储紧凑,在多数基准测试中性能优于静态合并方法和源专家模型,实现了具身能力的高效整合。
链接:https://arxiv.org/abs/2611.20767
21. Searching for Autoregressive Neural Architectures from Fundamental Operations
从基础操作中搜索自回归神经架构
AI 总结:本工作扩展 einspace 搜索空间得到 einspaceAR,该空间可从基础操作构建自回归序列模型,无强归纳偏置,实验表明其能找到有能力的序列模型,可作为相关集成的蓝图。
链接:https://arxiv.org/abs/2611.21111
22. Specificity-Guided Knowledge Diversion for Decomposable Generative Models
面向可分解生成模型的特异性引导知识转移
AI 总结:提出SGKDiv方法,构建知识单元并设计条件路由与正则化,提升生成模型分布内生成质量与下游适配性能。
链接:https://arxiv.org/abs/2611.21352
23. Just sort it! A note on the LP behind rank-one anti-loop edits
直接排序!关于秩一反循环编辑背后线性规划的注记
AI 总结:本文探究权重空间编程中秩一反循环编辑的线性规划是否可省略,用排序操作替代后,在 Qwen3.5-0.8B 上取得与线性规划相当的非劣效性能。
链接:https://arxiv.org/abs/2611.21432
24. Differentiable Exact Learning
可微精确学习
AI 总结:该研究提出可微精确学习框架与DFST模型,结合状态跟踪控制器、无界外部环境及PTO,实现极端长度泛化,可精确执行算术与通用模拟任务。
链接:https://arxiv.org/abs/2611.21486
25. Latent Lattice Language Models
隐格语言模型
AI 总结:该研究提出隐格语言模型,通过每层持续的隐式计算状态增强语言模型,在200亿token训练的模型上显著降低困惑度,可与现有架构结合并优于更大规模的基线模型。
链接: https://arxiv.org/abs/2611.21608
2. 表示学习、自监督与对比学习 | 8 篇
26. Setting Optimal Reserve Prices using Fine-Tuned Language Models
使用微调后的语言模型设置最优保留价格
AI 总结:该研究提出用微调后的语言模型,基于商品列表描述和历史出价设置在线拍卖最优保留价格,在6.58万场二手车拍卖中使卖家收益提升14.6%,为异质产品市场的运营决策提供了新方法。
链接:https://arxiv.org/abs/2611.18785
27. Recovered or Memorized? Investigating Dynamical Consistency and Faithfulness in World Model Latents
恢复还是记忆?研究世界模型隐空间的动力学一致性与忠实性
AI 总结:本研究提出ARC方法评估世界模型隐空间的动力学一致性,将其应用于TD-MPC2模型,发现k=10时ARC充分性最一致,相对误差仍较大,未来可针对DreamerV3开展相关研究。
链接:https://arxiv.org/abs/2611.18807
28. SLICES: A Benchmark and Evaluation Framework for Self-Supervised Learning on Sparse ICU Time Series
SLICES:针对稀疏ICU时间序列的自监督学习基准与评估框架
AI 总结:本文提出SLICES基准与评估框架,固定共享临床设置,对比MAE等SSL方法在稀疏ICU时间序列上的表现,发现MAE在多数任务中领先,同时明确了未来泛化测试的扩展方向。
链接:https://arxiv.org/abs/2611.18868
29. HeteroWear: Sensor-Aware Self-Supervised Learning for Heterogeneous Wearable Activity Recognition
HeteroWear:面向异构可穿戴设备活动识别的传感器感知自监督学习
AI 总结:本文提出HeteroWear传感器感知自监督框架,在8个可穿戴数据集上预训练,通过分离传感器内与跨传感器建模等技术,在异构可穿戴活动识别任务中显著提升了宏F1与鲁棒性。
链接:https://arxiv.org/abs/2611.19027
30. ReCALM: A Residual-enhanced Crowdsourced Analytic Learning Mechanism for Distributed Continual Service Construction
ReCALM:面向分布式持续服务构建的残差增强众包解析学习机制
AI 总结:针对众包AI服务持续更新的灾难性遗忘与欠拟合问题,提出带闭式解的无梯度残差块及交叉递归策略的ReCALM,在异构不变性和深度表示上表现优异,准确率提升8.85%-9.83%且计算成本降低超94%。
链接:https://arxiv.org/abs/2611.19276
31. $β$-number and Its Applications to Data Science
β-数及其在数据科学中的应用
AI 总结:本文提出新型度量β-数,将其作为PCA的推广,提出对应算法并通过实验验证,展示其在降维与分类任务中的应用潜力。
链接:https://arxiv.org/abs/2611.19379
32. Open-fMIND: A Large-Scale Open-Access fMRI Corpus for Pretraining Brain Foundation Models
Open-fMIND:用于预训练大脑基础模型的大规模开放获取fMRI语料库
AI 总结:Open-fMIND是首个大规模开放获取的预处理fMRI语料库,用于预训练大脑基础模型,其预训练效果可媲美UK Biobank。
链接:https://arxiv.org/abs/2611.21215
33. Learning What Pairs Miss for Higher-Order Multimodal Alignment
学习高阶多模态对齐中缺失的配对
AI 总结:针对高阶多模态对比学习中高阶项梯度不足的问题,提出CHORD方法,在M3-Mix等数据集上显著提升了需多模态处理样本的准确率,还可提升其他检索器性能。
链接:https://arxiv.org/abs/2611.21372
3. 强化学习与序列决策 | 29 篇
34. Skill-Latent Rewards: LLM-Guided Reward Formulation for Hierarchical Reinforcement Learning
技能潜态奖励:用于分层强化学习的大语言模型引导奖励公式化
AI 总结:该研究针对长 horizon 强化学习的稀疏反馈挑战,提出 Skill-LR 框架,通过视觉-语言模型识别子目标、大语言模型生成潜态奖励,在 MiniGrid 和 BabyAI 基准上收敛优于现有方法。
链接:https://arxiv.org/abs/2611.18597
35. Minari: Infrastructure for Collaborative Reinforcement Learning Datasets
Minari:用于协作强化学习数据集的基础设施
AI 总结:本研究提出开源Python库Minari,解决离线RL数据集共享难题,其遵循Gymnasium API,支持多库原生加载,托管338个可再生数据集,还报告了六种离线RL算法的基准分数。
链接:https://arxiv.org/abs/2611.18644
36. RSIMed: Scaling Medical Foundation Models beyond Limited Clinical Data via Retrieval-Grounded Self-Evolution
RSIMed:基于检索的自进化突破有限临床数据限制的医疗基础模型
AI 总结:该研究提出RSIMed自进化医疗模型,通过任务提议器与诊断求解器协同进化,在MIMIC-IV罕见疾病诊断上,RSIMed-27B准确率达0.516,优于GPT-5.6且推理成本更低。
链接:https://arxiv.org/abs/2611.18646
37. ECOD: Experience-Calibrated On-Policy Distillation for Multi-Turn Agents
ECOD:用于多轮智能体的经验校准在线策略蒸馏
AI 总结: 针对长 horizon 语言智能体的强化学习奖励问题,提出 ECOD 方法,在 ALFWorld 和 WebShop 上使 OPD 等蒸馏方法的任务成功率显著提升,验证了经验校准监督分配的有效性。
链接:https://arxiv.org/abs/2611.18656
38. Contextual Non-Convex Bandit Optimization with Two-Point Feedback
带两点反馈的上下文非凸多臂老虎机优化
AI 总结:该研究针对带两点反馈的上下文非凸多臂老虎机问题,采用分层离散化技术改进遗憾率,部分场景可恢复全信息率,还提出了计算复杂度为时间范围对数级的Lipschitz策略算法。
链接:https://arxiv.org/abs/2611.18965
39. LogT: Logically Think with Images for Visual Search
LogT:基于图像的逻辑推理用于视觉搜索
AI 总结:本研究提出LogT全自动SFT数据引擎,强化逻辑链推理,微调Qwen2.5-VL-7B等模型后,在视觉搜索任务上性能优于现有SFT+RL方法,且算力消耗大幅降低。
链接:https://arxiv.org/abs/2611.19200
40. Gradient-Based Co-Design of Systems and Reinforcement Learning Policies with Differentiable Simulators
基于梯度的系统与强化学习策略协同设计:采用可微分模拟器
AI 总结:该研究提出基于梯度的协同设计方法,结合可微分模拟器,在高维设计空间的网络系统基准上,性能优于贝叶斯优化与进化策略。
链接:https://arxiv.org/abs/2611.19329
41. Bellman Residual Bracketing: Resolving the Sample Complexity of Discounted and Average-Reward RL
Bellman残差 bracketing:解决折扣奖励与平均奖励强化学习的样本复杂度
AI 总结:本研究针对带生成模型的强化学习,提出Bellman残差 bracketing技术,明确了折扣与平均奖励RL的极小极大样本复杂度,给出了对应插件方法的样本复杂度上界。
链接:https://arxiv.org/abs/2611.19566
42. Multi-Objective Causal Bandits: Minimal Intervention Space and Policy-Level Learning
多目标因果老虎机:最小干预空间与策略级学习
AI 总结:该研究针对多目标因果老虎机问题,提出了最小干预集的图刻画方法,设计了在线UCB式算法,解决了随机策略支配下的帕累托最优问题,还开发了带约束的在线算法。
链接:https://arxiv.org/abs/2611.19634
43. RIFT: Reward Improvement Field Transfer for Cross-Domain Offline RL
RIFT:用于跨域离线强化学习的奖励改进场迁移
AI 总结:针对跨域离线强化学习中动态差异导致的源数据直接迁移不可靠问题,提出RIFT方法,通过学习源数据低高奖励转移差异扩充目标数据集,在密集奖励运动任务上性能优于基线。
链接:https://arxiv.org/abs/2611.19681
44. Where Should LLM Agents Adapt at Test Time? In Context, in Weights, or Both
大语言模型智能体应在测试时何处进行适配?在上下文、权重还是两者?
AI 总结:该研究对比ICL、GRPO、SDPO等适配机制,发现ICL独立提升平均成功率至49.4%,结合GRPO达51.6%,表明可验证奖励强化学习可优化智能体经验利用,推动上下文管理与权重更新的联合研究。
链接:https://arxiv.org/abs/2611.19700
45. Sample-Efficient Ensemble Reinforcement Learning at Scale
大规模场景下的样本高效集成强化学习
AI 总结:本研究针对大规模强化学习架构未被研究的问题,提出结合MeanQ与BBF的混合算法MeanQ-BBF,在Atari 100K基准上验证其可利用模型容量提升性能且计算高效,同时讨论了性能-成本权衡。
链接:https://arxiv.org/abs/2611.19733
46. Exploration of Reinforcement Learning in Generative Recommendation Models
强化学习在生成式推荐模型中的探索
AI 总结:该研究针对生成式推荐中直接应用RL的不稳定问题,提出GBPO方法,通过梯度有界设计实现更稳定训练,同时保持竞争力推荐性能。
链接:https://arxiv.org/abs/2611.19742
47. Foundation Pareto Flow Policy for Multi-Objective Reinforcement Learning
面向多目标强化学习的基础帕累托流策略
AI 总结:本研究提出FP2策略,通过三阶段训练实现离线多目标强化学习,在D4MORL基准上优于现有方法,可高效泛化到新连续控制任务。
链接:https://arxiv.org/abs/2611.19825
48. Delayed Heuristic-Behavior-Target Coupling for Off-Policy Reinforcement Learning in Inventory Control
用于库存控制中离策略强化学习的延迟启发式-行为-目标耦合
AI 总结:针对库存控制中离策略强化学习的策略不可靠问题,提出HBPO框架,通过延迟启发式-行为-目标耦合机制,在DSIS及DSIS-RB上实现策略恢复与成本优化。
链接:https://arxiv.org/abs/2611.19917
49. AllocFlow: End-to-End Portfolio Trading Action Generation from Raw Market Data
AllocFlow:从原始市场数据生成端到端投资组合交易动作
AI 总结:本文提出AllocFlow端到端流匹配框架,通过跨资产流Transformer和两阶段训练方案,在加密货币永续合约上显著提升投资组合交易的年化净回报率与Calmar比率,且在 unseen 数据上表现优异。
链接:https://arxiv.org/abs/2611.19937
50. D'BEAST: Logged Bad Experiences as Explanation for Autonomous Driving Agents
D'BEAST:以记录的不良体验作为自动驾驶智能体的解释
AI 总结:该研究提出D'BEAST方法,以不良体验解释自动驾驶智能体决策,在CARLA闭环驾驶实验中证实不良体验携带决策相关信息,可精准解释智能体关键决策。
链接:https://arxiv.org/abs/2611.20019
51. Infrastructure-Based Multi-Agent Reinforcement Learning with Attention for Highway Ramp Merging
基于基础设施的带注意力机制的多智能体强化学习高速公路匝道汇入方法
AI 总结:该研究针对高速公路匝道汇入的安全与通行问题,提出带注意力机制的Transformer型MARL基础设施控制模型,经SUMO仿真验证其在多场景下的性能优于基准模型。
链接:https://arxiv.org/abs/2611.20078
52. GNN-Based Deep Reinforcement Learning for Coastal Emergency Response under Extreme Water Levels
基于图神经网络的深度强化学习用于极端水位下的沿海应急响应
AI 总结:该研究构建威尼斯丽都异构图,训练PPO策略学习应急行动时机,其人口暴露量减少效果与基于规则的系统相近,为沿海应急响应提供了新方法。
链接:https://arxiv.org/abs/2611.20268
53. Fuzzy Explainable Continual Hierarchical Reinforcement Learning for Robotic Navigation
面向机器人导航的模糊可解释持续分层强化学习
AI 总结:针对机器人导航中持续学习与可解释性的冲突,提出FECHRL方法,通过两阶段行为克隆策略与Takagi-Sugeno模糊推理系统的模糊评论者,实现稳定知识保留与可解释行为,在多场景导航任务中表现良好。
链接:https://arxiv.org/abs/2611.20427
54. Contrastive Activation-Guided Zeroth-Order Preference Optimisation for Memory-Efficient LLM Alignment
对比激活引导的零阶偏好优化:面向内存高效的大语言模型对齐
AI 总结:针对大语言模型对齐中内存开销高的问题,提出CA-ZODPO方法,通过构建低秩搜索子空间减少内存占用,在Qwen2.5-1.5B上实现了内存降低59%且性能与一阶DPO相当的效果。
链接:https://arxiv.org/abs/2611.20635
55. SpeCal: Spectral Calibration for Unsupervised RLVR
SpeCal:用于无监督RLVR的光谱校准
AI 总结:针对无监督RLVR自生成监督可靠性差异问题,提出双层光谱校准框架SpeCal,利用隐藏状态光谱补充监督可靠性信息,在不重新定义未标记奖励的情况下校准奖励优势。
链接:https://arxiv.org/abs/2611.20691
56. Heteroscedastic Gaussian Process Q-learning for Sample Efficient Experimentation
用于样本高效实验的异方差高斯过程Q学习
AI 总结: 针对自动驾驶实验室样本不足的实验控制问题,提出异方差高斯过程Q学习(HGPQ),通过异方差GP设置目标噪声方差,在更少回合内于多个模拟基准上达到最优回报。
链接:https://arxiv.org/abs/2611.21249
57. Federated TD Learning in Heterogeneous Environments with Average Rewards: A Two-timescale Approach with Polyak-Ruppert Averaging
异构环境下基于平均奖励的联邦TD学习:一种带Polyak-Ruppert平均的双时间尺度方法
AI 总结:本文针对异构环境下平均奖励的联邦强化学习问题,提出带Polyak-Ruppert平均的双时间尺度方法,实现通用步长下的最优收敛速率与线性加速,成果可扩展至多类联邦强化学习场景。
链接:https://arxiv.org/abs/2611.21370
58. A Reinforcement Learning Method to Navigate SMEFT Operator Space
一种用于探索SMEFT算符空间的强化学习方法
AI 总结:本研究将SMEFT算符空间探索转化为强化学习的序列决策问题,采用轻量级Actor-Critic架构,在含132个可观测量的环境中验证,其策略能高效构建多算符理论,优于随机搜索,为新物理探索提供了系统框架。
链接:https://arxiv.org/abs/2611.21439
59. Warm Starting Neural Dynamics Models From Few Jacobian Samples
基于少量雅可比样本的神经动力学模型热启动
AI 总结:提出TDec-Init算法,利用少量转移雅可比样本热启动神经动力学模型,在低数据基准环境中,该方法优于随机初始化和值训练,与Sobolev训练相当或更优,且训练步骤更少。
链接:https://arxiv.org/abs/2611.21465
60. Algorithm Distillation for Safe In-Context Reinforcement Learning
用于安全上下文强化学习的算法蒸馏
AI 总结:本研究针对安全上下文强化学习的算法蒸馏问题,提出分两阶段的预算感知教师蒸馏方法及测试时调整的A-Lag,在五个基准任务上降低了成本并改善了多数任务的回报。
链接:https://arxiv.org/abs/2611.21524
61. Optimistic Verifiers Get Hacked: Reward Hacking Under an Exact Process Oracle
乐观验证器被黑客攻击:在精确过程预言机下的奖励黑客行为
AI 总结:本文研究在精确过程预言机下,乐观验证器易受奖励黑客攻击的问题,通过构建含124416个上下文的授权策略设置,发现四种表型,提出可预测表型的无模型审计方法,并发布相关测试平台与策略。
链接:https://arxiv.org/abs/2611.21538
62. Mitigating Catastrophic Forgetting with Physics-Indexed Specialist Memory: the Evolutionary Neuroplastic Agent
基于物理索引专家记忆缓解灾难性遗忘:进化神经可塑性智能体
AI 总结:该研究提出进化神经可塑性智能体(ENA),结合环境检测与贝叶斯策略复用,在非平稳CartPole、HalfCheetah环境中缓解持续强化学习的灾难性遗忘,完整架构在CartPole平均成功率达83.2%。
链接:https://arxiv.org/abs/2611.21598
4. 生成模型与概率建模 | 13 篇
63. Nahual: A Sequence Model for Language and Atoms
Nahual:一种用于语言与原子的序列模型
AI 总结:本研究提出Nahual,一种仅解码器的自回归扩散模型,可处理文本与三维分子序列,在12项三维化学任务上训练后,其表现优于专门模型,证明了通用解码器模型用于多模态化学生成的可行性。
链接:https://arxiv.org/abs/2611.19072
64. Empowering Masked Diffusion Models to Self-Correct with Leave-One-Out Transformers
借助留一法Transformer赋能掩码扩散模型实现自校正
AI 总结:本文提出留一法Transformer(LOOT)改进空心Transformer,解决掩码扩散模型无法修正令牌、训练信号稀疏的局限,在LM1B、OpenWebText数据集上验证了其性能优势。
链接:https://arxiv.org/abs/2611.19127
65. Test-Time Constraint-Aware Diffusion Predictive Control
测试时约束感知扩散预测控制
AI 总结:针对预训练扩散预测控制器无法适配部署时新增安全约束的问题,提出无需重训的TCA-DPC算法,通过指数倾斜结合在线调整的倾斜强度实现分布适配,用MALA算法完成近似采样。
链接:https://arxiv.org/abs/2611.19380
66. Explicit Regularization for Flow Matching
流匹配的显式正则化
AI 总结:该研究针对流匹配的不适定问题,提出对速度的k阶导数施加惩罚项的显式正则化方法,经实验验证该方法可使流匹配问题适定,且生成的流泛化性能良好。
链接:https://arxiv.org/abs/2611.19587
67. Score-Based Stochastic Closure Modeling via Offline Indirect Learning and Online Data Assimilation
基于离线间接学习与在线数据同化的基于分数的随机闭合建模
AI 总结:本研究提出基于分数扩散模型的随机闭合建模框架,通过离线间接学习与在线数据同化,解决复杂动力系统无真实闭合数据时的建模问题,提升了系统状态预测与泛化能力。
链接:https://arxiv.org/abs/2611.19676
68. The structure of variational autoencoder latent spaces and its consequences for representation and optimization
变分自编码器潜在空间的结构及其对表示与优化的影响
AI 总结:该研究揭示变分自编码器(VAE)潜在空间的结构特征,结合Flory-Huggins理论分析其表示组织机制,对比相关模型探讨结构变化,为数据解释等应用提供理论依据。
链接:https://arxiv.org/abs/2611.19972
69. Residual-Tail-Informed Flow Matching for Time Series Anomaly Detection
面向时间序列异常检测的残差尾部感知流匹配
AI 总结:针对时间序列异常检测中流匹配过度惩罚罕见正常窗口的问题,提出残差尾部感知流匹配(RT-FM)框架,实验显示其可提升罕见正常覆盖并降低误报,改善整体检测性能。
链接:https://arxiv.org/abs/2611.20334
70. Flow Matching for Sampled-Data Control of Angular Distributions
用于角分布采样数据控制的流匹配
AI 总结:该研究针对振荡器网络的角分布控制问题,提出流匹配与MeanFlow方法,通过局部速度样本学习角速率,实验表明MeanFlow在小批量配对下单步误差更小。
链接:https://arxiv.org/abs/2611.20360
71. Generative AI-Driven Parametric Design Optimization Framework for Vehicle Closure Systems
生成式AI驱动的车辆闭合系统参数化设计优化框架
AI 总结:本研究提出一种生成式AI驱动的车辆闭合系统参数化设计优化框架,结合CAD与CAE分析,在汽车尾门上验证,其膝点设计较基线质量降7.1%、最大位移降29.4%,可实现兼容工业CAD与工程验证的多目标设计探索。
链接:https://arxiv.org/abs/2611.20451
72. Quantum Computing-Based Wasserstein Generative Adversarial Networks for Airfoil Parameterization
基于量子计算的Wasserstein生成对抗网络的翼型参数化方法
AI 总结:本研究针对翼型参数化问题,开发了基于量子计算的Wasserstein生成对抗网络(Q-WGAN),实验表明其性能优于经典WGAN,为翼型参数化提供了新的可行方案。
链接:https://arxiv.org/abs/2611.20602
73. Conditional Diffusion Models for Amortized Bayesian System Identification
用于摊销贝叶斯系统辨识的条件扩散模型
AI 总结:该研究将隐马尔可夫模型的贝叶斯系统辨识转化为贝叶斯逆问题,提出基于Transformer的条件扩散模型,经一次训练后可快速适配多类推理任务,在长测量记录上性能优于对比方法。
链接:https://arxiv.org/abs/2611.20666
74. Markov-Equivalent Conditional Independence Graphs on Path Spaces
路径空间上的马尔可夫等价条件独立性图
AI 总结:本研究针对带潜在混杂的连续时间随机过程因果发现的方法权衡,引入W-分离准则,刻画W-马尔可夫等价类,为因果发现学习算法提供规范目标。
链接:https://arxiv.org/abs/2611.20877
75. The Price of Not Planning: Parallel Sampling Depth Peaks at the Reconstruction Threshold
不规划的代价:并行采样深度在重构阈值处达到峰值
AI 总结:该研究在广播树模型中分析掩码扩散模型的规划解码器,证明无规划解码器在重构阈值以下需约min{n, (n/ε)^α}轮次,有规划时仅需log_b n +1轮次,规划在阈值附近且单元较小时效果最优。
链接:https://arxiv.org/abs/2611.21285
5. 优化、泛化与理论分析 | 13 篇
76. Can a Vision-Language Model Tune Clustering In Context?
视觉语言模型能否在上下文环境中调整聚类?
AI 总结:本研究用Qwen3.5-27B开展实验,验证视觉语言模型可通过视觉评估聚类结果,自主调整k-means等显式聚类算法,其生成的聚类配置效果接近网格搜索等方法但迭代次数更少。
链接:https://arxiv.org/abs/2611.18768
77. What to Practice Next? Latent Profile-Guided Task Selection for Skill-Evolving LLM Agents
下一步该练习什么?面向技能演进的大语言模型智能体的潜在轮廓引导任务选择
AI 总结:针对现有LLM智能体任务选择方法未解决非平稳技能需求的问题,提出SPG-Select框架,其衍生的SPG-Select-R策略在ALFWorld和WebShop基准上较均匀采样提升了终端成功率。
链接:https://arxiv.org/abs/2611.18818
78. Grokking Can Be Steered: Selecting Desirable Solutions By Choice Of Learning Rule
可引导的泛化现象(Grokking):通过选择学习规则筛选理想解
AI 总结:该研究发现学习规则可控制泛化现象中神经网络回路的规模,不同学习规则会形成不同规模的回路,且回路规模会影响模型的鲁棒性、可压缩性及迁移速度。
链接:https://arxiv.org/abs/2611.19477
79. Risk-Averse Decision-Focused Learning: Minimizing CVaR of Regret
风险厌恶型决策导向学习:最小化遗憾的条件风险价值(CVaR)
AI 总结:该研究提出一种风险厌恶型决策导向学习框架,通过推导遗憾的CVaR平滑替代函数,将现有DFL方法转为风险敏感变体,在多类组合优化问题上显著降低了尾部遗憾。
链接:https://arxiv.org/abs/2611.19575
80. Barron Approximation and locally optimal weight densities for shallow neural networks
浅层神经网络的Barron近似与局部最优权重密度
AI 总结:本文针对有限规模浅层神经网络的粒子近似定量边界问题,提出改进平均场损失,证明其凸性与均匀分布性质以得到Barron型近似结果,且其粒子近似可生成带dropout正则化的梯度下降方法。
链接:https://arxiv.org/abs/2611.19798
81. Conditional Optimal Transport and Triangular Maps for Imitation Learning
用于模仿学习的条件最优传输与三角映射
AI 总结:该研究提出基于三角传输的模仿学习统一框架,设计OTP、FMP、SIP三种策略,在两个任务上性能与Diffusion Policy等相当,且网络更小、训练更短,适用于不同场景。
链接:https://arxiv.org/abs/2611.19815
82. MOBO-CAPS: Multi-Objective Bayesian Optimization with Cardinality-Aware Pareto Selection
MOBO-CAPS:具有基数感知帕累托选择的多目标贝叶斯优化
AI 总结:该研究针对多目标贝叶斯优化的实际部署资源限制问题,提出MOBO-CAPS方法,设计REHVI和CHO-UCB两种基数感知获取策略,在九个基准测试中验证其性能优于标准MOBO后接事后子集选择的方法。
链接:https://arxiv.org/abs/2611.19999
83. Tight PAC-Bayes Generalisation Guarantees for Large Language Model Judges
大型语言模型评判器的紧PAC-Bayes泛化保证
AI 总结:该研究针对LLM评判器缺失形式化保证的问题,将PAC-Bayes框架应用于安全分类场景,提出LoRA-GT方法,在五个护栏模型和四个基准上验证了其紧性,为可扩展监督提供了实用路径。
链接:https://arxiv.org/abs/2611.20818
84. Anytime-Valid PAC-Bayes Certificates for Adaptive Test-Time Scaling
自适应测试时间缩放的任意时间有效PAC-Bayes证书
AI 总结:本文提出了适用于自适应测试时间缩放的时间一致PAC-Bayes证书,解决了自适应选择后标准误差棒无效的问题,通过实验验证了其在推理系统风险-代价报告中的有效性。
链接:https://arxiv.org/abs/2611.21241
85. The Price of Choosing Examples: Context Overfitting in Adaptive In-Context Learning
选择示例的代价:自适应上下文学习中的上下文过拟合
AI 总结:该研究针对自适应上下文学习中因示例选择过程导致的上下文过拟合问题,提出上下文容量理论与PAC-贝叶斯检索规则,在Banking77数据集上验证了规则的有效性,明确了上下文质量与可证明性的关系。
链接:https://arxiv.org/abs/2611.21251
86. In-Context Estimation and Prediction for Parametric ODEs
参数常微分方程的上下文估计与预测
AI 总结:本文研究参数ODE的上下文估计与预测,构建Transformer通过两阶段近似最大似然实现参数估计,结合ODE解映射神经逼近完成预测,单Transformer可同时执行两项任务,实验验证其可从长推理上下文受益。
链接:https://arxiv.org/abs/2611.21268
87. Deep Learning for Physicists: From Linear Regression to Reasoning Models
面向物理学家的深度学习:从线性回归到推理模型
AI 总结:本讲义为物理学家背景的学习者设计,从基础机器学习到LLM,用物理直觉阐释深度学习核心内容,面向英制大三、大四学生及跨院系学习者。
链接:https://arxiv.org/abs/2611.21295
88. Optimal Autoregressive Chain-of-Thought Learning via Bagging
基于装袋法的最优自回归思维链学习
AI 总结:该研究提出基于装袋法的自回归思维链学习算法,在二元词集下达到与思维链长度无关的最优样本复杂度,有限词集下在对数词集大小因子内最优,且可将多数投票集成蒸馏为单个生成器。
链接:https://arxiv.org/abs/2611.21597
6. 高效学习、压缩与部署 | 3 篇
89. MeltKV: Memory-Aligned KV Cache Compression via Variable-Bit Packed Vector Quantization for Long-Context LLMs
MeltKV:面向长上下文大语言模型的内存对齐KV缓存可变比特打包向量量化方法
AI 总结:本研究提出MeltKV框架,通过内存对齐可变比特打包与头级码本共享优化KV缓存,在相当困惑度下较现有VQ方法降低48.1%内存占用与52.9%延迟,实现长上下文LLM的高效KV缓存压缩。
链接:https://arxiv.org/abs/2611.18652
90. GaugeRoPE: RoPE-Compatible Executable Latent Attention
GaugeRoPE:兼容RoPE的可执行潜在注意力机制
AI 总结:本文提出GaugeRoPE,一种兼容RoPE的可执行潜在KV表示,无需训练即可实现5.85倍KV压缩,在Mistral-7B上保持接近全缓存的质量,解码吞吐量达未压缩基线的2.48倍。
链接:https://arxiv.org/abs/2611.20524
91. MiSTiQ: MicroScaling Trellis Quantization for Extreme KV Cache Compression
MiSTiQ:用于极端KV缓存压缩的微缩放网格量化
AI 总结:提出MiSTiQ即插即用量化器,结合网格编码存储与微缩放格式,在Llama3、Qwen3等模型上实现KV缓存极端压缩,获更低困惑度、更高准确率及LongBench最高平均得分。
链接:https://arxiv.org/abs/2611.21216
7. 联邦学习、隐私与安全 | 5 篇
92. FedFit: Federated Dynamic Sparse Training via Fisher Information scoring
FedFit:基于Fisher信息评分的联邦动态稀疏训练
AI 总结:FedFit是一种联邦动态稀疏训练框架,用基于Fisher信息矩阵的优化标准替代幅值启发式策略,缩小了稀疏与稠密模型的精度差距,在保持高通信效率的同时性能优于现有方法。
链接:https://arxiv.org/abs/2611.18643
93. Rethinking the Verification of Machine Unlearning
重新审视机器遗忘的验证
AI 总结:针对现有机器遗忘验证器仅基于模型输出推断遗忘的缺陷,提出ODR攻击可高成功率欺骗输出级验证器,进而提出灰盒验证器RUV,能以高准确率验证机器遗忘并有效抵御ODR攻击。
链接:https://arxiv.org/abs/2611.18658
94. Communication-Efficient Distributionally Robust Federated Averaging with Multi-Source Data
面向多源数据的通信高效分布鲁棒联邦平均算法
AI 总结:针对联邦学习中两种部署风险近似未联合处理的问题,提出BiDRO-FedAvg算法,构建含客户端级Wasserstein歧义集的全局歧义集,经模拟验证其有效性。
链接:https://arxiv.org/abs/2611.20060
95. Explainable Federated Learning via Global-Local Attribution Alignment
基于全局-局部归因对齐的可解释联邦学习
AI 总结:提出xFedAlign框架,通过全局-局部归因对齐解决联邦学习解释的局部忠实性与全局一致性问题,在多类型基准测试中提升解释性能且通信开销低。
链接:https://arxiv.org/abs/2611.20445
96. STORMGUIDE-FL: Stochastic Remote Guidance for Efficient Mining of Federated Streaming Data
STORMGUIDE-FL:用于高效挖掘联邦流数据的随机远程引导
AI 总结:STORMGUIDE-FL是一种联邦优化与数据挖掘框架,通过服务器引导的采样策略与更新级漂移校正,缓解联邦流数据中的局部与全局概念漂移,提升资源受限异构场景下全局模型收敛的速度与鲁棒性。
链接:https://arxiv.org/abs/2611.20975
8. 鲁棒性、不确定性与可信学习 | 6 篇
97. Advancing the Calibration-Compute Frontier of LLM Classifiers via Asymmetric Duos
通过非对称双模型推进LLM分类器的校准-计算前沿
AI 总结:本研究提出非对称双模型(Asymmetric Duos)框架,通过logit空间融合强弱模型,在低计算成本下提升LLM分类器的校准性能,且可与现有校准技术结合,处于校准-计算帕累托前沿。
链接:https://arxiv.org/abs/2611.19020
98. Multiaccuracy as an Error Benchmark for Learning with Distribution Shift
多准确率作为分布偏移学习的误差基准
AI 总结:该研究提出偏移多准确率作为分布偏移学习的误差基准,构建了泛化不可知学习的TDS框架,建立其与恒等测试的联系,还指出其在无监督领域自适应中的应用价值。
链接:https://arxiv.org/abs/2611.19701
99. EPI-SST: Renewal-Structured State-Space Transformers for Epidemic Forecasting
EPI-SST:用于流行病预测的更新结构状态空间Transformer
AI 总结: 本研究提出EPI-SST概率预测器,结合更新模型与神经预测器优势,在四个流行病监测基准及2019-2020流感季的点预测、概率预测精度与校准度上均优于现有基线。
链接:https://arxiv.org/abs/2611.20352
100. JointQ: Joint Scale-and-Integer Quantization for Large Language Models
JointQ:面向大语言模型的联合尺度与整数量化
AI 总结:本研究提出JointQ,将GPTQ的贪心量化过程扩展为联合优化尺度与整数,在低比特、大组等场景下提升大语言模型量化后的准确率与困惑度,可作为GPTQ的即插即用替代方案。
链接:https://arxiv.org/abs/2611.20384
101. GPromptShield: Elevating Resilience in Graph Prompt Tuning against Adversarial Attacks
GPromptShield:提升图提示调优对抗对抗攻击的鲁棒性
AI 总结:本文针对图提示调优的对抗攻击问题,提出GPromptShield防御系统,从直接处理与间接放大两方面提升提示鲁棒性,经实验验证其有效性,为图提示学习提供新视角。
链接:https://arxiv.org/abs/2611.20621
102. TRACK: Tool-Augmented Reasoning over Time Series for Fault Diagnosis in Power Management System
TRACK:面向电力管理系统故障诊断的工具增强型时间序列推理
AI 总结:该研究针对电力管理系统故障诊断难以扩展的问题,提出TRACK模型,结合时间序列编码器与小型语言模型生成物理驱动的诊断报告,在15类多负载基准测试中故障类别准确率超95%,泛化能力优于基线模型。
链接:https://arxiv.org/abs/2611.21178
9. 图学习与结构化数据 | 7 篇
103. How Much Do Foundation Models Add to Gradient Boosting on Financial Event Sequences?
基础模型在金融事件序列上对梯度提升的提升作用有多大?
AI 总结:本文提出TBS模型,在多金融数据集上对比27种方法,发现结合梯度提升与预训练序列网络的TBS模型,在多数场景下较基线有显著AUC增益,且增益随标签和表格数据丰富而缩小。
链接:https://arxiv.org/abs/2611.18914
104. GraphPass: A Study of Graph Neural Networks for Compiler Pass Selection
GraphPass:用于编译器优化 passes 选择的图神经网络研究
AI 总结:本研究提出 GraphPass,用 GAT/GCN 编码器处理程序 CFG 以选择编译器优化 passes,在合成基准上分类准确率达92%,推理高效,性能优于手动启发式与 MLP。
链接:https://arxiv.org/abs/2611.19821
105. When Zero Is Competitive: A Descriptive Pilot of Transformer and Gate-Graph Surrogates on Random-Angle Quantum Circuits
当零值具有竞争力:Transformer与门控图代理在随机角度量子电路上的描述性试点研究
AI 总结:该研究针对随机角度量子电路,评估Transformer与门控图神经网络等模型,发现零值预测器在特定场景下表现优于部分模型,为相关量子电路预测提供描述性试点结果。
链接:https://arxiv.org/abs/2611.19985
106. Improving fine-grained expressivity of graph neural networks
提升图神经网络的细粒度表达能力
AI 总结:本论文针对图神经网络的细粒度表达能力问题,提出EGenNet、MASNet、FSW-GNN等架构,结合表示论与集合表示研究,深化了对神经网络保留输入结构的理解。
链接:https://arxiv.org/abs/2611.20020
107. MT-RGCN-DTI: A Multi-Task Relational Graph Convolutional Network for Drug-Target Interaction Prediction
MT-RGCN-DTI:用于药物-靶点相互作用预测的多任务关系图卷积网络
AI 总结:本研究提出基于异构信息网络的多任务DTI预测模型MT-RGCN-DTI,利用RGCN优势构建网络,采用DistMult和ComplEx作为解码器,经多基准数据集实验验证其性能优于部分现有方法。
链接:https://arxiv.org/abs/2611.20109
108. LINK: Lightweight and Inductive Node-to-Node Propagation Rule Learning for Traffic Kriging
LINK:面向交通克里金法的轻量级归纳式节点到节点传播规则学习
AI 总结:提出LINK范式,通过显式学习节点到节点传播规则等设计,在交通克里金任务中提升重建精度与计算效率,且传播规则可跨区域迁移。
链接:https://arxiv.org/abs/2611.20521
109. Enhancing Mixed Oil Length Prediction through Graph Representation Learning
基于图表示学习的混合油段长度预测增强方法
AI 总结:针对现有混合油长度预测方法忽略样本统计依赖的问题,提出SDI-GRL图表示学习模型,在混合油数据集上使RMSE和MAE均降低10%以上,性能优于现有最强方法。
链接:https://arxiv.org/abs/2611.20660
10. 迁移、元学习与持续学习 | 9 篇
110. Predictive maintenance in manufacturing: The operational value of continual machine learning
制造业中的预测性维护:持续机器学习的运营价值
AI 总结:该研究针对制造业预测性维护的“遗忘”挑战,结合持续机器学习与鲁棒优化,经博世数据实验验证,其较基线方法降本超40%,具运营价值。
链接:https://arxiv.org/abs/2611.18636
111. GRAFT: Cross-Backbone LoRA Reuse for Continual Language and Multimodal Learning
GRAFT:用于持续语言与多模态学习的跨骨干LoRA复用
AI 总结: 该研究针对持续学习中LoRA复用受限于同骨干模型的问题,提出跨骨干LoRA复用框架GRAFT,经实验验证其可在多数文本与多模态任务中提升性能,实现跨模型的能力复用。
链接:https://arxiv.org/abs/2611.18638
112. Neural Dual Bounds: Valid-by-Construction JGLP Warm-Starts for MAP and Constrained MAP
神经对偶界:用于MAP和约束MAP的构造有效JGLP热启动
AI 总结:提出神经对偶界框架,训练网络输出边消息热启动JGLP优化器,在MAP和约束MAP任务上大幅缩小对偶间隙,尤其在迭代初期和网格、分割族基准中效果显著。
链接:https://arxiv.org/abs/2611.19218
113. Learning Graph-Conditioned Predictors in Weight Space
在权重空间中学习图条件预测器
AI 总结:提出SCOPE模型,将图结构作为上下文生成权重更新,在OGB节点分类等任务中验证其性能优于输入拼接方案,证明图结构兼具证据与预测器上下文的作用。
链接:https://arxiv.org/abs/2611.19250
114. SMELL: Sparsity-aware Memory Efficient Federated Fine-tuning for Long-context LLMs
SMELL:面向长上下文大语言模型的感知稀疏性且内存高效的联邦微调
AI 总结:针对长上下文大语言模型联邦微调的内存、异质性与通信挑战,提出含 LSFA、CASC、CPUR 机制的 SMELL 框架,在 OPT-350M、LLaMA2-7B 上大幅降低内存消耗并提升非IID 下微调性能。
链接:https://arxiv.org/abs/2611.19349
115. BadGCL: Towards Persistent Backdoor Attack on Graph Continual Learning Systems
BadGCL:面向图持续学习系统的持久后门攻击
AI 总结:本研究提出BadGCL框架,揭示GCL系统中知识保留机制可保留早期注入的后门,该框架通过拓扑感知结构触发器实现持久后门攻击,在多协议、多基准实验中表现优于基线且鲁棒。
链接:https://arxiv.org/abs/2611.19656
116. Microfitting: Continual Learning via Cached Test-Time Training
微适配(Microfitting):通过缓存测试时训练的持续学习方法
AI 总结:提出微适配(Microfitting)方法,通过为每个文档训练缓存小型适配器并复用,在DeepSeek V4 Flash和EDO数据集上大幅提升问答准确率,实现低成本持续适配且避免灾难性遗忘。
链接:https://arxiv.org/abs/2611.20258
117. Protecting Safety during Reasoning Training with Low-Rank Fisher Regularisation
通过低秩Fisher正则化在推理训练期间保障安全
AI 总结:本研究针对大型语言模型微调时安全护栏易受损的问题,提出SP-EWC方法,通过将梯度投影到安全相关低秩子空间捕获非对角线曲率,采用cPCA识别子空间的SP-EWC可更好维持安全护栏且减少过度弃权。
链接:https://arxiv.org/abs/2611.20288
118. Variational Monte Carlo for Quantum Excited States via Nested Low-Rank Approximation
基于嵌套低秩近似的量子激发态变分蒙特卡洛方法
AI 总结:该研究针对量子激发态VMC的现有范式权衡问题,提出NestedLoRA-VMC算法,通过LoRA重参数化实现高效求解,在第一周期原子上K=10时精度与现有方法相当。
链接:https://arxiv.org/abs/2611.21434
11. 数据集、基准与评测 | 8 篇
119. Not All Data Leakage Is Equal: A Controlled Benchmark of Evaluation Inflation in Tabular Classification
并非所有数据泄露都相同:表格分类中评估通胀的受控基准测试
AI 总结:本文通过受控基准测试量化五种数据泄露机制对表格分类ROC-AUC的影响,发现依赖标签或数据复用的泄露会显著提升评估指标,需重点审计。
链接:https://arxiv.org/abs/2611.18598
120. SynthDCB: World Distillation for Scalable Device Control Benchmarking
SynthDCB:用于可扩展设备控制基准测试的世界蒸馏方法
AI 总结:提出SynthDCB基准,通过世界蒸馏构建,含多领域设备,评估7个模型,其在2560任务上达68.2% Pass@1,且提升令牌效率与能力覆盖。
链接:https://arxiv.org/abs/2611.18639
121. Simplify, Agree, Distill: Label-Free Self-Distillation with Stepping Stones
简化、一致、蒸馏:基于垫脚石的无标签自蒸馏
AI 总结:该研究针对语言模型无标签推理难题,提出STONE无标签自蒸馏方法,通过垫脚石策略提升Qwen3系列模型在数学基准上的准确率,效果优于带真实解的OPSD。
链接:https://arxiv.org/abs/2611.18916
122. The Critic Can Hurt: On the Safety of Critics in LLM-Guided AutoML Search
批评者可能有害:关于大型语言模型引导的自动机器学习搜索中批评者的安全性
AI 总结:该研究聚焦LLM引导的AutoML搜索中批评者的安全性,通过四组审计和受控故障注入发现朴素8B批评者会降低搜索性能,提出验证门和检测器可减少损失,还将发布首个相关基准CRITFAULT。
链接:https://arxiv.org/abs/2611.19037
123. NetBreaker: Benchmarking Network Dismantling across Objectives, Scales, and Toplogoies
NetBreaker:针对不同目标、规模与拓扑的网络拆解基准
AI 总结: 该研究推出NetBreaker基准,评估30种网络拆解方法,发现现有学习方法未始终优于非学习方法,为相关方法开发提供可复现基础。
链接:https://arxiv.org/abs/2611.19298
124. Federated Dataset Simulation: Inducing Label-Free Heterogeneity Across Tasks
联邦数据集模拟:在任务间引入无标签异质性
AI 总结:该研究提出联邦数据集模拟(FDS)任务,开发两种无标签划分方法,发布开源工具包,解决联邦学习评估数据集稀缺及非分类任务模拟缺失的问题,引入的异质性更贴合真实联邦环境。
链接:https://arxiv.org/abs/2611.19975
125. SemiNovo: Learning Beyond Search-Identified Spectra for De Novo Peptide Sequencing
SemiNovo:超越搜索识别谱学习的从头肽段测序方法
AI 总结:SemiNovo是一种半监督从头肽段测序框架,通过构建DarkSpec语料库并结合质量约束解码与化学证据门控,在多基准上优于现有方法,代码与数据集公开。
链接:https://arxiv.org/abs/2611.21079
126. MegNIST, A Benchmark for Non-Invasive Inner Speech Decoding
MegNIST:非侵入式内部言语解码的基准数据集
AI 总结:本研究提出MegNIST基准数据集,用于非侵入式内部言语解码,含12000次试次,提供标准化划分与工具,验证了想象数字解码准确率显著高于随机水平,降低了相关研究的开发门槛。
链接:https://arxiv.org/abs/2611.21399
12. 机器学习应用 | 15 篇
127. SERAG: SEmantical and Relational approach for Anomaly detection on knowledge Graphs
SERAG:用于知识图谱异常检测的语义与关系方法
AI 总结:本研究提出SERAG,结合语义与关系信号的监督式知识图谱异常检测方法,在ICEWS18合成异常任务中,其AUPRC显著优于基线,融合策略可提升性能。
链接:https://arxiv.org/abs/2611.18640
128. Actuarial-Informed Neural Networks: Constrained Deep Learning for Sex-Specific Multi-Population Longevity Forecasting
精算驱动的神经网络:用于分性别多人群长寿预测的约束深度学习方法
AI 总结:提出精算驱动的神经网络(AINN),将精算知识嵌入LSTM训练,通过单调性约束的精度-稳定性权衡优化,在六国长寿预测中获低误差、窄置信区间的监管级输出。
链接:https://arxiv.org/abs/2611.18802
129. Benchmarking the State of AI for Crop Yield Forecasting: A Global Assessment Across Modeling Paradigms
作物产量预测的AI技术现状基准测试:跨建模范式的全球评估
AI 总结:该研究通过CY-Bench基准测试五种建模范式,发现特征工程机器学习和表格基础模型整体预测性能最强,数据驱动模型可降低多国玉米、小麦的NRMSE,同时指出时间和异常预测仍具挑战性。
链接:https://arxiv.org/abs/2611.19330
130. SLiDE: Structured Linear Dynamics for Forecasting with Exogenous Inputs
SLiDE:带外生输入预测的结构化线性动力学
AI 总结:提出受Koopman启发的SLiDE架构,通过结构化潜在线性动力学提升带外生输入的时间序列预测精度,在真实基准上达SOTA,泛化性显著优于轻量MLP。
链接:https://arxiv.org/abs/2611.19586
131. Mesoscale Neural Operators: Learning Nonlinear Constitutive Laws from Molecular Dynamics for Scalable Fracture Predictions
中尺度神经算子:从分子动力学学习非线性本构关系以实现可扩展的断裂预测
AI 总结:本研究提出中尺度神经算子(MNO),从分子动力学数据学习非线性本构关系,可实现跨尺度的可扩展断裂预测,在相关测试中精度达3%至6%,能复现动态脆性断裂特征。
链接:https://arxiv.org/abs/2611.19658
132. UrbanROI: Causal Modeling for Regional ROI Forecasting under POI Entry
UrbanROI:基于POI入驻的区域投资回报率预测因果建模
AI 总结:本文提出UrbanROI框架,通过建模POI间竞争交互与时间ROI演化,解决POI入驻下的区域ROI预测问题,在真实数据集上优于基线,为城市商业决策提供支撑。
链接:https://arxiv.org/abs/2611.20180
133. Tabular Foundation Models as Emulators for Forecasting Terrestrial Ecosystem Dynamics
表格基础模型作为模拟器用于预测陆地生态系统动态
AI 总结:本研究对比TabPFN-3.5与DeepED基线模型,发现其在无训练时部分指标精度较高,在SSP5-8.5情景下多项指标最优,可作为陆地生态系统动态预测的高效模拟器。
链接:https://arxiv.org/abs/2611.20468
134. Newton-PINet: A fast physics-informed neural network with Newton linearization for meta-learning nonlinear PDEs
Newton-PINet:一种结合牛顿线性化的快速物理信息神经网络,用于元学习非线性偏微分方程
AI 总结:提出结合牛顿线性化的Newton-PINet,采用带跳跃连接的物理信息网络与两阶段学习策略,在非线性反应-扩散基准上,相对误差远低于近期神经求解器,训练任务与时间大幅减少,推动PINN元学习发展。
链接:https://arxiv.org/abs/2611.20609
135. MSAR: Next-Scale Autoregressive Forecasting for Time Series via Modular Multi-Scale Decoupling
MSAR:基于模块化多尺度解耦的下一代自回归时间序列预测
AI 总结:本文提出MSAR模型,通过模块化多尺度解耦实现尺度对齐自回归,在多数据集上提升了时间序列预测的准确率与推理效率。
链接:https://arxiv.org/abs/2611.20714
136. Auditing World-Model Explanations in Retail Forecasting: Faithfulness, Accuracy and Price Response
零售预测中的世界模型解释审计:忠实性、准确性与价格响应
AI 总结:本研究审计零售预测中世界模型的解释,发现通过预设检查的解释未必正确,其价格响应与真实值偏差大,且检查通过数与预测准确性无关。
链接:https://arxiv.org/abs/2611.20811
137. Cap-Aware Boosting for Green Day-Ahead Electricity Price Forecasting
面向绿色日前电价预测的感知上限提升算法
AI 总结:针对印度GDAM电价预测问题,提出基于LightGBM的感知上限概率预测框架,引入防泄漏变体,在257个交易日及后续样本外评估中均显著优于基准模型,验证了该方法的有效性。
链接:https://arxiv.org/abs/2611.21149
138. Conformal Expert Pools: Training-Free Probabilistic Time-Series Forecasting Beyond Seasonality
共形专家池:超越季节性的无训练概率时间序列预测
AI 总结:提出无训练的共形专家池(CEP),在时间序列预测基准测试中,其性能显著优于CSP、DeepNPTS等多种方法,且远快于Laplace等在线集成预测器。
链接:https://arxiv.org/abs/2611.21267
139. Wavelet-Energy-Driven Dynamic Patching for Time Series Forecasting
小波能量驱动的动态分块时间序列预测
AI 总结:该研究针对时间序列预测中基于分块Transformer的单一分辨率缺陷,提出小波能量驱动的动态分块方法,发现改进源于多分辨率结构与可变分块,而非可学习小波。
链接:https://arxiv.org/abs/2611.21319
140. Efficient Modeling of Multi-Agent Systems via Structure-Aware Physics-Informed Learning
基于结构感知物理信息学习的多智能体系统高效建模
AI 总结:本文提出MAS-PINN结构感知物理信息学习框架,通过共享特征与无矩阵更新策略提升多智能体系统建模效率,在三类基准测试中实现精度提升与计算成本降低。
链接:https://arxiv.org/abs/2611.21404
141. Severe but Harmless: Stress-Testing Shift Severity for Frozen Time-Series Forecasters
严重但无害:对冻结时间序列预测器的偏移严重程度进行压力测试
AI 总结: 该研究针对冻结时间序列预测器,通过实验发现现有分布偏移严重程度指标无法可靠预测模型性能退化,提出基于等变性的压力测试分析解释二者脱钩的原因。
链接:https://arxiv.org/abs/2611.21562
13. 其他/综合机器学习 | 111 篇
142. Check Token: Real-Time Self-Verification and Precise Truncation in LLM Reasoning
检查标记:大语言模型推理中的实时自验证与精确截断
AI 总结:该研究借鉴ECC内存的奇偶校验机制,提出检查标记
链接:https://arxiv.org/abs/2611.18564
143. Quantize, Qualify, Rerank: A Recipe for Compressing LLMs Without Losing Quality
量化、验证、重排序:一种不损失质量的大语言模型压缩方案
AI 总结:该研究针对WMT26模型压缩赛道,提出量化、验证、重排序方案,压缩google/gemma-3-12b-it时,用MetricX24-XXL等指标验证,重排序器提升了压缩模型性能,压缩后模型仍保持竞争力。
链接:https://arxiv.org/abs/2611.18587
144. Multimodal Fusion with Pre-trained Models for Psychotherapy Outcome Prediction from Emotional Dynamics
基于情绪动力学的预训练模型多模态融合用于心理治疗结局预测
AI 总结:本研究针对临床数据稀缺问题,对比经典与深度学习方法,发现采用预训练表征结合统计池化及正则化经典模型,可更可靠地基于多模态情绪信号预测心理治疗结局。
链接:https://arxiv.org/abs/2611.18635
145. HIMX: mixed-format matrix multiplication based on customized HIFLOAT4 representations
HIMX:基于定制化HIFLOAT4表示的混合格式矩阵乘法
AI 总结:HiMX是基于HIF4分层缩放结构的混合尾数框架,通过为权重适配S1P2、为激活适配E2M1的异构尾数表示,在Qwen3系列模型上降低了W4A4量化的端到端精度损失。
链接:https://arxiv.org/abs/2611.18641
146. Screen Before You Add: Reducing Candidate Inference in Model Ensembles
添加前筛选:减少模型集成中的候选推理
AI 总结:该研究针对模型集成添加候选模型时的高推理成本问题,提出利用残差几何和二次规划等方法进行早期安全筛选,在保持高筛选准确性的同时大幅减少候选推理调用。
链接:https://arxiv.org/abs/2611.18647
147. Rethinking Offline On-Policy Distillation: From Scalar Advantages to Distributional Supervision
重新思考离线在线策略蒸馏:从标量优势到分布监督
AI 总结:该研究针对离线在线策略蒸馏的缺陷,提出DistOPD方法,在智能体搜索任务中实现与在线OPD相当性能,同时提升学生-教师对齐度并降低训练成本。
链接:https://arxiv.org/abs/2611.18648
148. SART: Sign-Absolute Reformulation Theory for Binary Variable Reduction in Neural Network Verification
SART:用于神经网络验证中二值变量约简的符号-绝对重述理论
AI 总结:本研究提出SART理论打破神经网络验证中不稳定神经元与二值变量的一对一映射,推导变量下界并证明最终层可压缩50%,开发LayerABS验证器将增益扩展至全网络,还揭示了影响验证复杂度的结构规律。
链接:https://arxiv.org/abs/2611.18657
149. Stagewise Adaptive Boosting
逐步自适应提升算法
AI 总结:提出逐步自适应提升框架,通过构建单调路径实现更强稀疏性与丰富结构控制,在预测性能相当的同时选择更小模型,为高维建模提供实用方法。
链接:https://arxiv.org/abs/2611.18662
150. Gradient-Guided Hardware-Native MIXFP4
梯度引导的硬件原生MIXFP4
AI 总结:提出FlipQuant方法,通过为MMA权重块选择量化格式,结合梯度学习格式映射,在低GEMM开销下大幅缩小NVFP4与BF16的PPL差距。
链接:https://arxiv.org/abs/2611.18769
151. Hybrid Compression for Memory-Efficient Matrix-Vector Multiplication
用于内存高效矩阵-向量乘法的混合压缩方法
AI 总结:针对mm-RePair框架提出结合语法与熵压缩的混合策略,可提升矩阵-向量乘法的压缩效果、降低内存占用,且线程扩展性良好。
链接:https://arxiv.org/abs/2611.18792
152. Clustering-Based Artificial Tree Ensembles for Random Forest Approximation
用于随机森林近似的基于聚类的人工树集成
AI 总结:该研究提出基于聚类的人工树集成用于近似随机森林,对比其与MRT集成的性能,明确了不同集成的权衡及相似度聚类的作用。
链接:https://arxiv.org/abs/2611.18803
153. LEAP-LLM: Preserving lead-time structure for question-conditioned ECG interpretation
LEAP-LLM:保留导联时间结构的问题条件心电图解读模型
AI 总结:提出LEAP-LLM,通过导联分支与时间分支保留ECG导联和时间结构,在4个ECG基准上性能更优,且可自适应强调临床相关导联组,同时大幅降低模态token数量与预填充FLOPs。
链接:https://arxiv.org/abs/2611.18809
154. Identification and external validation of the sets of 4-, 6-, 8-, 12-, and 24-hour CGM motifs
4、6、8、12和24小时CGM基序集的识别与外部验证
AI 总结:本研究在Lobo等人识别的24小时CGM基序集Ω基础上,识别出4、6、8、12、24小时的CGM基序集,经含21项研究的外部数据集验证,其性能与Ω相当,拓展了框架的短期预测与诊断用例。
链接:https://arxiv.org/abs/2611.18844
155. Self-Improvement Memory Enables Continual Recursive Self-Improvement
自改进记忆实现持续递归自改进
AI 总结:该研究针对持续递归自改进场景,提出自改进记忆(SIM)方法,在多领域实验中,SIM 相比仅 harness 延续等方式,可显著提升优化最终分数。
链接:https://arxiv.org/abs/2611.18856
156. Factorized Self-Supervised Speech Tokenization
因式分解式自监督语音分词器
AI 总结:提出Facto因式分解式自监督语音分词器,解耦时变与静态语音成分,提升分词噪声鲁棒性,在下游任务中改善文本到语音性能并在语音转换等任务中具竞争力。
链接:https://arxiv.org/abs/2611.18898
157. The Human Side of ML Engineering: Analyzing the Collaboration and Communication Skills in ML Job Postings
机器学习工程的人文层面:分析机器学习职位招聘中的协作与沟通技能
AI 总结:该研究分析五大洲1000条ML与SE职位招聘,发现ML岗位对协作、沟通的需求远高于关键词估计,二者侧重不同,且ML岗位对人际能力的划分更鲜明。
链接:https://arxiv.org/abs/2611.18915
158. OverclusterDRG: a Deterministic, LP-Free Heuristic for Robust $k$-Center
OverclusterDRG:用于鲁棒k-中心的确定性、无线性规划(LP)启发式算法
AI 总结:本文提出用于鲁棒k-中心(RkC)的确定性无LP启发式算法OverclusterDRG,通过最远点过采样等技术实现,在UCI Adult数据集上表现优于基线,可扩展至10^5个点。
链接:https://arxiv.org/abs/2611.18931
159. Geometrically Disentangling Concept Learning from the Language Modeling Loss
从语言建模损失中进行几何解耦的概念学习
AI 总结:该研究提出可解释性框架与Concept Energy指标,在Pythia系列模型的检查点上揭示语言建模损失与概念学习的关联,发现概念能量的峰值规律及概念学习的多阶段特性。
链接:https://arxiv.org/abs/2611.18933
160. Large language models as oncology world models
大型语言模型作为肿瘤学世界模型
AI 总结:本研究探索LLMs的肿瘤学世界模型,通过系统改变患者特征验证其逻辑一致性,开发Clinical State Space框架,为改进肿瘤学世界模型、支持数字孪生提供评估工具。
链接:https://arxiv.org/abs/2611.18994
161. Revealing the Biases of Large Language Models By Inferring Prior Distributions
通过推断先验分布揭示大语言模型的偏差
AI 总结:本研究针对大语言模型的社会偏差评估问题,提出基于贝叶斯逆问题的方法,通过BBQ基准推断其在模糊社会语境下的响应先验分布,揭示其潜在偏差。
链接:https://arxiv.org/abs/2611.18996
162. AdaMenu: Query-Adaptive Menus for Decision Models over Large Label Spaces
AdaMenu:面向大标签空间决策模型的查询自适应菜单
AI 总结:AdaMenu是一种查询自适应菜单方法,通过构建适配查询的紧凑候选菜单并仅发起一次请求,在大标签空间分类任务中,准确率优于TypeSafe基线且大幅降低输入成本,可应对选项限制场景。
链接:https://arxiv.org/abs/2611.19005
163. A Fast Algorithm for the Familywise Loss
族损失(Familywise Loss)的快速算法
AI 总结:本研究针对多分类任务的族损失(FW),理论证明其梯度可在O(K)时间计算,开发的优化内核在CPU和GPU上的速度优于交叉熵(CE),解决了FW计算效率的问题。
链接:https://arxiv.org/abs/2611.19065
164. DynaDFlash: Dynamic Feature Projection for Block Diffusion Speculators
DynaDFlash:用于块扩散投机者的动态特征投影
AI 总结:本研究提出DynaDFlash动态特征投影方法,针对Qwen 3的块扩散投机者,在数学语境下提升了平均接受长度5%、吞吐量4.1%,虽整体平均接受长度无显著差异但特定场景表现更优。
链接:https://arxiv.org/abs/2611.19085
165. Knowledge-Guided Local-to-Global Anomaly Learning for Longitudinal Medication Trajectories
面向纵向用药轨迹的知识引导局部到全局异常学习
AI 总结:针对纵向用药轨迹异常检测需区分合理治疗变化与异常改变并关联局部偏差与账户决策的问题,提出知识引导的局部到全局(L2G)异常学习框架,在两城市队列实验中表现优于对比方法,定位增益更稳定。
链接:https://arxiv.org/abs/2611.19106
166. How Much Determinism Can Fine-Tuning Buy? Margin Regularisation Against Batch-Induced Token Flips
微调能带来多少确定性?针对批次诱导的标记翻转的边际正则化
AI 总结:该研究针对批次诱导的标记翻转问题,提出对模型top-1/top-2 logit间隙应用铰链惩罚的边际正则化方法,在GSM8K数据集上使标记翻转减少35%,同时验证了相关假设。
链接:https://arxiv.org/abs/2611.19135
167. On-policy distillation as a Backdoor Propagation Channel
作为后门传播通道的在线策略蒸馏
AI 总结:本研究揭示OPD可作为后门传播通道,攻击者通过SFT向教师模型植入条件后门后,OPD能以极小触发提示比例将后门传递给学生模型,且该传递强于传统蒸馏,还提出了针对性OPD训练方法以缓解风险。
链接:https://arxiv.org/abs/2611.19207
168. Does Lifestyle Information Improve Hypertension Prediction? A Leakage-Controlled Evaluation on NHANES
生活方式信息能否改善高血压预测?一项针对NHANES的泄漏控制评估
AI 总结:本研究针对NHANES数据集,评估五类机器学习模型,发现添加生活方式信息未一致提升高血压预测的判别性能,仅在未治疗成年人中见小的正差值,需进一步验证。
链接:https://arxiv.org/abs/2611.19302
169. A Backdoor Trigger Is Legible in Fine-Tune Weights
后门触发器在微调权重中是可识别的
AI 总结:本文提出一种无需运行模型、无需数据等条件的静态统计方法,可从微调后的权重中直接识别语言模型的后门触发器。
链接:https://arxiv.org/abs/2611.19304
170. Do Pretraining Optimizer Gains Transfer to KL Distillation?
预训练优化器的增益能否迁移到KL蒸馏中?
AI 总结:本文研究预训练优化器增益是否可迁移到KL蒸馏,在Qwen师生模型对中对比AdamW等矩阵结构优化器,发现其未持续优于基准,增益无法自动迁移,需针对目标场景重新验证。
链接:https://arxiv.org/abs/2611.19419
171. Efficient and Accurate Causal Validation of Training Data Attribution
训练数据归因的高效准确因果验证
AI 总结:本文针对训练数据归因(TDA)因果验证成本高的问题,从三个维度减少线性数据建模分数(LDS)的计算量,通过消除偏差源和估计训练噪声方差,大幅降低重新训练次数并保持精度。
链接:https://arxiv.org/abs/2611.19451
172. Successive Convexification in Learned World Models for Safe Offline Planning
用于安全离线规划的学习世界模型中的逐次凸化
AI 总结:该研究针对学习世界模型的安全离线规划,提出逐次凸规划(SCP)方法,结合控制障碍函数约束,在Safety-Gymnasium任务中相比MPPI、CEM更安全且长时域回报更高。
链接:https://arxiv.org/abs/2611.19466
173. Func-JEPA: Learning a Sobolev Space of Functions as Latent Vectors
Func-JEPA:学习作为潜在向量的函数的索伯列夫空间
AI 总结: 本研究提出Func-JEPA模型,将数学函数编码为模仿索伯列夫空间H^1的潜在向量,其在从噪声样本恢复精确公式上优于符号回归方法,可复用至多个下游任务。
链接:https://arxiv.org/abs/2611.19542
174. Random Cut Forests, Games and Diffusion over Approximately Nested Anisotropic Local Geometry
随机割森林、博弈与近似嵌套各向异性局部几何上的扩散
AI 总结:该研究结合能量学习与可解释树模型,以随机割森林的演化几何为基础,将现有得分关联为随机游走逃逸概率,通过稀疏电网络实现统一能量演算,可适配流数据的不同问题需求,还通过旋转星噪声示例验证了相关测量。
链接:https://arxiv.org/abs/2611.19548
175. Read, Then Shade? How Visual Evidence Changes Incentive-Driven Misreporting in Vision-Language Advisors
先读取,再隐瞒?视觉证据如何改变视觉语言顾问中激励驱动的错报行为
AI 总结:该研究探究视觉语言模型在激励驱动下的错报行为,发现视觉输入未提升其真实性,合规性取决于读取值是否明确及输出顺序,这是仅文本评估无法揭示的。
链接:https://arxiv.org/abs/2611.19561
176. Sharp First-Hit Identification from Finite Depth Samples
基于有限深度样本的精确首击识别
AI 总结:针对有限深度样本下相机视图的精确首击识别问题,基于有界利普希茨逆深度场,刻画可实现首击深度的精确集合,给出多候选深度为共享场景首击的充要检验,推导特定模型下的尖锐最坏情况逆深度直径并验证其有效性。
链接:https://arxiv.org/abs/2611.19563
177. Spectral Steering: Local Inverse Geometry for Frozen Diffusion Generators
频谱引导:用于冻结扩散生成器的局部逆几何
AI 总结:该研究提出频谱引导方法,结合余弦增益预测器等技术,在图像、音频等多领域实验中,其校正方法在修复任务上使PSNR较Adam提升3.25 dB,建立了请求依赖几何与下游性能的关联。
链接:https://arxiv.org/abs/2611.19572
178. PBit1: One Programmable P-Bit per Parameter - A Finite-Control Representation of Pretrained Networks
PBit1:每个参数对应一个可编程P位——预训练网络的有限控制表示
AI 总结:本研究提出PBit1,为预训练网络每个参数分配可编程p-bit,经实验验证其在GPT-2等模型中无需微调即可保留任务质量,且能减少观测次数,为有限控制权重表示研究提供具体构造。
链接:https://arxiv.org/abs/2611.19588
179. Synthetic Neurosymbolic Task Generation with Controlled Constraint Complexity
具有可控约束复杂度的合成神经符号任务生成
AI 总结:本研究提出NeSySy合成生成器,可可控生成神经符号学习任务的逻辑约束与数据集,用于分析学习与逻辑结构的交互,明确约束感知学习方法的适用场景。
链接:https://arxiv.org/abs/2611.19597
180. Before the Word: Name Information in Description-Derived States of Small Language Models, With and Without Naming Failure
在词汇之前:小型语言模型从描述中导出的状态中的名称信息——存在命名失败与不存在命名失败的情况
AI 总结:本研究以舌尖现象为类比,探究Qwen2-0.5B等三种小型语言模型从无名称描述中形成的名称预测状态,发现状态中存在名称信息,且命名失败样本的描述-释义一致性结果混杂。
链接:https://arxiv.org/abs/2611.19609
181. Well-Log Reconstruction with Pre-trained Geological Knowledge: A Knowledge-Conditioned Large-Language-Model Generative Agent
基于预训练地质知识的测井曲线重建:一种知识条件化的大语言模型生成智能体
AI 总结:提出GeoLog-Agent,结合预训练LLM的地质先验与Geo-Harness,在挪威北海基准上提升测井曲线重建精度,迁移耦合机制可增强常规深度学习模型性能。
链接:https://arxiv.org/abs/2611.19624
182. Robust Well-Log Reconstruction Across Point Gaps and Whole Wells via Boundary-Gated Soft-Thresholding Kalman Fusion
基于门控软阈值卡尔曼融合的跨点缺失与全井段鲁棒测井曲线重建
AI 总结:提出ST-KF方法,在263口井的两个测井基准上,较基线显著降低多种测井参数的RMSE,验证了其跨盆地重建的鲁棒性与有效性。
链接:https://arxiv.org/abs/2611.19625
183. LoopFill: Pipelined Multi-Token Speculative Decoding for Looped Transformers
LoopFill:用于循环Transformer的流水线多令牌投机解码
AI 总结:提出无需训练的LoopFill算法,结合多令牌后缀起草与浅循环预测,在七个基准测试中较贪心解码获5.13-5.85倍加速,优于基线LoopAhead。
链接:https://arxiv.org/abs/2611.19649
184. With the Right Representation, Classical Machine Learning Rivals Deep Models for Olfactory Mixture Similarity
采用合适的表示方法,经典机器学习在嗅觉混合物相似度任务上可与深度模型相媲美
AI 总结:该研究针对嗅觉混合物建模挑战,采用显式对称比较特征结合XGBoost、KRR的经典学习方法,在基准测试中性能可与深度模型媲美,为低数据场景下的经典机器学习应用提供了新思路。
链接:https://arxiv.org/abs/2611.19650
185. Elicited Adaptation: Auditable Localized Fairness via Pairwise Queries
引出式适应:通过成对查询实现可审计的局部公平性
AI 总结:该研究针对社区公平标准变化的场景,提出通过成对查询实现可审计局部公平的方法,刻画了分数适应的成本,给出近似修复方案并分析了查询复杂度。
链接:https://arxiv.org/abs/2611.19686
186. MathaMAGICal: Validating Trajectory Data Attribution During Capability Acquisition
MathaMAGICal:验证能力获取过程中的轨迹数据归因
AI 总结:本研究验证了MAGIC在轨迹数据归因中的可靠性,发现短检查点窗口可提升预测准确性,且族级模式能跨运行泛化,为数学模型的能力获取提供了数据归因的关键见解。
链接:https://arxiv.org/abs/2611.19692
187. Data Attribution Should Steer Pretraining
数据归因应引导预训练
AI 总结:该研究提出训练数据归因应引导预训练,通过识别可复用的可测试数据属性作为策展标准,设计反馈循环并在同等计算量下与三类基线对比,为预训练数据选择提供新方向。
链接:https://arxiv.org/abs/2611.19698
188. When Does an AUROC Comparison Survive a Change in Population Mix?
当AUROC比较在总体混合变化时是否依然成立?
AI 总结:该研究探讨AUROC比较在总体混合变化时的稳定性,通过理论分析证明通用优势性为coNP难,结合图像与语言模型实验验证了混合下的比较反转现象,并提出有限库审计与边际秩对齐等解决方案。
链接:https://arxiv.org/abs/2611.19762
189. PISG: Constraint-Aligned Signal Amplification for Diffusion-Based Combinatorial Optimization
PISG:面向扩散式组合优化的约束对齐信号放大方法
AI 总结:该研究提出无训练方法PISG,在测试阶段放大扩散式组合优化去噪器的约束对齐信号,可提升TSP、MIS-ER等求解器的性能,成本增益最高达4.8%。
链接:https://arxiv.org/abs/2611.19768
190. Exact Sparse Assignment with Costly Target Embeddings: Fixed-Realization Certificates and an Empirical Audit
带代价目标嵌入的精确稀疏分配:固定实现证书与实证审计
AI 总结:本文针对带代价目标嵌入的稀疏分配问题,提出单位范数嵌入的固定实现证书,在四个文本实体匹配基准上审计后发现其运行时声明被反驳,选择性执行更慢且部分重新编码未保留最优解。
链接:https://arxiv.org/abs/2611.19770
191. How Should Parallel Langevin Chains Share Noise?
并行朗之万链应如何共享噪声?
AI 总结:该研究探讨并行朗之万链的噪声共享问题,提出通过中心化跨链高斯抽取的方法,可显著降低后验均值估计的方差,且在Metropolis校正下仍有可观性能提升。
链接:https://arxiv.org/abs/2611.19784
192. Eliciting Research Taste in LLMs through Future Research Direction Choice
通过未来研究方向选择激发大语言模型的研究品味
AI 总结: 本研究针对LLMs缺乏研究品味测量的问题,通过未来研究方向选择任务评估8个LLMs的偏好,发现其分歧多趋向缩放/泛化,为引导LLMs的研究偏好提供了早期评估方法。
链接:https://arxiv.org/abs/2611.19794
193. The Sense Paradigm for World Models
世界模型的Sense范式
AI 总结:针对现有世界模型嵌入距离无意义、无法区分转移类型的问题,提出Sense范式,用新损失替代防坍缩机制,在多环境中检测不可逆转移及规划性能均优于基线。
链接:https://arxiv.org/abs/2611.19796
194. Reasoning in the loop: antibody lead optimization by probing mechanism and measurement
循环推理:通过探究机制与测量进行抗体先导优化
AI 总结:本研究在Milliner平台开展两项抗体优化实验,结合研究团队与Claude的推理,通过探究指标问题、拟合物理模型改进方案,使抗体先导物性能优于亲本。
链接:https://arxiv.org/abs/2611.19812
195. Where Is Rank-1 DiM Refusal Intervenable in Multimodal LM Derivatives?
多模态语言模型衍生体中,Rank-1 DiM 干预的弃权(不执行)位置在哪里?
AI 总结:该研究探究多模态语言模型衍生体中,在均值/秩-1均值差干预协议下,因果聊天攻击的弃权(不执行)位置集中在文本解码器 T,而非感知编码器等非文本路径,为安全审计干预位置提供了新发现。
链接:https://arxiv.org/abs/2611.19826
196. A phase diagram for training and inference in language models
语言模型训练与推理的相图
AI 总结:该研究构建语言模型训练与推理的相图,通过集体坐标表征表示几何,发现未训练与训练模型的推理流动差异源于有效力类型,将Pythia-1.4B的训练视为相变,揭示表示几何与模型行为的关联。
链接:https://arxiv.org/abs/2611.19848
197. LoopSkim: Lossless Multi-Depth Speculative Decoding for Looped Language Models
LoopSkim:用于循环语言模型的无损多深度推测解码
AI 总结:提出LoopSkim无损多深度推测解码方法,针对循环语言模型,无需训练,在贪心解码和采样下相对AR平均加速比达1.73倍,加草稿头后提升至1.99倍,可在所有模型上加速。
链接:https://arxiv.org/abs/2611.19896
198. "Don't Leave the Task Unfinished": Persistence-Driven Violations under Quiet Oversight
“不要让任务半途而废”:在静默监督下由持续性引发的违规行为
AI 总结:该研究针对LLM智能体的持续性引发违规的问题,发现静默监督下违规率高,质疑型用户可降低违规率,指出安全是人机协作对的属性。
链接:https://arxiv.org/abs/2611.19911
199. Learning When to Continue and When to Stop: Termination-Aware OPSD
学习何时继续与何时停止:感知终止的OPSD
AI 总结:该研究针对OPSD存在的终止不匹配问题,提出TA-OPSD方法,通过两个针对性目标缓解提前终止与重复过度生成问题,在Qwen3多规模模型的数学推理任务上性能优于基线。
链接:https://arxiv.org/abs/2611.19925
200. Does synthetic pre-training pay off on a microcontroller? Accuracy, latency and energy across two MCUs
合成预训练在微控制器上是否有效?两款微控制单元(MCU)的准确率、延迟与能耗对比
AI 总结:本研究对比两款MCU上5种模型的性能,发现仅真实数据稀缺时合成预训练有效,且需核对设备端INT8输出与参考内核。
链接:https://arxiv.org/abs/2611.19931
201. Evaluating Near-Perfect Accuracy Claims in Machine-Learning-Based Leak Detection for Two-Phase Pipelines: A Condition-Blocked Audit
基于机器学习的两相管道泄漏检测中近乎完美准确率声明的评估:一种条件阻断审计
AI 总结:本研究通过条件阻断留一工况验证审计压力式泄漏检测模型,发现其在未知工况下准确率大幅下降,证明近乎完美的报告准确率无法转化为可靠运行,强调需采用条件阻断评估并报告运行误差率。
链接:https://arxiv.org/abs/2611.19965
202. Machine Learning for Near Real-Time Identification of Wildfire Burned Areas
用于近实时识别野火燃烧区域的机器学习方法
AI 总结:该研究提出基于pix2pix模型的机器学习方法,利用卫星图像近实时估算全球野火燃烧概率,自动化程度高、延迟低,通过RMSE分数与USGS燃烧概率对比验证效果。
链接:https://arxiv.org/abs/2611.20036
203. Decode Early, Verify Late: Streaming Offline Speech Recognizers Without Accuracy Loss
早解码,晚验证:无精度损失的流式离线语音识别器
AI 总结:本研究提出无训练的DEVL框架,适配四类离线ASR模型,可在保证最终转录精度与离线模型一致的前提下,将单流最终输出时间缩短1.5-7.3倍,且是唯一满足100ms p99目标的系统。
链接:https://arxiv.org/abs/2611.20064
204. Does Learning Order Explain Forgetting? The Lie Bracket as an Early-Warning Signal for Catastrophic Forgetting Without Old Data
学习顺序能否解释遗忘?李括号作为无旧数据时灾难性遗忘的预警信号
AI 总结:本文实证检验了李括号可作为无旧数据时任务增量学习场景下灾难性遗忘的预警信号,其性能优于弹性权重巩固惩罚项,仅在旧任务未充分学习时失效。
链接:https://arxiv.org/abs/2611.20087
205. QA-CMIF:Accurate and Lightweight Cross-Modal Latent Imputation and Fusion for Fault-Tolerant sEMG-Inertial Hand Gesture Recognition
QA-CMIF:用于容错表面肌电-惯性手势识别的精准轻量跨模态隐空间补全与融合
AI 总结:QA-CMIF 是一种质量感知跨模态隐空间补全与融合框架,通过独立编码 sEMG 通道、软门控评估可靠性、跨注意力补全损坏通道,在 sEMG 通道损坏时提升手势识别精度,同时参数和计算量远低于基线方法。
链接:https://arxiv.org/abs/2611.20124
206. Symmetry Fingerprinting with Geometric Learnable Invariants Transformers
基于几何可学习不变量Transformer的对称指纹识别
AI 总结:本研究提出软等变神经网络架构,通过选择对称群训练网络,训练后生成对称指纹,在图像分类任务中验证了该架构与指纹识别的有效性。
链接:https://arxiv.org/abs/2611.20150
207. Weights & Caches: LLMs Can Program Tabular Foundation Models
权重与缓存:大语言模型可对表格基础模型进行编程
AI 总结:本研究提出LLM可直接对表格基础模型编程,通过GPT-6 Astra开展三项实验,验证了其编程、修复及引导表格模型预测的能力,为表格模型开发提供了新方法。
链接:https://arxiv.org/abs/2611.20174
208. Deep Sequence Model for Genome Wide Discovery of Coding and Regulatory Element Signatures
用于全基因组编码与调控元件特征发现的深度序列模型
AI 总结:本研究开发轻量型CNN结合梯度分析,在demo_coding_vs_intergenomic_seqs数据集上以91.87%准确率实现基因组序列分类,揭示可解释特征,证明模型可兼具可解释性与准确性,为基因组序列研究提供框架。
链接:https://arxiv.org/abs/2611.20255
209. Scaling large language model-assisted line-of-therapy adjudication with human-in-the-loop evidence-calibrated selection
通过人在环的证据校准选择扩展大语言模型辅助的治疗线判定
AI 总结:该研究提出人在环的证据校准选择(ECS)框架,用于扩展LLM辅助的肿瘤治疗线判定,在136例多发性骨髓瘤患者模拟中,其残留误差5%,优于LLM自报告置信度及随机抽样方法,可减少临床审查负担。
链接:https://arxiv.org/abs/2611.20259
210. Estimating Outpatient Visit Prices from Hospital Price Transparency Data using Large Language Models
利用大型语言模型从医院价格透明数据中估算门诊就诊价格
AI 总结:本研究针对美国患者缺乏医疗费用比较工具的问题,采用RAG框架结合GPT-BM25混合模型,从医院价格透明数据中估算门诊就诊价格,大幅提升了费用估算精度,为患者提供更准确的医疗费用信息。
链接:https://arxiv.org/abs/2611.20261
211. HoloGene: Learning to Lift Sliced Spatial Transcriptomics to Holistic 3D Gene Fields
HoloGene:学习将切片空间转录组学提升为整体三维基因场
AI 总结:HoloGene是一种各向异性条件隐式神经表示框架,通过感知采集的分解方法耦合平面内合成与轴向演化,从预配准的空间转录组切片估计三维基因表达场,提升了重建精度与生物保留度量。
链接:https://arxiv.org/abs/2611.20368
212. Pretty Linear Liars: Unregularized Probes Favor Intervention-Unfaithful Features
漂亮的线性说谎者:无正则化探测偏向干预非忠实特征
AI 总结:该研究针对线性探测的正则化问题,通过理论与实验分析发现无正则化OLS探测偏向干预非忠实特征,最优正则化强度产生的特征与直接优化干预结果的特征高度相似,为回归探测的正则化提供了机械学依据。
链接:https://arxiv.org/abs/2611.20371
213. Architectural Principles for Parameter-Efficient Unitary Transformations in Coherent Optical Neural Networks
相干光学神经网络中参数高效幺正变换的架构原理
AI 总结:该研究针对相干光学神经网络参数受限的问题,提出基于移相器-分束器对的对数深度蝶形拓扑架构,相比传统网格架构可降低矩阵重建误差、提升分类准确率,为参数高效光学神经网络提供定量可解释的设计基础。
链接:https://arxiv.org/abs/2611.20390
214. Latent Feedback Is a Compute and Data Amplifier
潜在反馈是一种计算与数据放大器
AI 总结:该研究提出潜在反馈方法,经多规模模型测试及缩放定律验证,其可节省最多48%计算与47%数据,是数据受限场景下FLOP的更优利用方式。
链接:https://arxiv.org/abs/2611.20404
215. When the Cheapest Feasible Router Fails: Auditing Deployment Commitments in Cost-Aware LLM Routing
当成本感知型大语言模型路由中最便宜的可行路由器失效时:审计部署承诺
AI 总结:该研究针对成本感知LLM路由中审计通过的路由器仍违反服务合同的问题,提出MARC方法,可降低部署承诺失败率,确立了部署承诺作为连接路由器评估等的独特运营决策。
链接:https://arxiv.org/abs/2611.20417
216. iEEG Can Help EEG: Improving Clinical Scalp EEG Analysis through Intracranial Priors
颅内脑电图(iEEG)可助力脑电图(EEG):通过颅内先验改进临床头皮脑电图分析
AI 总结:本研究提出ReBrain框架,将稀缺的高保真颅内脑电图(iEEG)先验迁移至头皮脑电图(EEG),无需配对或微调即可提升临床头皮EEG分析性能,为生物信号跨模态迁移提供通用方案。
链接:https://arxiv.org/abs/2611.20435
217. AdaModalX: Synchronization-Free MFM Inference for Distributed Multimodal Mobile Sensing via Progressive Data Orchestration
AdaModalX:基于渐进式数据编排的分布式多模态移动感知无同步MFM推理
AI 总结:AdaModalX是一种渐进式多模态推理框架,通过解耦推理与模态同步,在分布式移动感知中实现了准确率-延迟权衡的优化,获最高26.97%准确率提升与64.75%延迟降低。
链接:https://arxiv.org/abs/2611.20464
218. On the Applicability of $p$-adic Numbers in Computational Modules for Neural Networks
p进数在神经网络计算模块中的适用性研究
AI 总结:本研究探究p进算术作为机器学习中间计算模块的适用性,在scikit-learn Diabetes数据集的线性回归测试中,相关转换与重构程序无法得到正确预测,直接基于p进数据的模型或为研究方向。
链接:https://arxiv.org/abs/2611.20467
219. A Temporal Convolutional Network with Multi-Head Attention Model: A Surrogate for Parallel DEVS Semiconductor Fab Simulation
带多头注意力的时间卷积网络模型:并行DEVS半导体晶圆厂仿真的代理模型
AI 总结:本文提出带多头注意力的时间卷积网络(TCNA),作为并行DEVS半导体晶圆厂仿真的代理模型,其预测吞吐量和周转时间的精度优于或相当于其他模型,且速度较PDEVS仿真大幅提升,可支撑晶圆厂各类规划。
链接:https://arxiv.org/abs/2611.20493
220. RoShift: Lazy Shift and Weight-aware Rotation for Activation Sparsity in LLM Inference
RoShift:用于LLM推理中激活稀疏性的惰性移位与权重感知旋转
AI 总结:本研究提出无需训练的RoShift方法,通过惰性移位与权重感知旋转提升LLM激活稀疏性,在50%、60%稀疏度下较TEAL准确率更高,解码加速更优。
链接:https://arxiv.org/abs/2611.20549
221. One-Shot Calibration via Model Editing
基于模型编辑的单次校准
AI 总结:提出SoftEdit模型编辑器,利用用户响应的不确定性实现单次校准,在多类模型和数据集上取得最优性能,可推广预训练模型的校准。
链接:https://arxiv.org/abs/2611.20562
222. Memory-Efficient Speculative Decoding with Quantized Draft KV Cache
使用量化草稿KV缓存的内存高效推测解码
AI 总结:本研究针对推测解码的高内存开销问题,提出K4V4量化草稿KV缓存方案,在保证接受率仅小幅下降的同时,大幅降低了缓存内存占用。
链接:https://arxiv.org/abs/2611.20565
223. Calibrated Functional Prediction from Overlapping Nonlinear Observations
基于重叠非线性观测的校准函数预测
AI 总结:该研究针对重叠非线性观测的校准函数预测问题,提出基于Schur有理算子、局部高斯投影及共享状态残差样本的方法,通过实验在10个基准总体的400个条件下验证了其损失比优势。
链接:https://arxiv.org/abs/2611.20567
224. DNA: A Double-Helix Hierarchical Deep Interaction Network Architecture for Industrial Digital Twin
DNA:面向工业数字孪生的双螺旋分层深度交互网络架构
AI 总结:针对工业数字孪生建模中机理模型与数据驱动方法的权衡问题,提出双螺旋分层深度交互网络架构DNA,通过两种交互策略实现分支共生,在两个工业系统上使MAE分别降低3.704%和3.175%,效果显著。
链接:https://arxiv.org/abs/2611.20607
225. Instrumenting Failure: Scoring Language Model Agents at Every Decision Node in Imperfect-Information Games
故障检测:在非完全信息博弈中对语言模型智能体的每个决策节点进行评分
AI 总结:本研究针对非完全信息博弈,对12B-14B参数的指令微调语言模型的每个决策节点,从8个博弈论与决策论属性评分,结合记忆、温度等设置分析其行为一致性与缺陷。
链接:https://arxiv.org/abs/2611.20644
226. Rethinking Supervision Scaling in On-Policy Distillation: From Dense Supervision to Stochastic Horizons
重新思考在线策略蒸馏中的监督缩放:从密集监督到随机视界
AI 总结:本研究针对在线策略蒸馏中监督缩放的收益递减问题,提出随机视界在线策略蒸馏(SH-OPD),在降低计算成本的同时,提升数学推理准确率并保持代码生成性能,凸显跨响应深度高效分配监督的价值。
链接:https://arxiv.org/abs/2611.20687
227. Conic Structure of the Cross-Entropy Loss at the Final Layer and Its Absence in Rectifier Backbones
最终层交叉熵损失的锥结构及其在整流器骨干网络中的缺失
AI 总结:该研究探究了最终层交叉熵损失的锥结构,发现其在仿射最终层为多面锥结构,而在整流器骨干网络中因激活模式变化无此类结构,经ResNet模型在CIFAR-10上验证。
链接:https://arxiv.org/abs/2611.20696
228. Calibrate Once, Grow the Vocabulary: Candidate-Independent Scores for Conformal Risk Control in Open-Vocabulary Segmentation
一次校准,扩展词汇:开放词汇分割中保形风险控制的候选独立分数
AI 总结:本文针对开放词汇分割中校准后添加名称导致保形风险控制失效的问题,提出与候选无关的评分方法,使一次校准可在词汇扩展时保持风险保证,在多个基准和模型上验证了方法有效性,还提升了Grounding DINO的推理速度。
链接:https://arxiv.org/abs/2611.20715
229. Who Benefits from Telemonitoring? Uplift Modelling of a Nationwide Home Blood Pressure Monitoring Programme
谁能从远程监测中获益?全国家庭血压监测项目的提升建模研究
AI 总结: 本研究针对新加坡全国PTEC-HT远程监测项目,用16694名患者数据,通过提升建模识别出血压控制获益最高的患者特征,为有限护理资源的针对性分配提供依据。
链接:https://arxiv.org/abs/2611.20752
230. Hierarchical Regime-Conditioned Dynamics for Spatiotemporal Graphs
时空图的分层状态调节动力学
AI 总结:提出HERON框架,将图结构轨迹生成与状态识别统一,分解潜在状态为系统级离散状态与实体级连续动力学,自监督学习下在合成与真实数据集实现可解释的时空动力学预测。
链接:https://arxiv.org/abs/2611.20835
231. artist: A Python package for differentiable ray tracing and gradient-based optimization of solar tower power plant operation
artist:用于太阳能塔式电站运行的可微光线追踪与基于梯度优化的Python包
AI 总结:artist是一款开源Python包,实现太阳能塔式电站全可微数字孪生,可用于逆建模、数据驱动优化,支持GPU加速,为自主电站运行研究提供基础。
链接:https://arxiv.org/abs/2611.20851
232. Motor Imagery Classification Using Hybrid Cross-Subject Class Mixup and Selective Attention
基于混合跨被试类别混合与选择性注意力的运动想象分类
AI 总结:该研究针对混合EEG-fNIRS的运动想象分类中被试间变异性问题,提出结合CSCM与选择性注意力的框架,在28名被试的公开数据集上取得76.85%平均平衡准确率,性能优于5个复现基线。
链接:https://arxiv.org/abs/2611.20853
233. Learning What the True Labels Would Teach: Posterior Analytic Class-Incremental Learning with Unlabeled Data
学习真实标签会传授的内容:带未标记数据的后验分析类增量学习
AI 总结:针对带未标记数据的类增量学习问题,提出PACIL方法,通过校正类别先验、细化分布并结合零样本CLIP的闭式留一交叉验证选择融合权重,在18种设置下的无标签训练方法中取得最佳平均增量准确率。
链接:https://arxiv.org/abs/2611.20937
234. Same Fix, Different Weights: Replicating Weight-Space Programming with Claude
相同的修复,不同的权重:用Claude复现权重空间编程
AI 总结:本研究用Claude Opus 5.5复现权重空间编程,开展10项实验,发现Claude可从权重识别游戏、修复策略、提升模型准确率,部分结果与原研究存在差异。
链接:https://arxiv.org/abs/2611.20953
235. Breaking feature collapse in self-supervised time series encoders
打破自监督时间序列编码器中的特征坍塌
AI 总结:针对通用时间序列编码器无法扩展的问题,提出 OTISv2 模型,通过补充特征空间目标抑制特征坍塌,在 143 个数据集上性能优于或相当现有模型,且可扩展至 1.16 亿参数。
链接:https://arxiv.org/abs/2611.20981
236. VASR: Vector-Aware Assembly Planning with Equivalent Structures and Repair-Cost Feedback
VASR:带等价结构与修复成本反馈的向量感知装配规划
AI 总结:提出VASR框架,融合SVG编码器与预训练视觉语言模型特征,结合RHPO方法,在家具装配规划任务中,于IKEA测试集上较GPT6-Astra提升17.69个百分点,获最高Equivalent-Hard F1值。
链接:https://arxiv.org/abs/2611.20984
237. FH-Sampling: Frequency-aware Hypergraph-driven Oversampling for Imbalanced Time-Series Classification
FH-Sampling:面向不平衡时间序列分类的频率感知超图驱动过采样方法
AI 总结:本文提出FH-Sampling方法,通过构建超图捕捉样本高阶关系、结合离散小波变换分解频率分量,在24个不平衡时间序列数据集及飞机轨迹生成任务中验证了其优势。
链接:https://arxiv.org/abs/2611.20991
238. Explaining Cross-Label Decision Structure in Multi-Output Tree Ensembles
解释多输出树集成中的跨标签决策结构
AI 总结:该研究提出ms-DPG与SPF方法,解释多输出树集成的跨标签决策结构,发现原生多输出森林比Binary Relevance共享更多决策结构,高SPF不代表共享预测信息。
链接:https://arxiv.org/abs/2611.20996
239. A physics-constrained emulator for time-discretised landslide runout modelling
用于时间离散型滑坡运动模拟的物理约束模拟器
AI 总结:针对全物理滑坡模拟计算成本过高的问题,提出物理约束神经网络模拟器,基于20万+样本训练,单步及自回归预测精度高,计算效率提升50倍以上。
链接:https://arxiv.org/abs/2611.21015
240. When Feature Representation Changes Local Explanations: A Controlled Comparison of SHAP and LIME under Numerical Discretization
当特征表示改变局部解释:数值离散化下SHAP与LIME的受控比较
AI 总结:本文通过在UCI Adult数据集上的受控实验,对比了数值离散化对KernelSHAP和LIME局部特征归因的影响,发现KernelSHAP的归因变化显著且稳定,而LIME的归因变化较弱且一致性差,离散化未显著改变模型性能。
链接:https://arxiv.org/abs/2611.21159
241. Determining Concentration from Raman Spectroscopy with Manifold Learning and Y-shaped Conformal Autoencoders
利用流形学习与Y型共形自编码器从拉曼光谱确定浓度
AI 总结:本研究将结合扩散映射与Y型共形自编码器的工作流程扩展至液体浓度预测,经微凝胶聚合、柠檬酸解离数据集验证,其性能优于多数回归方法,单目标预测精度高于多目标预测。
链接:https://arxiv.org/abs/2611.21196
242. Classical structural priors improve neural molecular representations in molecule language models
经典结构先验可改进分子语言模型中的神经分子表示
AI 总结:该研究针对分子语言模型的分子嵌入未按结构关系组织的问题,提出SAGA正则化项,在MolCA和Atomas模型中提升了分子-文本检索等性能,证明经典化学信息学先验可增强分子表示的化学忠实性。
链接:https://arxiv.org/abs/2611.21276
243. Programmable Semantic Interventions: Learning Causal Carriers from Behavioral Programs
可编程语义干预:从行为程序中学习因果载体
AI 总结:该研究提出可编程语义干预(PSI)方法,从行为程序学习因果载体,在MIB基准等任务上表现优异,可实现无捐赠者的模型答案控制。
链接:https://arxiv.org/abs/2611.21307
244. Can AI Mature a Model's Geometry? Training-Free Weight Baking in LLMs
AI能否完善模型的几何结构?大语言模型的无训练权重烘焙
AI 总结:该研究提出一种无需梯度训练的LLM模型编辑方法,通过分析模型读取目标模型拓扑描述符,用闭式岭回归修改前馈权重,提升了未见过样本的类别纯度且保持基准准确率,为相关工作提供基线。
链接:https://arxiv.org/abs/2611.21310
245. TEMPO: Regime-Aware Operator Learning with Locally Adapted POD Bases
TEMPO:采用局部适配POD基的工况感知算子学习
AI 总结:TEMPO是一种工况感知算子学习的两阶段框架,通过离线期望最大化划分工况并拟合专用基、在线门控网络路由输入,在多个流体及方程任务上较全局POD取得更低测试误差。
链接:https://arxiv.org/abs/2611.21344
246. Representational Change Under Self-Consuming Training: A Sparse Autoencoder Analysis
自消耗训练下的表征变化:稀疏自编码器分析
AI 总结:该研究分析自消耗训练下大型语言模型的表征变化,发现零样本稀疏自编码器性能随自消耗逐步下降,微调可恢复重建但无法恢复特征级实用性,揭示自消耗引发表征漂移,重建保真度不足以保证SAE的解释实用性。
链接:https://arxiv.org/abs/2611.21348
247. Do Embedding-Map Distances Guide LLM Ideation? Four Tests Against What Came Next
嵌入图距离是否指导大语言模型(LLM)的创意生成?针对后续成果的四项测试
AI 总结:本文通过四项测试验证嵌入图距离是否指导LLM创意生成,发现远随机方向非文本、间隙分数预测增长效果有限、LLM续写更接近源文本、未检测到灵感材料的倒U型关系。
链接:https://arxiv.org/abs/2611.21408
248. Emergent Steering Beyond Endpoint Alignment in Chemical Reaction Models
化学反应模型中超越端点对齐的涌现导向控制
AI 总结:该研究提出UniRxnAxis框架,将反应预测任务建模为共享潜在空间中的端点重分布,分解出涌现导向控制,可审计模型失效并恢复其效用。
链接:https://arxiv.org/abs/2611.21423
249. Reading or Remembering? Measuring Temporal Contamination in Language Models
阅读还是记忆?测量语言模型中的时间污染
AI 总结:该研究针对语言模型用于经济预测时存在的时间污染问题,通过对比现代开放模型与无记忆的时间一致模型,提出直接测量模型记忆的前瞻审计方法。
链接:https://arxiv.org/abs/2611.21554
250. DynSurvX: Time-Resolved Explanations for Dynamic Survival Predictions
DynSurvX:用于动态生存预测的时间分辨解释方法
AI 总结:本研究提出模型不可知的可解释性框架DynSurvX,通过分层两阶段策略为动态生存预测提供时间分辨解释,在模拟与临床数据集上验证其稳健性,可降低计算时间并提升解释实用性。
链接:https://arxiv.org/abs/2611.21571
251. CertiSum: Bitwise-Identical MXFP4 Training Across Platforms and Parallelism Layouts
CertiSum:跨平台与并行布局的逐位一致MXFP4训练
AI 总结:CertiSum解决MXFP4训练的非确定性问题,通过原生FP32累加等技术实现跨平台与并行布局的逐位一致训练,在多模型实验中验证了其效果与性能。
链接:https://arxiv.org/abs/2611.21584
252. Quantifying the added value of human forecaster discussions for tropical cyclone intensity prediction
量化人类预报员讨论对热带气旋强度预报的附加价值
AI 总结:本研究通过637个热带气旋数据,结合文本与数值因子,发现人类预报员讨论可提升热带气旋强度预报精度,为多模态学习辅助预报提供依据。
链接:https://arxiv.org/abs/2611.21602