因果推断中的广义贝叶斯框架
该论文提出了一个用于因果推断的广义贝叶斯框架,直接对因果效应施加先验分布。通过利用基于识别的损失函数更新先验,该框架使现有的基于损失的因果估计器具备完整的不确定性量化能力。 在Neyman正交损失下,该广义后验分布收敛至其 oracle 对应物,并对第一阶段辅助估计误差保持鲁棒性。 这是首个为因果机器学习构建灵活广义贝叶斯后验的框架,该论文已被 NeurIPS 2026 接收。
该论文提出了一个用于因果推断的广义贝叶斯框架,直接对因果效应施加先验分布。通过利用基于识别的损失函数更新先验,该框架使现有的基于损失的因果估计器具备完整的不确定性量化能力。 在Neyman正交损失下,该广义后验分布收敛至其 oracle 对应物,并对第一阶段辅助估计误差保持鲁棒性。 这是首个为因果机器学习构建灵活广义贝叶斯后验的框架,该论文已被 NeurIPS 2026 接收。
研究建立离散时间算法与 O(s^r)-分辨率 ODE 间的稳定性联系,证明当单步误差相对均衡距离和 Lyapunov 衰减较小时,指数稳定性可转移。 该结果适用于 TT-GDA、广义外梯度及正则化阻尼牛顿等算法,显示小步长下非 TT-GDA 的鞍点具有局部指数稳定性。 框架为退化鞍点提供渐近稳定性及收敛速率,并确立可检查的相容性条件。
SInMT框架通过多任务学习和梯度反转层建模或移除说话人身份,在语音欺骗检测中将平均EER降低17%,针对A11等攻击最高降低48%。 该模型在四个数据集上评估,证明独立于说话人身份的嵌入假设有待验证。 方法验证了说话人信息对欺骗检测系统的影响。
NestRL 提出了一种嵌套训练机制,将人类-AI 协作建模为交互式部分可观测马尔可夫决策过程,通过在每一层级与下一层级的适应性智能体共同训练,避免了标准多智能体训练中不透明协作策略的产生。 该方法在 Overcooked 环境中进行验证,相较于现有基准,NestRL 在应对未知适应性智能体和真实人类队友时均展现出更高的任务表现及更强的交互适应性。
提出一种变分生成方法,用于在数字化画作中自动检测裂纹(craquelure),以评估退化并指导修复。 方法将图像分解为无裂纹画作和裂纹组件,结合深度生成先验与 Mumford-Shah 型变分泛函,通过联合优化获得像素级裂纹定位图。 该方法解决了裂纹与笔触等艺术特征视觉相似导致的检测难点,支持非侵入性艺术作品分析与保护。
研究团队发布 Better Call Graphs(BCG),这是一个从近期 Android 应用中提取的大规模且唯一的函数调用图数据集。 BCG 包含正常和恶意样本,涵盖不同家族类型,并附带图级特征,旨在解决现有数据集过时且存在重复重打包导致过拟合的问题。 该数据集已在 IEEE BigData 2026 会议接受并公开可用,为基于图的恶意软件分类方法提供了可靠的评估基础。
提出基于物理信息神经网络(PINNs)神经切核(NTK)的加权自适应方法,解决平流-扩散方程在稀疏测量下的源与参数联合反演问题。 该方法将底层偏微分方程作为约束耦合未知量,提升有限测量信息的利用效率,并推导了已知速度与扩散系数下源函数近似误差的理论界限。 数值实验验证了该方法在二维和三维场景中对测量噪声的鲁棒性,证实了PINNs在此类逆问题中的有效性能。
论文引入邻近遗憾(proximal regret)及邻近相关均衡(PCE),指出经典在线梯度下降算法在未修改情况下即可实现 $O(\sqrt{T})$ 的邻近遗憾最优界。
研究者提出 PrefCVAE 框架,利用弱标记偏好对增强 CVAE 模型,赋予潜变量语义属性。 该方法以平均速度为属性示例,实现可控且语义明确的可控轨迹预测,且不降低基准准确率。 研究证明偏好监督是增强基于采样的生成式模型的高性价比方式。
提出DiD-BCF模型,处理DiD中的异质性效应和交错采用问题。 该模型通过结构化的回归森林嵌入条件平行趋势限制,提供ATE、GATE和CATE的统一估计框架。 在美国最低工资政策应用中发现传统方法掩盖的条件处理效应异质性。
LiteLMGuard 是针对小型语言模型量化漏洞的轻量级端侧护栏,部署后对有害提示词防御率超 85%,平均延迟约 135 ms。 模型基于 ELECTRA 构建,具备 97.75% 可回答性分类准确率,支持实时离线过滤且架构无关。 该机制有效防御 Open Knowledge Attacks,提升端侧 SLM 安全性。
ExclaveFL 提出了一种利用 Exclaves(仅完整性执行环境)为联邦学习生成可验证声明的系统,通过细粒度运行时证明确保模型训练符合数据清洗和聚合等要求。
提出结合前景与背景证据指导局部监督的CB-LNL方法,旨在应对噪声标签下的实例分割挑战。 该方法基于COCO和LVIS标注审计,并引入覆盖人类标注及SAM2弱提示掩码的基准测试。 实验显示,相较于直接教师掩码替换,CB-LNL在程序化轮廓噪声训练上性能更优且有害编辑更少。
基于 Qwen3.5-9B 的 Pac-Man 空间智能体通过课程学习将文本迷宫清空率从 0% 提升至 81.25%。 模型适配与 harness 改进使固定地图清空率从 26.6% 升至 96.9%,证实 harness 设计是决定智能体性能的关键因素。
研究者发布 GameReplica 基准,用于评估视觉语言智能体在黑盒条件下复刻网页游戏的能力,该基准包含 125 个实例,覆盖 25 款游戏。 基准要求在容器隔离下通过动作-截图接口交互,并从规则一致性、实现一致性及视觉保真度三个维度进行评分。 实验表明,Claude Opus 4.8 取得 71.6% 的最高综合分,而模型在视觉保真度上得分普遍高于规则一致性。
外部观察者可通过监测 NVIDIA H200 的功耗,无需配合即可识别 AI 工作负载类型。 研究记录了 930 条 10 MHz 功耗轨迹,区分训练与推理的准确率达 97%。 该物理侧信道为 AI 算力验证提供了可落地的国际政策治理切入点。
DeCO 方法将细粒度数据集蒸馏转化为预算受限的判别性证据保留问题,并在 CUB-200-2011 等基准上超越现有基线。 该方法利用预训练 TransFG 教师进行注意力展开以识别信息斑块,通过空间多样化减少冗余,并将同类区域打包成紧凑的网格图像。 该研究被 NeurIPS 2026 高效深度学习基础研讨会接收。
提出ContactGuard,一种针对分块视觉运动策略的接触前执行监控器。 其潜在世界模型从无标签轨迹学习预测多视角嵌入,轻量级失败探针仅需少量标注数据。 该监控器可在不修改底层策略的情况下提供接触前中止信号。
MoRAE 提出自监督运动表征优于重建潜变量的文生动作生成方法。 预训练 Motion-JEPA 编码器预测关节轨迹,压缩特征供标准流 Transformer 生成。58M DiT 结合 CLIP 文本条件在 HumanML3D 和 KIT-ML 上取得 FID SOTA。
OrganLens 通过自监督学习实现 CT 基础模型的器官特异性表征,利用共享编码器和器官身份条件生成 11 个器官特定表示。 该模型在 CT-RATE 上将心脏扩大 AUROC 从 0.917 提升至 0.953,在 NLST 上改善肺癌、呼吸和 COPD 死亡率的 Harrell C-index。 它提供了研究跨队列器官特异性疾病的可扩展框架。
研究对比了 Hybrid Quantum-inspired CNN (HQiCNN) 与标准 CNN 在两个医疗影像数据集上的表现。在严格参数预算下,HQiCNN 性能优于经典基线;当经典层增加参数后,两者整体性能相当,HQiCNN 仅在中等数据量下保持优势。
Etas 提出了一种将智能体抽象为编译器可检查构造的效果类型语言,支持对智能体系统的静态分析与监控。 通过 Rust 实现的编译器与优化器,Etas 在 12 个工作流中减少输入 token 67.8%,执行时间降低 23.2%。 首次类智能体抽象支持递归自我进化,在五轮迭代中任务准确率从 69.9% 提升至 78.9%。
Orbis 2 提出了一种分层驾驶世界模型,通过解耦高阶预测器和低层生成器,实现了高级别感知保真度与强大的空间语义表示。 该模型采用扩散强制预训练和教师强制微调的两阶段训练范式,在驾驶世界模型的标准基准测试中取得了最先进的结果。 Orbis 2 已被 NeurIPS 2026 接收,项目页面提供了代码、演示和检查点。
基于 FileMark 的代码锚定评论格式,在 36 个 R 语言任务、7 个模型实验中,使托管编辑成本降低 20.0% 至 46.3%,并提升 4/5 本地模型的正确运行占比。 实验证实收益源于格式而非措辞,主要来自被引用的代码片段;但锚点错位会显著降低正确率。 该格式在锚点准确的前提下,能有效降低大文件编辑成本并提升弱模型表现。
现代 LLM 智能体常因短视和极化交互导致协作次优,MACE 框架通过结构化同伴选择显著提升了探索行为与任务性能。 MACE 在上下文和参数多样性设置下均有效,且实现了亚线性期望遗憾界。 研究强调了显式引导探索对实现可靠多智能体自主性的关键作用。
提出可解释新颖类别发现框架 xNCD,通过视觉-语言先验对齐在语义概念空间执行发现与伪标签分配。 xNCD 在 CIFAR-10 取得 92.63% 准确率,在 CIFAR-100 将准确率从 73.2% 提升至 76.45%,并唯一提供人类可读的集群与实例级解释。 该设计通过语义概念瓶颈限制了假设类,使发现的类别具备内在可解释性。
MMG-Pop 统一了数据集、多模态及交互信号,MMG-PopNet 在 Bluesky 和 Reddit 平台实验表现最优。 模型联合建模文本、视觉及图结构社交信号,实验揭示了跨平台泛化及 LLM 预测局限性。 该基准为异质模态下社会动力学建模及智能体生态系统研究提供基础。
该研究从统计校准角度分析了人类-AI 团队中人类与 AI 模型均具备校准属性的假设。 理论及实证结果指出,现有预测组合方法无法保留人类的校准度,而预测委托方法虽保留下游预测器校准度,但要求决策拒绝模型具备更精细的校准以识别成员优势区。当人类依赖系统无法观测的信息时,这一要求将变得不可达成。
研究团队发布眼科视觉问答(VQA)基准 FundusGround,包含 10,719 张眼底图像、15,595 个病变标注及 72,706 个问答对。 该基准利用 ETDRS 网格对病变进行空间定位,映射至 9 个临床视网膜区域,支持四类问答格式。 实验表明,引入病变级视觉证据能提升通用及医疗视觉语言模型的性能与透明度,证实了空间定位在可解释眼科 VQA 中的必要性。
该系统采用模块化设计,通过预生成和代码生成双重验证及递归有状态编码范式,确保了不同贡献者开发的组件能连贯组合。 实验证明其能从纯自然语言描述实现广泛贝叶斯模型,软件已开源,性能随底层 AI 智能体迭代持续增强。
研究提出Phoenix-bench基准,通过511个Verilator实例评估智能体AI在硬件工程中的表现。 结果显示,智能体在SWE-bench Verified与Phoenix-bench间性能下降37%-58%,失败集中在FSM及跨层级信号流追踪。 定位粒度比定位本身更重要,测试反馈使解决率提升42%-45%。
CLP-DD提出了一种针对冻结预训练编码器的闭式线性探针数据蒸馏方法,通过样本空间核岭回归求解器替代传统的轨迹匹配或NTK近似。 该方法在ImageNet-100上显著优于LGM(无DSA),在ImageNet-1K上性能持平或超越LGM(含DSA),且速度提升14倍,GPU内存占用降至1/8以下。 代码已开源,相关研究被NeurIPS 2026收录。
研究提出基于节点可达集(relatives)数量的随机因果有向无环图拓扑排序准则。 该准则利用relatives沿因果顺序单调不减的特性进行因果发现,在特定密度参数下表现优异。 研究指出传统模拟多聚焦于狭窄参数区间,并提出时间序列有向无环图采样作为替代方案。
研究提出轻量级框架 UNO,通过理解导向后训练将语义摘要和视觉回归作为监督信号,指导统一多模态模型的生成表示。 实验表明该方法实现了从理解到生成的有效梯度流动,在图像生成与编辑任务中验证了理解作为生成催化剂的有效性。 该工作已被 NeurIPS 2026 接收。
SplitZip 是一种针对 LLM 分离式推理中 KV 缓存传输瓶颈设计的 GPU 友好型无损压缩器,可在不修改模型执行逻辑的前提下实现位级保真传输。 其利用 KV 激活值中浮点数指数的冗余性,采用校准过的 Top-16 指数码本结合固定长度编码与稀疏逃逸流机制。在 BF16 张量上实现 613.3 GB/s 压缩吞吐,端到端传输速度提升最高 1.32 倍。
世界模型梯度细化在模型预测改进大的10个检查点上平均提升67.8回报点。 研究对比了52个冻结TD-MPC2检查点,细化在剩余42个检查点平均仅提升0.2回报点。 诊断秩检验在24个新检查点上失败,未建立预测规则。
研究人员提出 scTrilemma,一种用于单细胞 RNA-seq 表征学习的潜在瓶颈 VAE 模型。 该模型通过门控基因 token、路由细胞表征至解码器及基于伪批量条件先验,在无目标标注下解决表征三元悖论。 在 CZ CELLxGENE Census 发布的零样本评估中,scTrilemma 在多项生物状态与差异表达指标上表现领先,代码已公开。
研究团队发布了迄今最大规模的医学影像数据集综述,系统梳理了1000多个开放获取数据集。该工作指出现有数据集规模有限且碎片化,并提出了元数据驱动的融合范式(MDFP)以整合共享模态或任务的数据。团队同步发布了一个交互式发现门户和统一结构化表格,旨在加速数据发现,支持构建更强大的医学基础模型。
研究者提出梯度对齐路由(GAR)方法,将稀疏专家模型路由视为梯度划分问题。在五个多任务文本分类混合集上,GAR 聚合验证准确率比仅任务损失路由高 1.07 个百分点。使用冻结 DeBERTa 和 Qwen3-1.7B 骨干时,准确率领先 1.10 点,且专家负载更均衡。
针对 DNABERT-2、Evo 2 和 Nucleotide Transformer v2 的逆向评估显示,平均池化嵌入未能完全保护隐私。单一解码器将 Evo 2 在 15 核苷酸处的重构相似度从近 1.00 降至 100 核苷酸处的 0.67。