跳到正文
11月3日周二
  1. arXiv · NLP24

    Sentiment sensing: 多语言情感动力学的比较分析

    研究人员提出 sentiment sensing 框架,结合成分数据分析、函数数据方法与非参数推断,解决跨国情感分析中的语言偏差、统计失效及动态检测难题。 该框架在欧洲联盟 27 个国家关于能源和人工智能的新闻文章两个案例研究中完成测试,实现了有效的多语言比较和情感转变检测。 框架旨在推动多语言情感分析领域的严谨比较科学研究。

  2. arXiv · ML27

    DAMI 框架:面向未见机器人操作任务的动态感知元模仿学习

    DAMI 框架通过整合元学习构建共享技能空间,使机器人智能体能够快速适应未见的新任务。 该框架引入 VMT 模块捕捉时空动态,使用 U2T 块融合多模态观测,并集成 TCFM 机制调节低层 3D 特征,从随机完整参考演示中学习任务逻辑。 实验表明,DAMI 在已知任务的直接推理和未见任务的少样本微调中性能优于最先进基线。

  3. arXiv · ML45

    TuneCLIP:开源权重 CLIP 的自监督微调优化框架

    论文提出自监督微调框架 TuneCLIP,显著提升开源权重 CLIP 模型性能,避免标准微调导致的效果退化。 包含恢复优化统计的预热阶段与对比损失优化,在 SigLIP (ViT-B/16) 上 ImageNet 提升 2.5%,DataComp 提升 1.2%。 为高效后训练适配设定了新的强基线,代码已开源,该研究获 NeurIPS 2026 spotlight。

  4. arXiv · ML26

    基于算子网络的复杂几何体时变流预测

    该研究提出一种时变、几何感知的深度算子网络,通过841个高保真FlowBench模拟数据进行训练,在262个未见过的几何体上实现了相对于CFD最高1000倍的加速。 模型利用符号距离场(SDF)编码几何,并在单一预测步长中达到约5%的相对L2误差。 通过相位滞后和Strouhal频率分析发现,该模型在近瞬态预测上较为准确,但在尖锐几何体的尾迹区域存在细尺度误差累积,且代码与脚本已公开以支持复现。

  5. arXiv · ML26

    MulTaBench:多模态表格学习文本与图像评测基准

    MulTaBench 提出包含 40 个数据集的评测基准,涵盖图像-表格与文本-表格任务。 现有基准常因模态共现导致高方差,MulTaBench 聚焦于模态提供互补预测信号的任务,验证了目标感知表征调优在多种表格学习器上的泛化收益。 该基准旨在促进融合联合建模的新型架构研究,为开发多模态表格基础模型铺平道路。

  6. arXiv · ML40

    LEAF:面向脑机接口的语言-EEG对齐基础模型

    LEAF 提出一种利用自然语言任务指令引导表征学习的脑机接口 EEG 基础模型。 该模型通过联合频谱-时间重建框架与指令条件 Q-Former 实现语义对齐,在 16 个下游数据集中的 12 个上取得最优平衡准确率。 代码已公开,支持将任务指令作为语义先验以提升 EEG 解码的鲁棒性与可迁移性。

  7. arXiv · ML29

    Vis-Lens 生成生物与人工神经网络中的首选视觉表征

    Vis-Lens 框架整合变分自编码器与扩散模型,通过修改激活正则化的潜在代码直接生成自然真实的首选图像。 模型利用来自大脑区域或神经单元激活的基于激活的先前分布,有效正则化结构化视觉表征景观。 在人工神经网络和人类视觉皮层 fMRI 数据上验证,该方法在激活调制和图像真实性上优于近期 SOTA 方法。

  8. arXiv · ML36

    Kev-Bio 模型在医学超声生物测量中实现多视图定位与测量

    Kev-Bio 视觉语言模型在 FU/GU Biometry 2026 数据集上取得 22.50 像素平均径向误差及 15.38 临床测量 MAE。 该模型受 System One 决策启发,通过生成查询匹配超声特征生成空间概率图,端到端训练定位与测量损失。 代码和模型已开放获取,验证了其在不同解剖视图中超声地标检测的有效性。

  9. arXiv · ML33

    One Image Is Enough: Self-Generated Supervision for Personalizing Human Video Diffusion at Test Time

    提出基于单参考图像和自生成伪标签的人体视频扩散个性化方法,在测试时通过合成关键姿态帧监督,无需多姿态视频或真实标签。 方法采用域调优姿态条件生成器产生伪真值帧,结合推理时参考仅采样器和低秩适配器训练;在 TikTok 和 UBC Fashion 基准上,改进模型优于基线,反转身份-运动权衡,性能匹敌使用五张真实帧的适应模型。

  10. arXiv · ML23

    Latent Diffusion-GAN:在自编码潜在空间进行对抗学习

    研究人员提出 Latent Diffusion-GAN (LD-GAN) 框架,将对抗学习无缝整合进扩散模型,利用预训练 VAE 作为基于能量的判别器,无需额外参数即可进行对抗训练。 该框架引入结构一致性能量对齐编码器与解码器特征,确保训练动态高效。实验表明 LD-GAN 在多个生成任务上显著优于 SOTA 基线方法,提升了样本保真度、感知锐利度与多样性。

  11. arXiv · ML23

    FlowFPR:基于流匹配先验的过采样傅里叶相位恢复方法

    提出 FlowFPR 方法,结合预训练流匹配先验与松弛平均交替反射,用于过采样傅里叶相位恢复。单次时间相关流预测即可获得清晰图像估计,无需通过流网络反向传播测量误差。在自然人脸图像测试中,联合变体在两个非零噪声水平下取得最佳平均质量,且端到端运行时间低于扩散模型基准。

  12. arXiv · ML28

    SpatialVec:一种带边界感知采样地理空间对象统一表征学习框架

    SpatialVec 通过 Transformer 编解码器生成统一表征,在两个真实数据集上显著优于现有基准模型,提升了下游预测与分类任务性能。 该框架采用几何重建训练,自适应采样几何边界及区域以捕捉精细结构,专为 GeoAI 空间推理任务设计。 论文已被 2026 年 IEEE 大数据国际会议接收为全文研究论文。

  13. arXiv · ML24

    动态合并互蒸馏多视图网络用于基于 RGB-事件 的表示学习

    提出一种互蒸馏方法,结合多视图教师网络权重实现模型参数级融合,解决现有范式仅利用有限事件数据表示能力的问题。 采用多个编码器提取不同事件表示,在特征级和 logit 级进行互知识蒸馏,再通过动态层级模型合并策略生成统一的 RGB-事件表示模型。 在多个基于事件的基准数据集上验证,该框架取得显著性能提升,为多模态融合提供更优解决方案。

  14. arXiv · ML28

    AdaptAD:基于基础模型适应与缺失模态鲁棒性的阿尔茨海默病分期方法

    提出基于冻结 ViT-B/16 的 AdaptAD 方法,通过 LoRA 训练仅 350 万参数,在 ADNI 数据集三分类宏 AUC 达 0.745,显著优于全量微调及 3-D CNN。 该方法将形态计量学处理为 Token 或 [MISSING] 标记,在 OASIS-3 外部测试集 AUC 达 0.780,证明 2-D 基础模型无需 FreeSurfer 即可实现阿尔茨海默病分期。

  15. arXiv · ML30

    CarDiff:用于牙科龋齿合成的解剖感知扩散模型

    CarDiff 在 MLUA-DC1000 数据集上取得最佳 FID (90.76) 和 LPIPS (0.48) 分数,提升牙科全景片龋齿合成质量。 该半监督框架结合解剖感知条件生成与分割引导监督,在七个架构的下游分割任务中,使用 5 倍增强训练集使平均 Dice 分数提升最高 6.5%。 代码已开源,表明解剖一致的扩散合成适用于有限监督下的牙科影像增强。

  16. arXiv · ML27

    SIMIT:测试时通过想象自举提升视觉语言模型性能

    SIMIT 提出一种测试时自我改进框架,视觉语言模型通过想象自身可控的相似问题生成训练数据,无需标注或外部模型。 框架合成多样化多模态三元组,结合图像生成与可扩展技能库,并通过多阶段验证与自适应预算分配采样。在 17 个基准上,最佳配置较 BAGEL-7B 提升 7.20%,无训练模式提升 6.98%。

  17. arXiv · ML35

    CARe:面向视觉语言模型测试时自适应的协方差感知评分方法

    研究者提出 CARe 方法,利用目标特征二阶矩诱导的马氏几何替换常见的余弦相似度评分,以解决各向异性特征分布下的自适应问题。 理论上,在共享协方差高斯模型下,CARe 的决策方向与贝叶斯最优线性判别一致;实验中,该方法在两个骨干网络的标准及细粒度分布偏移基准上均提升了 CLIP 的自适应准确率。 增益在特征各向异性强的数据集上最显著,随各向同性增加而消失;论文已提交 ICLR 2027 评审。

  18. arXiv · ML21

    AA-MP:面向几何感知神经算子的架构感知混合精度副本交换训练策略

    AA-MP提出一种副本交换混合精度训练策略,通过根据副本角色分配FP32与BF16精度,在保证几何感知神经算子预测精度的同时提升训练效率。在流体动力学和3D结构力学基准测试中,该策略使热副本峰值GPU显存降低46.9%,训练时间最多减少25.8%。消融实验证实保留冷副本FP32对精度至关重要,且该方法在不确定性量化方面优于朴素AMP,实现近标称覆盖率且预测区间更窄。

  19. arXiv · ML26

    SensOFormer:用于粒子加速器的基础模型

    SensOFormer 采用去噪掩码 Transformer 架构,通过自监督预训练从粒子加速器历史数据学习通用传感器表示。 模型具备 Perceiver 风格编码器-解码器结构,支持可变传感器集合与异构采样率,可处理不完整且含噪声的遥测数据。预训练后用于缺失数据插补、异常检测、腔体识别及故障识别等下游任务。