跳到正文
11月17日周二
  1. arXiv · ML24

    基于特征的算法选择中的捷径学习:提出“橡皮尺测试”以检测模型对算法忽略信息的依赖

    针对算法选择模型可能依赖算法忽略信息的“捷径学习”现象,提出“橡皮尺测试”通过随机严格递增变换目标值来检测该偏差。 在10维BBOB基准上,使用所有ELA特征模型的R²从0.85降至0.23,而基于秩的特征可减缓此下降;结合变换训练实例的数据增强可提升变换实例预测,但使原始实例R²最多降低0.31。

  2. arXiv · AI30

    PieArena:面向真实谈判场景的语言智能体排名与画像

    提出谈判基准 PieArena,评估 LLM 在现实商业任务中的战略推理与心智理论能力。基准基于精英商学院课程场景,通过镜像、交叉及人机配对制度进行测试,并开发连续收益排名模型生成序不变且带不确定性量化的排行榜。研究发现共享意向性脚手架对中低层 LLM 提升显著,而前沿 LLM 收益递减;代表性前沿语言智能体的表现达到或超过经过培训的商业学校学生基准。

  3. arXiv · ML21

    ST-GAT-NCO:结合动态时空图注意力网络与嵌套集群优化的多资产组合框架

    提出 ST-GAT-NCO 架构,将动态时空图注意力网络与嵌套集群优化相结合,以解决多资产战术配置中的协方差病态问题。 在 2020 年 1 月至 2026 年 1 月的 73 个月非前瞻性样本外窗口中,ST-GAT-NCO 在 13 类全球资产上实现 5.32% 的年均复合增长率和 37.06% 的净累计回报,超额夏普比率为 0.30,索提诺比率为 0.48。

  4. arXiv · ML21

    基于深度强化学习的 RSMA 辅助 SWIPT 在可持续地下物联网中实现最大最小吞吐量

    该研究将 RSMA 辅助的 SWIPT 应用于无人机赋能的无线供电地下传感器网络,旨在最大化各地下设备的最小上行链路吞吐量。 模型采用 PD-TQC 深度强化学习算法,联合优化无人机发射功率、消息分割及资源分配,解决了非凸优化难题。 仿真显示,该方法在 96% 以上的评估帧中满足约束,并在不同 Rician 因子及设备数量下保持吞吐量优势。

  5. arXiv · ML33

    PassCal:用于个人校准人行通道无障碍感知的少样本学习

    PassCal 通过少样本学习预测未见使用者对未见人行场景的判断,仅用 8 个样本将 Brier 分数从 0.550 降至 0.479。 模型结合冻结 VLM 内部状态与检测器预测的障碍属性,在 14.9k 公共审计数据上训练,优于直接提示 VLM 或无场景校准的方法。 符合风险控制使“决定性强场景”占比从 27% 提升至 42%(5% 错误率下)。

  6. arXiv · ML22

    条件资产定价 Transformer

    提出条件资产定价 Transformer(CAP-T),通过两阶段学习预测超额收益并分解收益成分。 第一阶段用 Transformer 估计条件预期收益,结合核加权主成分分析残差估计局部因子载荷空间,分离因子风险补偿与条件错误定价。 框架分解收益为条件错误定价、因子风险补偿、居中因子成分及不可预测创新,提供统计保证并展示预测与解释优势。

  7. arXiv · AI23

    参数化MDP多属性漏洞发现的基于场景的风险证书

    针对参数化MDP中的多属性漏洞发现,提出了一种基于场景的风险证书方法。 该方法采用两层结构:场景近似层提供识别保守漏洞区域的PAC保证,测试层将随机参数探索视为对重叠区域的覆盖并计算停止证书。 组合定理界定了预期未发现分数,实验使用经验代理和独立置信界评估了这些证书。

  8. arXiv · ML31

    Generalization Bounds for Neural Networks with Sparse Connectivity

    该文为受限 $\ell_p$ quasi-norm 约束的深度神经网络推导了非渐近泛化间隙界,揭示了稀疏性对统计性能的影响。 在准范数阶 $p$ 趋近零的极限下,界限转为对活跃(非零)参数数量呈平方根依赖,严格优于现有参数计数方法。 该结果被 NeurIPS 2026 接收,共 61 页,包含 2 个图表。

  9. arXiv · ML21

    O-RAN控制下的时延感知强化学习框架

    summary_zh: 针对O-RAN中异步反馈导致的时延奖励问题,提出一种时延感知深度强化学习框架,实现收敛加速并显著降低时延违规与丢包。 框架集成基于LSTM的时延预测器与时间奖励重对齐模块,采用off-policy学习管线,并基于Open AI Cellular(OAIC)测试床经验时延轨迹验证。

  10. arXiv · AI21

    计算与推理市场:结构、融资与风险转移

    大型语言模型算力租赁与Token输出市场已建立价格指数及衍生品交易,CME和ICE已制定期货合约。 研究发现合约结算价基于短期租赁率,而非运营商主要收入来源的长期私有合同价格;Token价格与租赁率通过吞吐量关联但风险敞口不同,GPT-5在十二个月内最低列表价下跌17倍。

  11. arXiv · AI28

    SAFER:解决自动驾驶世界模型规划中探索与利用困境

    提出SAFER框架,通过离线学习他人失败并在线自我修正,解决自动驾驶世界模型在训练数据覆盖范围内外的探索与利用困境。 框架结合分块隐式世界模型与风险感知采样规划器,在CARLA排行榜路由中实现0.95的路线完成率和0.77的单步奖励,MetaDrive常规交通回合奖励达53.4。

  12. arXiv · ML26

    Domino: 利用一阶马尔可夫链实现少步掩码扩散模型的联合去掩码

    Domino 通过一阶马尔可夫链建模同一去噪步骤内揭示位置间的条件依赖,优化掩码扩散模型的少步采样。 该方法在预训练 MDM 去噪器隐状态上实现,仅增加 2.6% 参数开销,训练时冻结去噪器。 在 LM1B 等文本数据集上将少步生成困惑度降低 1.7 至 3.8 倍,分子样本有效性提升 1.5 倍。

  13. arXiv · ML20

    学习窃听检测在BB84量子密钥分配中不收敛

    研究表明,在BB84量子密钥分配中,基于强化学习的自适应检测器无法收敛以关闭隐蔽窃听窗口。 实验将博弈建模为表格型窃听者与检测器间的交替最佳响应,测试Q-Learning、SARSA等三种学习规则。结果显示,直至200轮博弈,可利用性波动未衰减,双方动态未达固定点。 结果指出,单一轮次的学习检测器无法通过认证,需打破信息结构而非单纯提升适应性来关闭安全漏洞。

  14. arXiv · AI25

    基于执行反馈的价值与策略校准:社交兼容自动驾驶世界模型强化学习框架

    论文提出结合想象策略改进与直接校准的世界模型强化学习框架,通过交互感知潜空间模型支持模拟,利用离策略校正与重放更新监督评价器与执行器,平衡自动驾驶车辆(AV)进度与人类驾驶车辆(HDV)交互负担。 在无人信号灯交叉口模拟实验中,该框架实现了100%成功率和跟随HDV加速度变异性分别较PIWM和DreamerV3降低65.5%及44.0%,消融实验证实价值校准降低HDV负担,策略校准提升通行效率。

  15. arXiv · ML24

    可微精确学习框架:不同有限状态换能器实现极端长度泛化

    研究提出可微精确学习框架,结合无限外部环境、状态跟踪神经控制器与策略轨迹观测(PTO)。 引入不同有限状态换能器(DFSTs),支持对数并行训练,在算术与通用模拟任务上实现极端长度泛化。 证明Softmax DFST取argmax可精确执行图灵机模拟与二进制算术,代码与权重已公开。

  16. arXiv · AI30

    因果先验数据拟合网络的事实与反事实联合学习

    该研究提出因果先验数据拟合网络(PFN)的联合学习方法,旨在解决真实世界中无法同时学习事实与反事实结果的问题。 通过联合学习获取事实与反事实结果的联合分布,结合跨单元最优传输估计平均处理效应密度,是首个同时提供响应、个体处理效应及平均处理效应三种密度的因果 PFN 方法。 在点估计和不确定性量化方面,联合训练模型在多数设置中显著优于基线模型。

  17. arXiv · ML26

    无训练权重烘焙能否提升LLM潜在空间几何成熟度

    研究者提出一种无训练权重烘焙方法,让分析模型读取冻结目标层拓扑描述符,通过岭回归直接改写前馈权重。 在126次实验及5模型循环互测中,方法显著提升了未见词语和句子的类别纯度,基准准确率保持在采样误差范围内。 该方法为基于LLM引导、不使用原始权重的无训练模型编辑提供了基线方案。

  18. arXiv · ML40

    OTISv2 通过特征空间正则化解决自监督时间序列编码器的特征坍缩问题

    自监督时间序列编码器因输入空间监督导致输出 Token 部分坍缩,OTISv2 引入特征空间的自蒸馏损失和 KoLeo 正则化器抑制坍缩。 该模型在 7.1M 至 116M 参数量范围内单调提升,并在 143 个单变量和多变量数据集上匹敌或超越现有通用编码器。 开源代码与预训练权重已发布以促进进一步研究。

  19. arXiv · ML67

    使用 Claude 复现权重空间编程研究

    作者使用 Claude Opus 5.5 复现了 Takehi 等人关于 GPT-6 Astra 的权重空间编程核心研究。Claude 成功从权重中识别 Atari 游戏并找到复制头,在 4/5 环境中超越 PPO,并利用 Qwen3.5-0.8B 的权重将 MATH-500 准确率提升至 58.1%,但其对训练数据的回答常受先验影响。

    推荐理由:作者通过十项预注册实验复现了权重空间编程研究,展示了模型在不训练条件下修复网络与推理的具体边界。

  20. arXiv · ML21

    量化草稿 KV Cache 实现内存高效投机解码

    研究提出通过量化草稿 KV Cache 降低投机解码的额外内存占用,目标模型缓存保持 BF16 精度以确保最终校正规则不变。 基于 KIVI 原则采用 K4V4 量化方案(key 按通道、value 按 token),在 6 个模型对上将草稿缓存内存减少 66.20%,总内存减少 23.95%,平均接受率仅下降 1.36% 相对值。