arXivDaily arXiv每日学术速递 周一至周五更新

大厂专区

Google(谷歌)

共收录 15375 篇
2611.18245 2026-11-16 cs.AI 新提交

Probabilities of Causation in Nondeterministic Causal Models

非确定性因果模型中的因果概率

David S. Watson, Sander Beckers

机构 * Google DeepMind(谷歌DeepMind) ; King’s College London(伦敦国王学院) ; University College London(伦敦大学学院)

AI总结 该研究针对非确定性因果模型,开发通用识别框架推导因果概率的精确解析界,通过案例与实验验证结果的实用性,阐明经典界与非确定性因果语义的关联,提供从定性结构限制到可计算部分识别区域的统一路径。

Comments 24 pages, 6 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.17620 2026-11-16 cs.AI 新提交

Safety Side Effects of Preventative Persona Steering: An Empirical Audit

预防性角色引导的安全副作用:一项实证审计

Sabrina Tang, Nikolai Vo, Carson Murillo, Chira Sukumarnpiti, Sarah Wilson

机构 * University of California, Irvine(加利福尼亚大学欧文分校) ; University of Toledo(托莱多大学) ; University of California, San Diego(加利福尼亚大学圣迭戈分校) ; Berkeley City College(伯克利城市学院) ; Google(谷歌)

AI总结 该研究通过实证审计发现,预防性角色引导会改变模型的弃权行为,且并非安全中性,需在多个安全基准上评估引导方法。

Comments 5 pages, 1 figure (6 charts), 1 table, accepted at NeurIPS 2026 Bialign Workshop

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.17469 2026-11-16 cs.LG 新提交

Improved Regret via Variance-Aware Policy Optimization in Adversarial MDPs

对抗MDP中基于方差感知策略优化的改进遗憾值

Ofir Schlisselberg, Alon Cohen, Yishay Mansour

机构 * Tel Aviv University(特拉维夫大学) ; Google Research(谷歌研究)

AI总结 针对未知动态全信息奖励的回合制对抗MDP,提出基于方差感知策略优化的VOPO算法,通过稳定性匹配奖励分析将遗憾值主导项改进为$\tilde O(\boldsymbol{\sqrt{H^3SAK}})$,缩小了与下界的差距。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.17241 2026-11-16 cs.AI 版本更新

Ballad: Bandit-Based LLM Routing for Automated Heuristic Discovery

Ballad:基于多臂老虎机的大语言模型路由用于自动启发式发现

Samidha Verma, Ankit Anand, Sayan Ranu

机构 * Indian Institute of Technology Delhi(印度德里理工学院) ; Google DeepMind(谷歌DeepMind)

AI总结 该研究针对自动启发式发现中LLM选择的非平稳关联挑战,提出Ballad算法,通过多模型编排实现性能与单模型相当或更优,且可降低最高65.6%的API成本。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.24161 2026-11-16 cs.AI 版本更新

TorchTPU - A Hybrid Eager/Compiled Architecture for Native PyTorch Execution on TPU

TorchTPU — 用于在TPU上原生执行PyTorch的混合急切/编译架构

Claudio Basile, Michael Voznesensky, Gunhyun Park, Ben Wilson, Parker Holloway, Zhanyong Wan, Vlad Belous, Manish Khanna, Paul Ganssle, Kevin Gleason, Andrew Dame, Brendan Folie, Bhavya Bahl, Haifeng Jin, Pedro Goncalves Mokarzel, Arian Arfaian, Luke Boyer, Chi Zhang, Yiling Yuan, Adam Mainz, Aditya Patel, Huangze Tang, Jay Gan, Lizzie Liang, Will Froom, Tushar Agarwal, Karlo Basioli, Theotime Combes, Emilio G. Cota, Minos Papadopoulos, Tudor Pipernea, Yarong Mu, Qi Zhou, Yaoshiang Ho, Aleksey Vlasenko, Alexander Brauckmann, Ziyin Huang, Jack Oh, Jerry Hsu, Tanvi Bajpai, Jialei Chen, Wenjun Gu, Chintan Shah, Chris Chan, Sayce Falk, Chris Jones, Rob Torres, Kat Ko, Lee Howes, Freya Azad, Andi Gavrilescu, Joe Pamer, Bill Jia

机构 * Google(谷歌)

AI总结 该研究推出Google与Meta合作的开源项目TorchTPU,为TPU提供原生PyTorch后端,可实现模型无缝执行与迁移,且具备行业级推理训练性能。

Comments 23 pages, 5 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.07740 2026-11-16 stat.ML cs.LG 版本更新

High-Dimensional Online Calibration from Harmonic Weights

基于调和权重的高维在线校准

Maxwell Fishelson, Mehryar Mohri

机构 * Institute for Advanced Study(高等研究院) ; Google Research(谷歌研究院) ; Courant Institute of Mathematical Sciences(库朗数学科学研究所)

AI总结 本文提出一种基于调和权重的简单在线校准算法,对任意凸集和范数实现高维预测的ε-校准,轮数在维度上多项式,显著改善已有界。

Comments In-depth talk about this work: this https URL (https://youtu.be/2aL0viNUveE)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2603.10099 2026-11-16 cs.LG cs.CR 版本更新

Denoising the US Census: Succinct Block Hierarchical Regression

美国人口普查去噪:简洁的块层次回归

Badih Ghazi, Pritish Kamath, Ravi Kumar, Pasin Manurangsi, Adam Sealfon

机构 * Google Research(谷歌研究)

AI总结 本研究提出BlueDown方法,通过简洁的层次回归技术提升人口普查数据的准确性与一致性,满足隐私和结构约束,显著改善县和普查区层面的评估指标。

Comments This is the author's version of the work. It is posted here by permission of the AAAS for personal use, not for redistribution. The definitive version was published in Science on November 5, 2026, DOI: https://doi.org/10.1126/science.aej1765. The final published version is available at this https URL (https://www.science.org/doi/10.1126/science.aej1765)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2510.08697 2026-11-16 cs.SE cs.AI cs.CL 版本更新

BigCodeArena: Unveiling More Reliable Human Preferences in Code Generation via Execution

BigCodeArena: 通过执行揭示更多可靠的代码生成人类偏好

Terry Yue Zhuo, Xiaolong Jin, Hange Liu, Juyong Jiang, Tianyang Liu, Chen Gong, Bhupesh Bishnoi, Vaisakhi Mishra, Marek Suppa, Noah Ziems, Saiteja Utpala, Ming Xu, Guangyu Song, Kaixin Li, Yuhan Cao, Bo Liu, Zheng Liu, Sabina Abdurakhmanova, Wenhao Yu, Mengzhao Jia, Jihan Yao, Kenneth Hamilton, Kumar Shridhar, Minh Chien Vu, Dingmin Wang, Jiawei Liu, Zijian Wang, Qian Liu, Binyuan Hui, Meg Risdal, Ahsen Khaliq, Atin Sood, Zhenchang Xing, Wasi Uddin Ahmad, John Grundy, David Lo, Banghua Zhu, Xiaoning Du, Torsten Scholak, Leandro von Werra

机构 * Monash University(墨尔本大学) ; CSIRO’s Data61(CSIRO的数据61) ; Purdue University(普渡大学) ; Independent(独立) ; HKUST (Guangzhou)(香港科技大学(广州)) ; UCSD(加州大学圣地亚哥分校) ; UVA(弗吉尼亚大学) ; CNRS, France(法国国家科学研究中心) ; IBM ; Cisco(思科) ; Comenius University in Bratislava(布拉提斯拉瓦康门纽斯大学) ; University of Notre Dame(Notre Dame大学) ; Uber ; Tano Labs(Tano实验室) ; NUS(国立大学新加坡) ; Institute of Automation, CAS(中国科学院自动化研究所) ; Tencent AI Lab(腾讯AI实验室) ; University of Washington(华盛顿大学) ; Nevsky Collective(Nevsky集体) ; ETH Zurich(苏黎世联邦理工学院) ; Detomo Inc(Detomo公司) ; University of Oxford(牛津大学) ; UIUC(伊利诺伊大学香槟分校) ; Google(谷歌) ; NVIDIA ; Singapore Management University(新加坡管理学院) ; ServiceNow Research(ServiceNow研究) ; Hugging Face

AI总结 BigCodeArena通过执行揭示更多可靠的代码生成人类偏好,提出自动评分基准评估LLM编码质量。

Comments Built with love by the BigCode community:)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.17313 2026-11-13 cs.DS cs.AI cs.LG stat.ML 新提交

Sketching Language Models for Context Attribution

用于上下文归因的语言模型草图绘制

Christopher Liaw, Aranyak Mehta, Grigoris Velegkas, Felix Zhou

机构 * Google Research(谷歌研究院) ; Yale University(耶鲁大学)

AI总结 针对提示词的留一法上下文归因问题,提出基于草图绘制的算法,在稳定性假设下用更少的模型评估调用估计所有留一法归因值,还证明了匹配的下界,经验验证了算法的有效性。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.16736 2026-11-13 cs.LG stat.ML 新提交

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

Mathieu Blondel, Michaël E. Sander, Germain Vivier-Ardisson, Tianlin Liu, Vincent Roulet

机构 * Google DeepMind(谷歌DeepMind)

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。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.16369 2026-11-13 cs.LG cs.CR 新提交

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

Tiansheng Huang, Ananth Balashankar, Virat Shejwalkar, Santosh Pande, Ling Liu

机构 * Georgia Institute of Technology(佐治亚理工学院) ; Google DeepMind(谷歌DeepMind)

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。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.16028 2026-11-13 cs.CY cs.AI cs.CL cs.LG 新提交

Scaling public input on AI policy with pluralistic agents

利用多元智能体扩大公众对AI政策的参与范围

Jacy Reese Anthis, Ken Burke, David Madras, Crystal Qian, Meredith Ringel Morris, Logan Cross, Caroline Pantofaru, Utsav Prabhu

机构 * University of Chicago(芝加哥大学) ; Google DeepMind(谷歌DeepMind)

AI总结 该研究开发多元智能体以代表人类参与AI政策讨论,实验显示其可调整政策方向,能弥补人类直接参与的满意度与公平性差距,是扩大AI安全政策开发的有前景工具。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.16012 2026-11-13 cs.CV 新提交

Topology-Aware 4D Gaussian Splatting for Egocentric Videos

面向自我中心视频的拓扑感知4D高斯溅射

Leonardo Vanni, Stefano Gasperini, Federico Tombari, Chiara Plizzari

机构 * Bocconi University(博科尼大学) ; Technical University of Munich(慕尼黑工业大学) ; Google(谷歌)

AI总结 针对现有4DGS难以处理自我中心视频中拓扑变化的问题,提出拓扑感知重建方法Topo-4DGS及对应基准TopoEgo,实验显示其性能优于现有最优方法,代码与数据将公开。

Comments Project page: https://topoego.github.io

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.15754 2026-11-13 cs.MA 新提交

MULTILOOP: Evolving Multi-Agent Harnesses for Complex Information-Seeking Tasks

MULTILOOP:面向复杂信息检索任务的多智能体管控机制演化

Daniela Gottesman, Gal Yona, Ori Ram, Zorik Gekhman, Jonathan Herzig, Mor Geva, Roee Aharoni

机构 * Tel Aviv University(特拉维夫大学) ; Google Research(谷歌研究院)

AI总结 本研究提出MULTILOOP优化循环,用于演化多智能体管控机制,在DeepSearchQA任务上仅用10个样本使准确率较基础管控提升4.6%、较最优单智能体系统提升3.2%,但多智能体编排故障仍大量存在。

Comments Accepted to NeurIPS 2026 CL4FMAgents Workshop

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.15475 2026-11-13 cs.AI 新提交

Loyalty Capture: Reporting Relationships and Structural Sycophancy in Frontier AI Models

忠诚度捕获:前沿AI模型中的汇报关系与结构性谄媚

Eric So, Alex Imas

机构 * Massachusetts Institute of Technology(麻省理工学院) ; Google DeepMind(谷歌DeepMind)

AI总结 该研究发现前沿AI模型存在忠诚度捕获的结构性谄媚现象,汇报关系会使模型为满足上级利益而提出损害组织的建议,基于提示的干预可缓解该问题。

Comments Accepted at the 40th Conference on Neural Information Processing Systems (NeurIPS 2026)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.14765 2026-11-13 cs.AI cs.DB 新提交

SynthCorp: A Platform for Creating Benchmarks for Data Agents

SynthCorp:用于创建数据智能体基准的平台

Jiani Zhang, Manav Garg, Eugenie Lai, Cheng Zhen, Eva Sharma, Yang Pan, Yaming Lin, Alon Halevy

机构 * Google(谷歌公司)

AI总结 SynthCorp是一款可定制数据资产与基准的平台,通过模拟业务事件生成含跨资产复杂度的基准,可验证智能体查询,助力企业数据智能体开发。

Comments SynthCorp v1.0. We will release the benchmarks soon

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.17223 2026-11-13 cs.DS cs.GT cs.LG math.PR stat.CO 新提交

Combinatorial Bernoulli Factories with Polynomially Many Coins

具有多项式数量硬币的组合伯努利工厂

Renato Paes Leme, Rad Niazadeh

机构 * Google Research(谷歌研究院) ; Chicago Booth(芝加哥大学布斯商学院)

AI总结 本文提出一种组合伯努利工厂的高效算法,其在立方体仿射切片类多面体上的期望抛硬币次数和运行时间为多项式,优于现有算法,可实现精确取整。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.15783 2026-11-13 cs.CG math.MG 新提交

A Linear-Time Construction on $\mathbb{S}^2$ Achieving a Sublinear Energy Gap on Smale's Seventh Problem

球面S²上的线性时间构造:在Smale第七问题上实现亚线性能量间隙

Rishabh Kabra, Wim Dehaen, Andrea Karlova, Mark Hamilton, Joao Carreira, Maks Ovsjanikov, Jonathan T. Barron

机构 * Google DeepMind(谷歌DeepMind) ; University College London(伦敦大学学院) ; University of Chemistry and Technology Prague(布拉格化学技术大学) ; Massachusetts Institute of Technology(麻省理工学院)

AI总结 该研究针对Smale第七问题,提出线性时间构造TerracedZonal,其能量超出E_{BHS}(N)的量为亚线性,且衍生的积分规则误差衰减速率优于此前方法。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.14944 2026-11-13 quant-ph 新提交

CSS Circuits: useful quantum circuits that can be simulated with $O(1)$ cost per gate

CSS电路:每门可在O(1)成本下模拟的有用量子电路

Craig Gidney, Cody Jones

机构 * Google Quantum AI(谷歌量子人工智能)

AI总结 该研究提出每门运算成本为O(1)的CSS电路模拟器,利用贝尔不等式证明其无法支持Hadamard等门,指出CSS电路可用于原子损耗下量子纠错的基准测试。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.15859 2026-11-13 cond-mat.str-el quant-ph 新提交

Learning Quantum Hamiltonians from the Dynamical Structure Factor

从动力学结构因子学习量子哈密顿量

Nisarga Paul, Thomas Schuster, Jason Alicea

机构 * California Institute of Technology(加州理工学院) ; Google Quantum AI(谷歌量子人工智能)

AI总结 该研究针对从真实实验数据学习量子哈密顿量的挑战,利用动力学结构因子的低阶谱矩与微观耦合的关系,提出三种互补的哈密顿量层析成像方案,可实现从常见实验数据高效重构量子哈密顿量,有望应用于中子散射实验。

Comments 12+53 pages, 17 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.13498 2026-11-13 cs.LG cs.CL 版本更新

Evaluating Compositional Generalization in Transformers: The Role of Composition Equivalence and Module Coverage

评估Transformer的组合泛化能力:组合等价性与模块覆盖率的作用

Purva Pruthi, Andrew Yuan, Alexander D'Amour, David Jensen

机构 * University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校) ; Google DeepMind(谷歌DeepMind)

AI总结 本研究通过系统评估发现,Transformer组合泛化性能受组合等价性与模块覆盖率影响,直接模型的表观性能源于利用组合等价性,基准设计需避免此类等价性以准确评估泛化能力。

Comments 40th Conference on Neural Information Processing Systems (NeurIPS 2026). Track on Evaluations and Datasets

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.06717 2026-11-13 cs.DS 版本更新

Combinatorial Boolean Matrix Multiplication in $n^3 / 2^{Ω(\sqrt{\log n})}$ Time

组合布尔矩阵乘法的$n^3 / 2^{Ω(\u221a{log n})}$时间算法

Piaoyang Cui, Yiming Liu, David P. Woodruff

机构 * Google(谷歌) ; Carnegie Mellon University(卡内基梅隆大学)

AI总结 该研究针对布尔矩阵乘法与三角形检测问题,提出确定性组合算法,将运行时间指数从$(log n)^{1/7}$提升至$\u221a{log n}$,突破了五十多年来的立方时间相关壁垒。

Comments 27 pages. Condensed version; the full version (46 pages, with additional results and the Lean 4 formalization) is available at https://github.com/lockqueue/bmm

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.02939 2026-11-13 quant-ph 版本更新

Root-sparsity scaling for Hamiltonian simulation, differential equations and linear-system solvers

哈密顿模拟、微分方程与线性系统求解器的根稀疏度缩放

Dominic W. Berry, Abhishek Rawat, Sophia Simon, Guang Hao Low

机构 * Macquarie University(麦考瑞大学) ; University of Queensland(昆士兰大学) ; University of Toronto(多伦多大学) ; Google Quantum AI(谷歌量子AI)

AI总结 提出量子算法,实现哈密顿模拟、线性微分方程和线性系统的稀疏度平方根依赖,并通过联合下界证明最优性,同时提供门高效实现。

Comments 163 pages, improved complexity scaling and Lean coverage

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2606.03303 2026-11-13 cs.AI 版本更新

LEAP: Supercharging LLMs for Formal Mathematics with Agentic Frameworks

LEAP:利用智能体框架增强形式化数学的大语言模型

Po-Nien Kung, Linfeng Song, Dawsen Hwang, Jinsung Yoon, Chun-Liang Li, Simone Severini, Mirek Olšák, Edward Lockhart, Quoc V Le, Burak Gokturk, Thang Luong, Tomas Pfister, Nanyun Peng

机构 * Google Cloud AI Research(谷歌云人工智能研究) ; Google Cloud(谷歌云) ; Google DeepMind(谷歌DeepMind)

AI总结 提出LEAP智能体框架,通过分解问题、与Lean编译器交互及自我优化,使通用大模型在形式化定理证明上达到最先进性能,并在Putnam竞赛和Lean-IMO-Bench上超越专业系统。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2605.13171 2026-11-13 cs.AI 版本更新

Formal Conjectures: An Open and Evolving Benchmark for Verified Discovery in Mathematics

形式猜想:一个开放且不断演进的数学验证发现基准

Moritz Firsching, Paul Lezeau, Salvatore Mercuri, Miklós Z. Horváth, Yaël Dillies, Calle Sönne, Eric Wieser, Fred Zhang, Thomas Hubert, Blaise Agüera y Arcas, Pushmeet Kohli

机构 * Google DeepMind(谷歌DeepMind) ; Imperial College London(帝国理工学院伦敦分校) ; Stockholms universitet(斯德哥尔摩大学)

AI总结 Formal Conjectures提供2615个形式化的数学问题,包含1029个开放猜想和836个已解决问题,用于评估自动化推理系统的能力,并通过协作项目确保正确性,推动数学证明发现的进展。

Comments 24 pages, 4 figures, 5 tables, Accepted at NeurIPS 2026 Datasets and Benchmarks Track

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2602.02799 2026-11-13 cs.LG cs.AI 版本更新

Joint Learning of Hierarchical Neural Options and Abstract World Model

层级神经选项与抽象世界模型的联合学习

Wasu Top Piriyakulkij, Wolfgang Lehrach, Kevin Ellis, Kevin Murphy

机构 * Cornell University(康奈尔大学) ; Google Deepmind(谷歌DeepMind)

AI总结 本文提出AgentOWL方法,通过高效样本学习抽象世界模型和层级神经选项,使智能体在Object-Centric Ataris游戏中以更少数据学习更多技能。

Comments Accepted to NeurIPS 2026

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2603.13114 2026-11-13 quant-ph cond-mat.supr-con 版本更新

Experimental realization of a $\cos(2φ)$ transmon qubit

实现一个$\cos(2φ)$ transmon量子比特的实验

Erwan Roverc'h, Alvise Borgognoni, Marius Villiers, Kyrylo Gerashchenko, W. Clarke Smith, Christopher Wilson, Benoit Douçot, Alexandru Petrescu, Philippe Campagne-Ibarcq, Zaki Leghtas

机构 * Laboratoire de Physique de l’Ecole Normale Supérieure, ENS-PSL, CNRS, Sorbonne Université, Université Paris Cité, Centre Automatique et Systèmes, Mines Paris, Université PSL, Inria(巴黎高等师范学院物理实验室,ENS-PSL,法国国家科学研究中心,索邦大学,巴黎西岱大学,自动化与系统中心,巴黎矿业学院,PSL大学,法国国家信息与自动化研究所) ; Google Quantum AI(谷歌量子人工智能) ; University of Waterloo(滑铁卢大学) ; Laboratoire de Physique Théorique et Hautes Energies, Sorbonne Université and CNRS UMR 7589(理论与高能物理实验室,索邦大学与法国国家科学研究中心联合研究单位7589)

AI总结 该研究通过实验实现了一个利用电荷-奇偶性对称性的$\cos(2φ)$量子比特,展示了低频量子比特的相干控制和单次读取能力,并发现电荷保护由100倍的岛电荷矩阵元抑制,但1/f磁通噪声限制了相干时间。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2603.01750 2026-11-13 cs.LG 版本更新

Deep Heteroskedastic Regression: Post-Hoc Variance Estimation from Latent Representations

实用深度异方差回归

Mikkel Jordahn, Jonas Vestergaard Jensen, James Harrison, Michael Riis Andersen, Mikkel N. Schmidt

机构 * Technical University of Denmark(丹麦技术大学) ; Google DeepMind(谷歌DeepMind)

AI总结 本文提出一种简单高效的方法,通过在预训练网络中间层进行事后拟合,解决深度异方差回归中的不确定性量化与均值预测权衡问题,实现与现有最先进水平相当的不确定性量化性能。

Comments Code available at https://github.com/jonasvj/PracticalDeepHeteroskedasticRegression

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2601.20154 2026-11-13 cs.LG 版本更新

Spectral Ghost in Representation Learning: A Unified View from Component Analysis to Self-Supervised Learning

表示学习中的谱鬼怪:从成分分析到自监督学习

Bo Dai, Na Li, Dale Schuurmans

机构 * Google DeepMind(谷歌DeepMind) ; Georgia Tech(佐治亚理工学院) ; Harvard University(哈佛大学) ; University of Alberta(阿尔伯塔大学)

AI总结 本文提出了一种基于谱表示的统一框架,用于理解和改进表示学习,通过理论分析揭示现有SSL算法的本质并推动更高效的应用方法。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2601.14175 2026-11-13 cs.LG cs.AI cs.CL hep-th 版本更新

A model of errors in transformers

Transformer 中的错误模型

Suvrat Raju, Praneeth Netrapalli

机构 * International Centre for Theoretical Sciences, Tata Institute of Fundamental Research, Bengaluru, India(理论科学国际研究中心,印度塔塔基础研究研究所,班加罗尔) ; Google Deepmind, Bengaluru, India(谷歌DeepMind,班加罗尔)

AI总结 本文提出了一种Transformer错误模型,通过双参数关系解释任务复杂度与准确性的关系,并展示了如何通过提示减少错误率。

Comments (v1) 8+17pages (v2) Appendix A.4 expanded; consistent with published version

Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
↑