Google（谷歌）

Density Ratio-Free Doubly Robust Proxy Causal Learning

无需密度比的双重稳健代理因果学习

Bariscan Bozkurt, Houssam Zenati, Dimitri Meunier, Liyuan Xu, Arthur Gretton

机构 * Gatsby Computational Neuroscience Unit, University College London（伦敦大学学院盖茨比计算神经科学单元） ； Secondmind ； DeepMind 纠错

AI总结 本文提出无需密度比的双重稳健代理因果学习方法，结合两种主流方法的优势，有效处理连续和高维变量，通过核均值嵌入实现闭式解和强一致性保证，优于现有方法。

Comments Neurips published version

MultiBanana: A Challenging Benchmark for Multi-Reference Text-to-Image Generation

MultiBanana：多参考文本到图像生成的挑战性基准

Yuta Oshima, Daiki Miyake, Kohsei Matsutani, Yusuke Iwasawa, Masahiro Suzuki, Yutaka Matsuo, Hiroki Furuta

机构 * The University of Tokyo（东京大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出MultiBanana基准，用于评估多参考文本到图像生成模型的能力，涵盖参考数量变化、领域不匹配、尺度不匹配、罕见概念和多语言参考等挑战，分析不同模型的性能与不足。

Comments Accepted to CVPR2026

Planned Diffusion

计划扩散

Daniel Israel, Tian Jin, Ellie Cheng, Guy Van den Broeck, Aditya Grover, Suvinay Subramanian, Michael Carbin

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Google（谷歌） 纠错

AI总结 计划扩散通过训练模型自主决定去噪顺序，实现并行生成，提升效率并保持质量，建立新的帕累托前沿。

Comments 10 pages, 7 figures

Exact Risk Curves of signSGD in High-Dimensions: Quantifying Preconditioning and Noise-Compression Effects

高维空间中signSGD的精确风险曲线：量化预条件和噪声压缩效应

Ke Liang Xiao, Noah Marshall, Atish Agarwala, Elliot Paquette

机构 * Department of Mathematics and Statistics, McGill University, Montreal, Canada（数学与统计学系，麦吉尔大学，蒙特利尔，加拿大） ； Department of Mathematics（数学系） ； Statistics, McGill University, Montreal, Canada（统计学，麦吉尔大学，蒙特利尔，加拿大） ； Google Deepmind, Mountain View, United States of America（DeepMind，谷歌，山景城，美国） 纠错

AI总结 本文研究了signSGD在高维空间中的风险曲线，通过推导极限SDE和ODE描述风险，并量化了有效学习率、噪声压缩、对角预条件和梯度噪声重塑四种效应。