Google（谷歌）

A single algorithm for both restless and rested rotting bandits

一个用于休息和活跃 rotting bandits 的单一算法

Julien Seznec, Pierre Ménard, Alessandro Lazaric, Michal Valko

机构 * SCOOL, Inria Lille（SCOOL，Inria里尔分校） ； FAIR Paris（巴黎FAIR） ； DeepMind Paris（巴黎DeepMind） 纠错

AI总结 本文提出 RAW-UCB 算法，能同时处理休息和活跃 rotting bandits 问题，无需先验知识，实现接近最优的 regret。

Comments In AISTATS 2020

Decoupled DiLoCo for Resilient Distributed Pre-training

解耦DiLoCo用于鲁棒的分布式预训练

Arthur Douillard, Keith Rush, Yani Donchev, Zachary Charles, Nova Fallen, Ayush Dubey, Ionel Gog, Josef Dean, Blake Woodworth, Zachary Garrett, Nate Keating, Jenny Bishop, Henry Prior, Edouard Yvinec, Arthur Szlam, Marc'Aurelio Ranzato, Jeff Dean

机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） 纠错

AI总结 本文提出解耦DiLoCo，通过打破锁步同步障碍，提升分布式预训练效率，在高故障率环境中实现零全局停机，保持模型性能。

Unlocking Multi-Spectral Data for Multi-Modal Models with Guided Inputs and Chain-of-Thought Reasoning

通过引导输入和推理链解锁多光谱数据以多模态模型

Dahun Kim, Ganesh Satish Mallya, Anelia Angelova

机构 * Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出一种无需训练的方法，将多光谱数据引入标准RGB-only LMMs的推理流程中，提升性能。通过适应非RGB输入并注入领域特定信息和推理链推理，实现多模态模型在遥感任务中的零样本性能提升。

Comments Accepted to IGARSS 2026

Generalization Properties of Score-matching Diffusion Models for Intrinsically Low-dimensional Data

分数匹配扩散模型在本质上低维数据中的泛化性质

Saptarshi Chakraborty, Quentin Berthet, Peter L. Bartlett

机构 * Department of Statistics, University of Michigan（密歇根大学统计学系） ； Google DeepMind（谷歌DeepMind） ； Department of Statistics, University of California, Berkeley（加州大学伯克利分校统计学系） ； Department of Electrical Engineering and Computer Sciences, UC Berkeley（加州大学伯克利分校电气工程与计算机科学系） 纠错

AI总结 本文研究了分数匹配扩散模型在学习未知分布时的统计收敛性，得出了基于Wasserstein-p距离的有限样本误差界，并引入了(p,q)-Wasserstein维度概念，展示了扩散模型对数据内在几何的适应性及缓解维度灾难的能力。