IBM

PRIM: Meta-Learned Bayesian Root Cause Analysis

PRIM：元学习的贝叶斯根因分析

Christopher Lohse, Anish Dhir, Amadou Ba, Bradley Eck, Marco Ruffini, Jonas Wahl

机构 * University of Dublin, Trinity College（都柏林大学，三一学院） ； IBM ； Gatsby Computational Neuroscience Unit, University College London（大学学院伦敦的加布里埃尔计算神经科学单位） ； Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), Saarbrücken, Germany（德国萨尔布吕肯德意志人工智能研究中心（DFKI）） ； Department of Philosophy, University of Bergen（卑尔根大学哲学系） 纠错

AI总结 提出一种基于元学习的贝叶斯根因分析方法PRIM，通过合成先验因果模型进行贝叶斯推断，隐式识别数据生成机制变化，实现零样本快速推理。

Connecting Independently Trained Modes via Layer-Wise Connectivity

通过逐层连接性连接独立训练的模态

Yongding Tian, Zaid Al-Ars, Maksim Kitsak, Peter Hofstee

机构 * Computer Engineering Lab, Delft University of Technology, Delft, NL（代尔夫特理工大学计算机工程实验室） ； Network and Architecture Service, Delft University of Technology, Delft, NL（代尔夫特理工大学网络与架构服务） ； IBM Infrastructure, TX, USA（IBM基础设施） 纠错

AI总结 提出一种新的经验算法，通过逐层连接性构建独立训练神经网络模型之间的连续低损失路径，在多种现代架构上实现更一致的模式连接。

Comments 28 pages, 22 figures, accepted in ICML 2026: https://openreview.net/forum?id=4VOTzpH9MO

Towards a Foundation Model for the Martian Atmosphere

火星大气基础模型

Sujit Roy, Udayshankar Nair, Yuling Wu, Georgios Priftis, Liping Wang, Anastasia Georgiou, Anne Jones, Björn Lütjens, Johannes Schmude, Campbell Watson, Rachel A. Slank, Ankur Kumar, Anirbit Mukherjee, Procheta Sen, Ramin Lolachi, Haonan Chen, Manil Maskey, Juan Bernabé-Moreno, Rahul Ramachandran

机构 * Earth System Science Center, University of Alabama in Huntsville（阿拉巴马大学亨茨维尔分校地球系统科学中心） ； NASA Marshall Space Flight Center（美国宇航局马歇尔空间飞行中心） ； Department of Electrical & Computer Engineering, Colorado State University（科罗拉多州立大学电气与计算机工程系） ； Science and Technology Institute/Universities Space Research Association (USRA)（科学与技术研究所/大学空间研究协会） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系） ； School of Computer Science, University of Liverpool（利物浦大学计算机科学学院） ； Center for Space Sciences and Technology, University of Maryland, Baltimore County（马里兰大学巴尔的摩分校空间科学与技术中心） ； NASA Goddard Space Flight Center（美国宇航局戈达德空间飞行中心） ； Center for Research and Exploration in Space Science and Technology, NASA/GSFC（空间科学与技术研究与探索中心，NASA/GSFC） ； IBM Research（IBM研究院） 纠错

AI总结 针对火星大气数据稀疏、计算成本高等挑战，本文探讨了构建数据驱动基础模型的设计空间，包括可用数据、物理模型、下游应用及AI方法。

Leak@$k$: Unlearning Does Not Make LLMs Forget Under Probabilistic Decoding

Leak@$k$：在概率解码下，遗忘并未使LLM真正忘记

Hadi Reisizadeh, Jiajun Ruan, Yiwei Chen, Soumyadeep Pal, Sijia Liu, Mingyi Hong

机构 * University of Minnesota（明尼苏达大学） ； Michigan State University（密歇根州立大学） ； IBM Research（IBM研究院） 纠错

AI总结 本文发现现有大语言模型遗忘方法在概率解码下无法真正删除敏感信息，并提出新指标leak@$k$和算法RULE来评估和缓解知识泄露。