Microsoft（微软）

PE-means: Improved Differentially Private $k$-means Clustering through Private Evolution

PE-means: 通过私有进化改进差分隐私 $k$-均值聚类

Thomas Humphries, Zinan Lin, Sergey Yekhanin

机构 * University of Waterloo（滑铁卢大学） ； Microsoft Research（微软研究院） 纠错

AI总结 针对欧几里得空间中差分隐私 $k$-均值聚类问题，提出PE-means算法，利用私有进化方法仅计算恒定敏感度的私有直方图，在聚类损失上平均比现有最优基线提升20%。

Adjoint Matching through the Lens of the Stochastic Maximum Principle in Optimal Control

通过随机最大原理视角的伴随匹配

Carles Domingo-Enrich, Jiequn Han

机构 * Microsoft Research New England（微软研究院新英格兰） ； Flatiron Institute（熨斗研究所） 纠错

AI总结 本文基于随机最优控制问题，重新推广并严谨推导了伴随匹配方法，将其置于随机最大原理基础上，提出通用Hamiltonian伴随匹配目标，并展示其在连续时间下的实现方法，为随机控制问题提供新的可实施目标。

Playing 20 Question Game with Policy-Based Reinforcement Learning

基于策略的强化学习玩20个问题游戏

Huang Hu, Xianchao Wu, Bingfeng Luo, Chongyang Tao, Can Xu, Wei Wu, Zhan Chen

机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司） ； Microsoft Development Co., Ltd（微软开发有限公司） 纠错

AI总结 提出基于策略的强化学习方法，使提问者通过与用户持续交互学习最优问题选择策略，并利用奖励网络估计信息奖励，无需知识库且对噪声答案鲁棒。

Comments Withdrawal from the conference

Memora: A Harmonic Memory Representation Balancing Abstraction and Specificity

Memora: 一种平衡抽象与特异性的和谐记忆表示

Menglin Xia, Xuchao Zhang, Shantanu Dixit, Paramaguru Harimurugan, Rujia Wang, Victor Ruhle, Robert Sim, Chetan Bansal, Saravan Rajmohan

机构 * Microsoft（微软） 纠错

AI总结 提出Memora记忆表示，通过主抽象和线索锚点平衡抽象与特异性，结合检索策略实现高效上下文感知检索，在LoCoMo和LongMemEval基准上达到新最优。

Comments ICML 2026