Clarifying Shampoo: Adapting Spectral Descent to Stochasticity and the Parameter Trajectory
澄清洗发水：适应随机性和参数轨迹的谱下降
机构 * University of Cambridge（剑桥大学） ； Meta Platforms（Meta公司）
AI总结 本文通过实验表明，Shampoo在权重矩阵上的应用比Muon更高效，其更新方式在期望上是时间平均的半正交，而非强制半正交性。
高校专区
University of Cambridge（剑桥大学）
Disambiguating Anthropomorphism and Anthropomimesis in Human-Robot Interaction
在人机交互中区分拟人化与拟人模仿
机构 * University of Cambridge（剑桥大学）
AI总结 本文区分了人机交互中拟人化与拟人模仿的概念，明确两者责任方，为未来研究提供理论基础。
Comments 6 pages, 0 figures. Accepted at Human-Robot Interaction (HRI) conference (ACM/IEEE) 2026, Late-Breaking Reports
Estimating Interventional Distributions with Uncertain Causal Graphs through Meta-Learning
通过元学习估计不确定因果图的干预分布
机构 * Imperial College London（伦敦帝国学院） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Alan Turing Institute（艾伦·图灵研究所） ； University of Oxford（牛津大学）
AI总结 通过元学习提出MACE-TNP模型，用于估计不确定因果图的干预分布，优于传统贝叶斯方法。
Quantum advantage for learning shallow neural networks with natural data distributions
在自然数据分布下学习浅层神经网络的量子优势
机构 * Google Quantum AI（谷歌量子人工智能） ； University of Cambridge（剑桥大学） ； University of Edinburgh（爱丁堡大学）
AI总结 本文提出了一种高效量子算法，在非均匀数据分布下实现学习周期神经元的指数级量子优势。
Comments 10 pages, 1 figure + 82-page appendix; updated with stronger classical hardness
Journal ref Nat. Commun. 17, 1341 (2025)
