Nanyang Technological University（南洋理工大学）

Establishing Linear Surrogate Regret Bounds for Convex Smooth Losses via Convolutional Fenchel-Young Losses

通过卷积Fenchel-Young损失建立线性替代遗憾界

Yuzhou Cao, Han Bao, Lei Feng, Bo An

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； The Institute of Statistical Mathematics（统计数学研究所） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Skywork AI 纠错

AI总结 本文提出通过卷积Fenchel-Young损失构建凸光滑替代损失，以实现线性替代遗憾界，从而解决凸光滑损失与线性遗憾界之间的权衡问题。

Comments NeurIPS 2025 camera-ready

Differentiable Physics-Neural Models enable Learning of Non-Markovian Closures for Accelerated Coarse-Grained Physics Simulations

可微物理-神经模型使非马尔可夫闭合学习成为可能，以加速粗粒化物理模拟

Tingkai Xue, Chin Chun Ooi, Zhengwei Ge, Fong Yew Leong, Hongying Li, Chang Wei Kang

机构 * Department of Mechanical Engineering（机械工程系） ； National University of Singapore（新加坡国立大学） ； Institute of High Performance Computing（高性能计算研究所） ； Agency for Science, Technology and Research（科学、技术与研究局） ； Dept of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出了一种可微物理-神经模型，通过联合学习物理模型参数和非马尔可夫神经闭合模型，实现快速准确的粗粒化物理模拟代理。

A Probabilistic Framework for Temporal Distribution Generalization in Industry-Scale Recommender Systems

面向工业级推荐系统的时间分布泛化概率框架

Yuxuan Zhu, Cong Fu, Yabo Ni, Anxiang Zeng, Yuan Fang

机构 * Shopee Pte. Ltd.（Shopee公司） ； Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理学院） 纠错

AI总结 本文提出ELBO_TDS框架，通过因果图建模和自监督变分目标提升工业级推荐系统的时间分布泛化能力，实测提升GMV 2.33%并已部署于Shopee产品搜索。

Approximation rates of quantum neural networks for periodic functions via Jackson's inequality

量子神经网络对周期函数的逼近率 via Jackson 不等式

Ariel Neufeld, Philipp Schmocker, Viet Khoa Tran

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士） 纠错

AI总结 本文利用Jackson不等式研究量子神经网络对周期函数的逼近能力，通过减少参数数量提升逼近效果。

Safe and Economical UAV Trajectory Planning in Low-Altitude Airspace: A Hybrid DRL-LLM Approach with Compliance Awareness

低空经济环境下安全且经济的无人机轨迹规划：一种融合DRL与LLM的混合方法与合规意识

Yanwei Gong, Junchao Fan, Ruichen Zhang, Dusit Niyato, Yingying Yao, Xiaolin Chang

机构 * Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, P.R. China（北京智能交通安全与隐私北京市重点实验室，北京交通大学，中国） ； School of Computer Science and Engineering, Nanyang Technological University, Singapore（计算机科学与工程学院，南洋理工大学，新加坡） 纠错

AI总结 本文提出一种融合深度强化学习与大型语言模型的无人机轨迹规划方法，以实现安全、合规且经济的路径规划。