Princeton University（普林斯顿大学）

TAVAE: A VAE with Adaptable Priors Explains Contextual Modulation in the Visual Cortex

TAVAE：具有可调节先验的VAE解释视觉皮层中的情境调节

Balázs Meszéna, Keith T. Murray, Julien Corbo, O. Batuhan Erkat, Márton A. Hajnal, Pierre-Olivier Polack, Gergő Orbán

机构 * Department of Computational Sciences（计算科学系） ； HUN-REN Wigner Research Centre for Physics（霍恩-伦维格物理研究中心） ； Princeton Neuroscience Institute（普林斯顿神经科学研究所） ； Princeton University（普林斯顿大学） ； Center for Molecular and Behavioral Neuroscience（分子与行为神经科学中心） ； Rutgers University（罗格斯大学） 纠错

AI总结 TAVAE通过任务优化的生成模型解释视觉皮层中情境调节的机制，展示了任务特定先验的学习与应用。

Comments ICLR 2026

Beyond the Loss Curve: Scaling Laws, Active Learning, and the Limits of Learning from Exact Posteriors

超越损失曲线：扩展定律、主动学习以及从精确后验学习的极限

Arian Khorasani, Nathaniel Chen, Yug D Oswal, Akshat Santhana Gopalan, Egemen Kolemen, Ravid Shwartz-Ziv

机构 * Mila-Quebec AI Institute, Canada（魁北克AI研究院） ； School of Computer Science and Engineering, Vellore Institute of Technology, India（印度维洛雷理工学院计算机科学与工程学院） ； Plasma Physics Lab, Princeton University, USA（普林斯顿大学等离子物理实验室） ； High School Student, John P. Stevens High School, USA（约翰·P·斯蒂文斯高中学生） ； Center of Data Science, New York University, New York, USA（纽约大学数据科学中心） 纠错

AI总结 本文研究神经网络在精确后验下的学习极限，揭示扩展定律、主动学习和分布偏移等核心问题，提出基于归一化流的框架以提升模型性能和鲁棒性。