OFMU: Optimization-Driven Framework for Machine Unlearning
OFMU：面向机器遗忘的优化驱动框架
机构 * Rensselaer Polytechnic Institute（拉特格斯理工学院）
AI总结 提出OFMU，一种基于惩罚的双层优化框架，通过层次结构优先遗忘并保持保留性能，在视觉和语言基准上优于现有方法。
Comments Under review at ICLR 2026
期刊&会议
ICLR
International Conference on Learning Representations · 会议 · Machine Learning
Johnson-Lindenstrauss Lemma Guided Network for Efficient 3D Medical Segmentation
Johnson-Lindenstrauss引理引导的高效3D医学分割网络
机构 * University of Science and Technology of China（中国科学技术大学） ； Dresden University of Technology（德累斯顿理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 提出VeloxSeg，通过双流CNN-Transformer架构（PWA和JLC）结合格拉姆矩阵空间解耦知识迁移，在低计算预算下实现多模态3D医学图像高效分割，Dice提升26%，GPU吞吐量提升11倍。
Comments 30 pages, 12 figures. Accepted at ICLR 2026
CATCH: Channel-Aware multivariate Time Series Anomaly Detection via Frequency Patching
CATCH: 基于频率分块的信道感知多变量时间序列异常检测
机构 * East China Normal University（东华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出CATCH框架，通过频率分块增强细粒度频率特征捕获，并设计通道融合模块（CFM）利用分块掩码和掩码注意力机制，结合双层多目标优化学习信道相关性，在10个真实和12个合成数据集上达到最先进性能。
Comments Accepted by ICLR 2025
From Markov to Laplace: How Mamba In-Context Learns Markov Chains
从马尔可夫到拉普拉斯：Mamba如何通过上下文学习马尔可夫链
机构 * EPFL（苏黎世联邦理工学院） ； UC Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） ； Télécom Paris（巴黎电信学院）
AI总结 本文研究Mamba在马尔可夫链上的上下文学习能力，发现单层Mamba能高效学习最优的拉普拉斯平滑估计器，并理论上揭示了卷积在其中的关键作用。
Comments Oral presentation at ICLR 2026
