ICML

BOOD: Boundary-based Out-Of-Distribution Data Generation

基于边界的Out-Of-Distribution数据生成

Qilin Liao, Shuo Yang, Bo Zhao, Ping Luo, Hengshuang Zhao

机构 * The University of Hong Kong, Hong Kong, China（香港大学） ； School of AI, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Department of Computer Science, Harbin Institute of Technology (Shenzhen), Shenzhen, China（哈尔滨工业大学（深圳）计算机科学系） 纠错

AI总结 BOOD通过在潜在空间中识别决策边界并生成高质量OOD特征，提升OOD检测性能，实验显示在CIFAR-100数据集上显著优于现有方法。

Comments 14 pages, 8 figures, To be published in the Proceedings of the International Conference on Machine Learning (ICML) 2025

Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?

强化学习真的能激励大语言模型在基础模型之外提升推理能力吗？

Yang Yue, Zhiqi Chen, Rui Lu, Andrew Zhao, Zhaokai Wang, Yang Yue, Shiji Song, Gao Huang

机构 * LeapLab, Tsinghua University（清华大学 LeapLab） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本研究发现RLVR方法未有效激发LLMs的新型推理能力，而蒸馏方法能更有效地扩展模型推理能力。

Comments 31 pages, 27 figures

Journal ref NeurIPS 2025 Oral; ICML 2025 AI4MATH workshop best paper

Learning Mean Field Control on Sparse Graphs

在稀疏图上学习均场控制

Christian Fabian, Kai Cui, Heinz Koeppl

机构 * Department of Electrical Engineering（电气工程与信息科技系） ； Hessian Center for Artificial Intelligence (hessian.AI)（黑森人工智能中心） 纠错

AI总结 本文提出了一种针对稀疏图的均场控制模型，通过局部弱收敛理论，设计可扩展的学习算法，以解决多智能体强化学习中稀疏图的挑战。

Comments Accepted at ICML 2025