ICML

Classifier Reconstruction Through Counterfactual-Aware Wasserstein Prototypes

通过反事实感知的Wasserstein原型进行分类器重建

Xuan Zhao, Zhuo Cao, Arya Bangun, Hanno Scharr, Ira Assent

机构 * Department of Computer Science, Aarhus University, Denmark（计算机科学系，奥胡斯大学，丹麦） 纠错

AI总结 本文提出利用反事实感知的Wasserstein原型提升模型重建效果，通过整合原始数据与反事实样本，优化替代模型与目标模型的保真度。

Comments Accepted by Actionable Interpretability Workshop at ICML 2025

State-Space Models for Tabular Prior-Data Fitted Networks

表格先验数据拟合网络的状态空间模型

Felix Koch, Marcel Wever, Fabian Raisch, Benjamin Tischler

机构 * L3S Research Center, Leibniz University Hannover, Hannover, Germany（L3S研究所以及汉诺威莱布尼茨大学） ； University of Applied Sciences Rosenheim, Rosenheim, Germany（罗斯海姆应用科学大学） ； Technical University of Munich, Munich, Germany（慕尼黑技术大学） 纠错

AI总结 本文提出使用双向线性时间结构状态空间模型Hydra替代Transformer，以减少顺序依赖性并提升表格数据预训练模型的预测性能。

Journal ref International Conference on Machine Learning (ICML), 1st ICML Workshop on Foundation Models for Structured Data, 2025

Geometric Regularity in Deterministic Sampling Dynamics of Diffusion-based Generative Models

扩散生成模型确定性采样动态中的几何正则性

Defang Chen, Zhenyu Zhou, Can Wang, Siwei Lyu

机构 * University at Buffalo, State University of New York（纽约州立大学布法罗分校） ； Zhejiang University（浙江大学） 纠错

AI总结 本文揭示了扩散生成模型采样轨迹的几何正则性，提出动态规划方案提升图像生成性能。

Comments 57 pages. Accepted by Journal of Statistical Mechanics: Theory and Experiment (2025). The short version was published in ICML 2024. arXiv admin note: text overlap with arXiv:2405.11326

Journal ref J. Stat. Mech. (2025) 124002