ICML

TANGO: Clustering with Typicality-Aware Nonlocal Mode-Seeking and Graph-Cut Optimization

TANGO: 基于典型性感知的非局部模式寻求与图割优化的聚类

Haowen Ma, Zhiguo Long, Hua Meng

机构 * School of Computing（计算学院） ； Artificial Intelligence, Southwest Jiaotong University, Chengdu, China（人工智能，西南交通大学，成都，中国） ； School of Mathematics, Southwest Jiaotong University, Chengdu, China（数学学院，西南交通大学，成都，中国） 纠错

AI总结 TANGO通过引入典型性概念和改进的图割方法，实现非局部模式寻求与聚类优化，提升聚类效果。

Comments Accepted as a poster at ICML 2025

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:42062-42080, 2025

Right Now, Wrong Then: Non-Stationary Direct Preference Optimization under Preference Drift

此刻正确，此后错误：在偏好漂移下的非平稳直接偏好优化

Seongho Son, William Bankes, Sayak Ray Chowdhury, Brooks Paige, Ilija Bogunovic

机构 * Department of Computer Science, University College London, London, United Kingdom（计算机科学系，伦敦大学学院，英国） ； Department of Electronic and Electrical Engineering, University College London, London, United Kingdom（电子与电气工程系，伦敦大学学院，英国） ； Department of Computer Science and Engineering, IIT Kanpur, India（计算机科学与工程系，印度IIT坎浦尔） 纠错

AI总结 NS-DPO通过动态Bradley-Terry模型建模时间依赖奖励函数，在偏好漂移下提升LLM微调性能。

Comments 31 pages, 10 figures. Accepted to ICML 2025

Multiple-policy Evaluation via Density Estimation

通过密度估计进行多策略评估

Yilei Chen, Aldo Pacchiano, Ioannis Ch. Paschalidis

机构 * Boston University, Boston, USA（波士顿大学） ； Broad Institute of MIT and Harvard, Cambridge, USA（哈佛大学和麻省理工学院联合学院） 纠错

AI总结 CAESAR通过密度估计实现多策略评估，以低样本复杂度率估计策略性能并计算重要加权比。

Comments ICML 2025