ICML

Seeing to Generalize: How Visual Data Corrects Binding Shortcuts

看见以泛化：视觉数据如何纠正绑定捷径

Nicolas Buzeta, Felipe del Rio, Cristian Hinostroza, Denis Parra, Hans Lobel, Rodrigo Toro Icarte

机构 * Department of Computer Science, Pontificia Universidad Católica, Santiago, Chile（计算机科学系，天主教大学，圣地亚哥，智利） 纠错

AI总结 视觉数据训练可增强模型在单模态任务中的推理与泛化能力，通过改变绑定策略提升分布外性能。

Comments Submitted to ICML 2026

Model-free Reinforcement Learning of Semantic Communication by Stochastic Policy Gradient

无模型强化学习的语义通信

Edgar Beck, Carsten Bockelmann, Armin Dekorsy

AI总结 本文提出利用随机策略梯度方法设计语义通信系统，通过强化学习实现发射端与接收端分离，无需已知信道模型，实现信息率节省。

Comments Accepted for publication in IEEE International Conference on Machine Learning for Communication and Networking (ICMLCN 2024), Source Code: https://github.com/ant-uni-bremen/SINFONY