JMLR

Approximation-Free Differentiable Oblique Decision Trees

无近似差分斜决策树

Subrat Prasad Panda, Blaise Genest, Arvind Easwaran

机构 * College of Computing and Data Science Nanyang Technological University Singapore（南洋理工大学计算机与数据科学学院） 纠错

AI总结 本文提出DTSemNet，通过将硬斜决策树转化为神经网络，实现端到端训练，无需近似方法，在分类和回归中均取得优于现有差分决策树的性能。

Comments Accepted for publication in JMLR, Vol. 27, 2026

Journal ref JMLR 27(125):1-31, 2026

The Within-Orbit Adaptive Leapfrog No-U-Turn Sampler

轨道内适应性Leapfrog无U-turn采样器

Nawaf Bou-Rabee, Bob Carpenter, Tore Selland Kleppe, Sifan Liu

AI总结 本文提出WALNUTS，通过在轨道演化中固定时间间隔内适应Leapfrog步长，提升NUTS在多尺度后验分布中的采样效率和鲁棒性。

Comments for companion GitHub repo, see https://github.com/bob-carpenter/walnuts

Journal ref Journal of Machine Learning Research 27(113):1-64, 2026; https://www.jmlr.org/papers/v27/25-1452.html

Sparse topic modeling via spectral decomposition and thresholding

通过谱分解和阈值处理实现稀疏主题建模

Huy Tran, Yating Liu, Claire Donnat

AI总结 本文基于稀疏性假设，提出了一种新的谱方法估计主题词矩阵，证明其在高维情况下具有良好的误差界，且在不同参数 regime 中均有效。

Journal ref Journal of Machine Learning Research, 27(59):1-76, 2026