期刊&会议
Transactions on Machine Learning Research · 期刊 · Machine Learning
面向约束优化器的跨深度学习率迁移与特征学习：Complete Scion
机构 * CVN CentraleSupélec（中央理工-高等电力学院CVN） ； Framatome（法马通公司）
AI总结 该研究针对约束优化方法推导1/L残差缩放规则，支持Scion算法的学习率跨深度与宽度迁移，在三类模型实验中验证了该规则的有效性。
Journal ref Transactions on Machine Learning Research (10/2026)
机构 * Northwestern University（西北大学）
AI总结 该研究指出LLM回测的标准污染检测方法无效，提出利用已知截止时间和匹配干净对照组测量时间泄漏的方法，可检测并调整回测得分，澄清部分模型优势源于近期性而非真实技能。
Comments Published in Transactions on Machine Learning Research (11/2026). Reviewed on OpenReview: https://openreview.net/forum?id=x3qagPELrp. Code: https://github.com/ZeyuZhang1901/Temporal-Leakage-Backtesting
Journal ref Transactions on Machine Learning Research, 2026
机构 * MADI
AI总结 本研究针对双曲视觉-语言模型是否利用其几何特性的问题，提出多组诊断指标审计三类主流模型，发现其实际未激活双曲径向/锥机制，层次性表现与几何特性无关。
Comments 55 pages, 7 figures. Published in Transactions on Machine Learning Research (11/2026). Review: https://openreview.net/forum?id=Rj5ewBz62j
Journal ref Transactions on Machine Learning Research (2026)
机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学）
AI总结 本文提出DMZ扩散自编码器，通过优化潜变量选择和条件化方法，结合前向过程学习与终端条件约束，在下游任务表示和高效生成上兼得优势，以更少去噪步骤实现高效建模。
Comments Published in Transactions on Machine Learning Research (11/2026)
Journal ref Transactions on Machine Learning Research (TMLR). ISSN 2835-8856 (2026)
机构 * Federal University of São Carlos（巴西圣卡洛斯联邦大学） ； University of São Paulo（圣保罗大学） ； Institute of Mathematics and Computer Science（数学与计算机科学学院） ； Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学） ； Inria（法国国家信息与自动化技术研究院） ； CNRS（法国国家科学研究中心） ； Grenoble INP（格勒诺布尔国立应用科学研究院） ； LJK（格勒诺布尔联合实验室）
AI总结 LoBoost提出了一种基于梯度提升树的快速模型原生局部符合预测方法，通过利用已拟合集成模型的叶子结构进行多尺度校准，提高了适应性和效率。
Comments Accepted paper version
Journal ref Transactions on Machine Learning Research (11/2026)
AI总结 提出BALF框架，将激活感知低秩分解扩展到线性层以外的卷积层，通过白化理论处理秩亏激活，并利用拉格朗日松弛在FLOP或参数预算下分配层秩，实现免微调的高效视觉模型压缩。
Comments Accepted at TMLR
机构 * Sorbonne Université（索邦大学） ； INSERM（国家医学研究院） ； Institut Pierre Louis d’Epidémiologie et de Santé Publique（皮埃尔-吕克流行病学与公共卫生研究所）
AI总结 针对复杂领域因果知识不完整的问题，本文研究基于ADMG的C-DMG中的宏观因果效应识别，证明do-演算的可靠性与完备性，并给出不可识别性的图形化表征。
Comments This article with the initial version of the assumption was accepted to TMLR
机构 * University of Missouri-Columbia（密苏里大学哥伦比亚分校）
AI总结 该研究揭示语言模型后训练中谱特性的矛盾观察相容，通过OLMo系列模型实验分析更新的谱秩、轨迹余弦，证实优势系统影响训练方向对齐。
Comments Published in Transactions on Machine Learning Research (TMLR). Details: https://openreview.net/forum?id=UGIcayxHMI
TripletAD：嵌入空间中针对稀有异常与稀缺标签的弱监督异常检测
机构 * Dell Technologies（戴尔科技）
AI总结 TripletAD是一种弱监督异常检测方法，通过三元组间隔嵌入与双软惩罚项，在稀有异常、稀缺标签场景下，于24个ADBench等数据集上优于现有基线，性能表现突出。
Comments 15 pages, 2 figures. Under review at TMLR
AI总结 研究时间序列基础模型预训练不足以可靠部署下游任务的问题，基于预测管道干预位置分析训练后处理方法，分为五类并研究其代表性方法与局限，确定未来方向，提供统一框架助于相关研究。
Comments Accepted at TMLR
机构 * UC San Diego（加州大学圣地亚哥分校）
AI总结 提出多模态概念瓶颈模型（MM-CBM），利用双概念瓶颈层对齐图像和文本嵌入，实现可解释的零样本分类和图像检索，在四个基准上平均准确率提升高达51.26%。
Comments Accepted to TMLR 2026
Journal ref Transactions on Machine Learning Research, 10/2026
机构 * LIGM, CNRS, Univ Gustave Eiffel, ENPC, Institut Polytechnique de Paris（LIGM, CNRS, 古斯塔夫·埃菲尔大学, ENPC, 巴黎综合理工学院） ； Université Paris-Saclay, CNRS, LISN（巴黎-萨克雷大学, CNRS, LISN） ； Université Paris-Saclay, CNRS, ENSIIE, LISN（巴黎-萨克雷大学, CNRS, ENSIIE, LISN） ； Kyutai
AI总结 本文通过细粒度分析Moshi模型的计算消耗，首次量化了生成式多模态大语言模型（MLLM）研究的环境影响，揭示了计算密集型研究的能耗与环境成本，为可持续AI研究提供指导。
Comments 31 pages, 12 figures, 11 tables
Journal ref Transactions on Machine Learning Research (August 2026)
机构 * The University of Tokyo（东京大学） ； RIKEN AIP（日本理化学研究所革新智能研究中心）
AI总结 本文提出SignCert-PO方法，通过在策略优化阶段降低非鲁棒完成的权重，缓解RLHF中的奖励黑客问题，在摘要和AlpacaFarm基准测试中表现优于基线。
Comments Published in Transactions on Machine Learning Research (2026). 31 pages. Code: https://github.com/shinnosukeono/SignCert-PO
Journal ref Transactions on Machine Learning Research, 2026
机构 * University of Trento（特伦托大学） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
AI总结 本文提出通过模型合并高效估算多模态数据混合效果，结合领域专家训练与参数空间组合，实现可扩展的混合优化方法。
Comments Published in Transactions on Machine Learning Research (TMLR), 2026
Journal ref Transactions on Machine Learning Research (TMLR), 2026
机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Waterloo（滑铁卢大学） ； Imperial College London（伦敦帝国学院）
AI总结 CogDoc提出一种统一的粗到细思维框架，通过直接强化学习提升文档推理性能，优于现有方法并在视觉丰富任务中表现优异。
Comments Accepted at Transactions on Machine Learning Research (TMLR)
机构 * Univ. Grenoble Alpes, CNRS, LJK（格勒诺布尔-阿尔卑斯大学，法国国家科学研究中心，让·昆兹曼实验室）
AI总结 本文假设优化器收敛并指出其等效于特征值滤波，据此提出两种增强滤波的新算法以寻找更宽极小值，并利用广义Hadamard--Perron定理证明了其适用性。
Comments In press, 19 pp
Journal ref Transactions on Machine Learning Research
非聚合物晶体结构预测中的挑战：为何需要几何、排列不变的损失函数
机构 * Inria（法国国家信息与自动化技术研究院） ； Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学） ； CNRS（法国国家科学研究中心） ； Grenoble INP（格勒诺布尔理工大学） ； LJK（实验室）
AI总结 针对非聚合物晶体结构预测中学习目标不适定的问题，提出一种捕捉几何性质且排列不变的损失函数，使简单回归模型在COD-Cluster17基准上超越流匹配等先前方法。
Journal ref Published in Transactions on Machine Learning Research (05/2026)
机构 * National University of Singapore（新加坡国立大学） ； Yale University（耶鲁大学）
AI总结 本文提出TiARA算法和PromptBlend流程，通过时频注意力重加权与提示对齐，在无需调优的情况下提升单提示和多提示长视频生成的一致性与连贯性。
Comments Accepted by TMLR, 36 pages, 17 figures
机构 * University of Graz（格拉茨大学）
AI总结 本研究针对二值分割模型的校准偏差问题，提出一种考虑空间依赖性的事后校准方法，该方法可提供有限样本校准保证，且性能优于现有事后校准方法。
Comments Published in Transactions on Machine Learning Research 10/2026
超越贝叶斯纳什均衡：非对称信息下对抗团队博弈的极小极大遗憾均衡学习
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Aerospace Control Laboratory（航空控制实验室） ； Laboratory of Information and Decision Systems（信息与决策系统实验室）
AI总结 研究非对称信息下对抗团队博弈，提出概率鲁棒极小极大遗憾均衡（PR-MRE），结合极小极大遗憾推理的无分布鲁棒性与概率信息，通过鲁棒双线性规划及新型元求解器 PRMRE-PSRO 实现策略学习，实验证明其在隐藏类型上性能更优，行为更稳健。
Comments 53 pages, 25 figures, 9 tables. Under review at Transactions on Machine Learning Research (TMLR)
机构 * Sony AI, Zurich, Switzerland（索尼AI，苏黎世，瑞士） ； Sony AI, North America (various locations)（索尼AI，北美（多地）） ； Sony AI, Tokyo, Japan（索尼AI，东京，日本）
AI总结 提出结合通用价值函数近似器与精心选择的训练场景、学习算法和数据增强的框架，使智能体在复杂领域（如《地平线：西之绝境》、《GT赛车》和类人机器人）中实时展现不同风格，同时保持主任务性能。
Comments Accepted in TMLR. Source code: https://github.com/SonyResearch/coachable_agents - Overview Video: https://drive.google.com/drive/folders/19F5uKziT_zkDurze5sy5iMFD4BHfD3lV
机构 * The University of Sydney（悉尼大学）
AI总结 本文通过实证分析探讨静态分析方法在检测和缓解代码库幻觉中的效果，发现其能检测部分错误和幻觉，但存在局限性。
Comments Accepted for publication in Transactions on Machine Learning Research (TMLR)
机构 * Tsinghua Univerisity（清华大学） ； Peking University（北京大学）
AI总结 本研究通过白盒攻击和背包求解器，为大型语言模型的最坏情况鲁棒性提供上下界，并验证了均匀核平滑在平均ℓ0扰动2.02或后缀长度6.41下的鲁棒性。
Comments Accepted by TMLR
机构 * Halıcıoğlu School of Data Science and Computing, University of California San Diego（加州大学圣地亚哥分校哈利西奥格鲁数据科学与计算学院） ； New York University（纽约大学） ； Department of Philosophy and School of Data Science, University of Virginia（弗吉尼亚大学哲学系与数据科学学院）
AI总结 该研究提出SMToM框架，在BDI结构中从轨迹归因显式心理状态，实例化的BDIBottleneck模型在行人导航任务中优于基线，支持可解释的反事实分析。
Comments Published in Transactions on Machine Learning Research (TMLR), 10/2026. 37 pages. OpenReview: https://openreview.net/forum?id=PfSNLg0zcK. Code: https://github.com/NigelDoering/structured-machine-tom
Journal ref Transactions on Machine Learning Research (2026)
机构 * Vanderbilt University（范德堡大学） ； Yale School of Medicine（耶鲁医学院）
AI总结 本文对比EEG预训练后的骨干感知适配器与容量匹配的逐词多层感知器适配器，发现其相对性能依赖骨干、任务及训练协议，无一致优势，需开展容量匹配替代方案的对比评估。
Comments 25 pages, 6 figures. Code available at https://github.com/0oJimmyo0/EEGxPlore-TMLR
机构 * Center for AI Research, VinUniversity, Vietnam（越南 Vin 大学人工智能研究中心） ； VinRobotics, Vietnam（越南 Vin 机器人公司） ； Intelligent Autonomous Systems, TU Darmstadt, Germany（德国图恩-达姆施塔特技术大学智能自主系统）
AI总结 AAC是一种可微分地标选择模块，用于ALT最短路径启发式方法，通过行随机混合三角不等式下界保证启发式可接受性，且在无需收敛、校准或投影的情况下保持可接受性，同时在部署时能与神经编码器端到端结合，提升效率和精度。
Comments 80 pages. Accepted at Transactions on Machine Learning Research (TMLR). Code: https://github.com/anindex/aac
机构 * Joint Center for Quantum Information and Computer Science (QuICS), NIST & UMD College Park（联合量子信息与计算机科学中心（QuICS）、国家标准与技术研究院（NIST）及马里兰大学 College Park 分校） ； Joint Quantum Institute (JQI), NIST & UMD College Park（联合量子研究所（JQI）、国家标准与技术研究院（NIST）及马里兰大学 College Park 分校）
AI总结 针对现有本征维度估计（IDE）方法结果差异大、基准流形复杂度不足的问题，提出量子启发的QuIIEst基准，含已知ID的拓扑非平凡流形族，实验显示IDE方法在该基准上准确率更低，还验证了部分方法可提取分形霍夫施塔特蝴蝶的有效维度。
Comments 17 figures, 37 pages. Accepted for publication in Transactions on Machine Learning Research (TMLR). OpenReview: https://openreview.net/forum?id=aBJAPDsNvm
GaussianRenderFormer：基于Transformer的3D高斯样条渲染
机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
AI总结 本文提出GaussianRenderFormer，一种无光栅化器的Transformer模型，直接从3D高斯和相机生成图像，在Objaverse数据集上训练后，对未见过对象的渲染PSNR达38.08 dB，揭示视图解码器存在瓶颈。
Comments Under review at TMLR. 32 pages. Project page: https://svlwoof.github.io/gaussianrenderformer
机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学）
AI总结 该研究针对WTConv受内存限制的问题，通过三种代数重构实现I/O感知融合实现，大幅减少HBM流量，提升训练速度并降低内存占用，保留WTConv优势的同时消除其系统开销。
Comments Accepted to TMLR
机构 * Shandong University（山东大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯）
AI总结 本文探讨了强化学习与GUI代理的结合，提出分类体系及趋势分析，旨在指导下一代鲁棒GUI自动化及基础设施发展。
Comments Published in TMLR. Project Page: https://github.com/Steve2457/Awesome-RL-GUI-Agents
Journal ref Transactions on Machine Learning Research, 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈