TMLR

Script: Graph-Structured and Query-Conditioned Semantic Token Pruning for Multimodal Large Language Models

脚本：图结构和查询条件的语义令牌修剪用于多模态大语言模型

Zhongyu Yang, Dannong Xu, Wei Pang, Yingfang Yuan

机构 * BCML, Heriot-Watt University（赫瑞瓦德大学BCML中心） 纠错

AI总结 Script通过图结构和查询条件的语义令牌修剪，提升多模态大语言模型的效率和准确性，实现显著的性能提升。

Comments Published in Transactions on Machine Learning Research, Project in https://01yzzyu.github.io/script.github.io/

Pushing the Limits of Sparsity: A Bag of Tricks for Extreme Pruning

推动稀疏性的极限：用于极端剪枝的技巧集合

Andy Li, Aiden Durrant, Milan Markovic, Tianjin Huang, Souvik Kundu, Tianlong Chen, Lu Yin, Georgios Leontidis

机构 * Department of Computing Science University of Aberdeen, UK（计算科学系阿伯丁大学，英国） ； Department of Computing Science & Interdisciplinary Institute University of Aberdeen, UK（计算科学系与跨学科研究所阿伯丁大学，英国） ； Department of Computer Science University of Exeter, UK（计算机科学系埃克塞特大学，英国） ； Intel Labs, USA（英特尔实验室，美国） ； Department of Computer Science University of North Carolina at Chapel Hill, US（计算机科学系北卡罗来纳大学教堂山分校，美国） ； School of Computer Science and Electronic Engineering University of Surrey, UK（计算机科学与电子工程学院 Surrey大学，英国） 纠错

AI总结 本文提出EAST方法，通过动态ReLU相位、权重共享和循环稀疏性技术，在极端稀疏性下实现稳定训练和性能提升。

Comments V4: moderate revisions and overall improvements for journal camera ready submission

Journal ref TMLR 11/2025 (https://openreview.net/pdf?id=XX9JdOJD8R)

Melody or Machine: Detecting Synthetic Music with Dual-Stream Contrastive Learning

旋律或机器：基于双流对比学习的合成音乐检测

Arnesh Batra, Dev Sharma, Krish Thukral, Ruhani Bhatia, Naman Batra, Aditya Gautam

机构 * Indraprastha Institute of Information Technology Delhi (IIIT-Delhi)（印度理工学院德里分校） ； Manipal University Jaipur（曼海姆大学斋普尔） ； Netaji Subhas University of Technology (NSUT)（尼赫鲁大学技术学院） 纠错

AI总结 本文提出MoM基准和CLAM架构，通过双流对比学习检测合成音乐，实现高精度的合成音乐识别

Comments Accepted at Transactions on Machine Learning Research (TMLR)

LCEN: A Nonlinear, Interpretable Feature Selection and Machine Learning Algorithm

LCEN：一种非线性、可解释的特征选择和机器学习算法

Pedro Seber, Richard D. Braatz

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 LCEN算法通过非线性、可解释的方法在特征选择和机器学习中实现高精度和高效性，优于多种现有方法。

Comments Accepted to TMLR: https://openreview.net/forum?id=wmNucISPdl

Journal ref Transactions on Machine Learning Research, 2025, [Online]. Available: https://openreview.net/forum?id=wmNucISPdl