TMLR

TabRep: Training Tabular Diffusion Models with a Simple and Effective Continuous Representation

TabRep: 通过简单有效的连续表示训练表格扩散模型

Jacob Si, Zijing Ou, Mike Qu, Zhengrui Xiang, Yingzhen Li

机构 * Imperial College London（伦敦帝国学院） ； Columbia University（哥伦比亚大学） 纠错

AI总结 TabRep通过统一连续表示训练表格扩散模型，实现高效生成高质量表格数据并保持隐私。

Comments TMLR 2026

Separating Constraint Compliance from Semantic Accuracy: A Novel Benchmark for Evaluating Instruction-Following Under Compression

分离约束合规性与语义准确性：一种新的基准，用于在压缩下评估指令遵循

Rahul Baxi

机构 * Independent Researcher（独立研究者） 纠错

AI总结 本文提出CDCT基准，揭示LLMs在压缩下约束合规性与语义准确性之间的矛盾，发现中等压缩时约束违规主要由RLHF训练的有用性行为导致。

Comments 19 pages, 9 figures; currently under peer review at TMLR

Variational Online Mirror Descent for Robust Learning in Schrödinger Bridge

变分在线镜像下降法用于Schrödinger桥的鲁棒学习

Dong-Sig Han, Jaein Kim, Hee Bin Yoo, Byoung-Tak Zhang

AI总结 本文提出变分在线镜像下降法用于Schrödinger桥的鲁棒学习，通过Wasserstein-Fisher-Rao几何构建高斯混合参数化的Schrödinger势能，实现了更稳定和精确的SB求解。

Comments TMLR 2025