TMLR

When Are Two Scores Better Than One? Investigating Ensembles of Diffusion Models

当两个分数比一个更好吗？调查扩散模型的集成

Raphaël Razafindralambo, Rémy Sun, Frédéric Precioso, Damien Garreau, Pierre-Alexandre Mattei

机构 * Université Côte d’Azur（索邦大学（海岸）） ； Inria（法国国家科学研究中心） ； CNRS（法国国家科学研究中心） ； I3S（信息科学与系统研究所） ； Maasai（马赛机构） ； Julius-Maximilians-Universität Würzburg（维尔茨堡约瑟夫-玛克西米利安大学） ； Institute for Computer Science（计算机科学研究所） ； CAIDAS（计算机辅助设计与应用研究所） ； LJAD（图像与视觉研究所） 纠错

AI总结 本文研究了扩散模型集成对生成建模的影响，发现虽然集成能提升模型性能，但对感知质量指标效果有限，并通过实验和理论分析探讨了其局限性。

Comments Accepted at Transactions on Machine Learning Research (reviewed on OpenReview: https://openreview.net/forum?id=4iRx9b0Csu). Code: https://github.com/rarazafin/score_diffusion_ensemble

Context-aware Learned Mesh-based Simulation via Trajectory-Level Meta-Learning

基于轨迹级元学习的上下文感知学得网格模拟

Philipp Dahlinger, Niklas Freymuth, Tai Hoang, Tobias Würth, Michael Volpp, Luise Kärger, Gerhard Neumann

AI总结 本文提出了一种基于轨迹级元学习的网格模拟方法，利用运动原语实现快速且准确的模拟，提升模拟精度并降低运行成本。

Comments 35 pages. Submitted to Transactions on Machine Learning Research (TMLR)

Cost-Free Personalization via Information-Geometric Projection in Bayesian Federated Learning

通过信息几何投影实现无成本个性化：在贝叶斯联邦学习中的应用

Nour Jamoussi, Giuseppe Serra, Photios A. Stavrou, Marios Kountouris

机构 * EURECOM ； University of Granada（格拉纳达大学） 纠错

AI总结 本文提出了一种基于信息几何投影的无成本个性化方法，用于贝叶斯联邦学习，通过在统计流形上计算barycenter实现全局与局部性能的平衡。

Journal ref Transactions on Machine Learning Research (TMLR), 2026