TMLR

Uncertainty-Aware Surrogate-based Amortized Bayesian Inference for Computationally Expensive Models

考虑不确定性的替代模型基于的 amortized 贝叶斯推断

Stefania Scheurer, Philipp Reiser, Tim Brünnette, Wolfgang Nowak, Anneli Guthke, Paul-Christian Bürkner

机构 * Department of Stochastic Simulation and Safety Research for Hydrosystems（随机模拟与安全研究部门） ； Cluster of Excellence SimTech（卓越中心SimTech） ； University of Stuttgart（斯图加特大学） ； Department of Statistics（统计学系） ； TU Dortmund University（多特蒙德技术大学） 纠错

AI总结 本文提出UA-SABI框架，结合替代模型和amortized贝叶斯推断，以量化和传播替代不确定性，实现对计算昂贵模型的快速可靠推断。

Comments 27 pages, 15 figures

Journal ref Transactions on Machine Learning Research (2026)

Language Models are Symbolic Learners in Arithmetic

语言模型在算术中是符号学习者

Chunyuan Deng, Zhiqi Li, Roy Xie, Ruidi Chang, Hanjie Chen

机构 * Department of Computer Science（计算机科学系） ； Rice University（里士满大学） ； College of Computing（计算学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Duke University（杜克大学） 纠错

AI总结 本文研究语言模型在算术运算中通过学习符号捷径而非算法来掌握算术能力。

Comments TMLR 2026. Code at https://github.com/chili-lab/Symbolic-Arithmetic

Collaborative Compressors in Distributed Mean Estimation with Limited Communication Budget

分布式通信预算限制下的协同压缩在均值估计中的应用

Harsh Vardhan, Arya Mazumdar

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of California, San Diego（加州大学圣地亚哥分校） ； Halicioğlu Data Science Institute（Halicioğlu数据科学研究所） 纠错

AI总结 本文提出四种协同压缩方案，通过利用分布式环境下向量之间的相似性，实现高效通信压缩和降低误差。

Journal ref Transactions on Machine Learning Research 2025

Joint Diffusion for Universal Hand-Object Grasp Generation

联合扩散用于通用手-物体抓取生成

Jinkun Cao, Jingyuan Liu, Kris Kitani, Yi Zhou

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe（Adobe公司） ； Roblox（Roblox公司） 纠错

AI总结 本文提出联合手-物体扩散模型，通过统一潜在表示生成手和物体的抓取，利用大规模物体数据提升通用性，实现无条件和条件抓取生成。

Comments accepted by TMLR