TMLR

Scaling Gaussian Process Regression with Full Derivative Observations

基于完整导数观测的高斯过程回归扩展

Daniel Huang

机构 * Base26 纠错

AI总结 DSoftKI通过局部温度向量改进插值方案，实现可扩展的高斯过程回归，支持一阶和二阶导数的近似，适用于高维分子力场预测。

Comments 13 pages, Published in TMLR

Decoding Generalization from Memorization in Deep Neural Networks

从记忆中解码泛化能力在深度神经网络中的表现

Simran Ketha, Venkatakrishnan Ramaswamy

机构 * Birla Institute of Technology & Science Pilani（比拉理工学院与科学学院） 纠错

AI总结 本文通过实验证明深度神经网络中存在对真实标签泛化能力的解码机制，揭示了记忆化与泛化能力之间的关系。

Journal ref Transactions on Machine Learning Research, 2026

SocialFusion: Addressing Social Degradation in Pre-trained Vision-Language Models

SocialFusion: 解决预训练视觉-语言模型中的社会退化问题

Hamza Tahboub, Weiyan Shi, Gang Hua, Huaizu Jiang

机构 * Northeastern University（东北大学） ； Amazon.com, Inc.（亚马逊公司） 纠错

AI总结 SocialFusion通过统一框架解决预训练视觉-语言模型中的社会退化问题，实现跨社会任务的正迁移并提升整体性能。

Comments 22 pages, 10 figures. Published in Transactions on Machine Learning Research (TMLR)

Journal ref Transactions on Machine Learning Research, 2026

Intra-Cluster Mixup: An Effective Data Augmentation Technique for Complementary-Label Learning

簇内混合：一种用于互补标签学习的有效数据增强技术

Tan-Ha Mai, Hsuan-Tien Lin

AI总结 本文提出簇内混合技术，通过改进数据增强方法提升互补标签学习的性能，实验证明在MNIST和CIFAR数据集上准确率分别提高30%和10%。

Comments 26 pages, 15 figures, accepted on Transactions on Machine Learning Research

Journal ref Transactions on Machine Learning Research, 2026

End-to-End Conformal Calibration for Optimization Under Uncertainty

端到端的符合校准用于不确定性下的优化

Christopher Yeh, Nicolas Christianson, Alan Wu, Adam Wierman, Yisong Yue

机构 * Department of Computing and Mathematical Sciences（计算与数学科学部） ； California Institute of Technology（加州理工学院） 纠错

AI总结 本文提出端到端符合校准框架，用于在不确定性下优化，通过下游决策损失指导不确定性学习，提升能源存储和投资组合优化性能。

Comments 29 pages, 8 figures

Journal ref Transactions on Machine Learning Research, December 2025

Retrospective Feature Estimation for Continual Learning

回顾性特征估计用于持续学习

Nghia D. Nguyen, Hieu Trung Nguyen, Ang Li, Hoang Pham, Viet Anh Nguyen, Khoa D. Doan

机构 * VinUni-Illinois Smart Health Center（VinUni-伊利诺伊州立健康中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Chinese University of Hong Kong（香港中文大学） ； Simular Research（Simular研究公司） ； University of Warwick（沃里克大学） 纠错

AI总结 本文提出回顾性特征估计方法，通过逆转特征变化来缓解持续学习中的灾难性遗忘问题。

Comments Published in Transactions on Machine Learning Research with Featured Certification

On the Importance of Pretraining Data Alignment for Atomic Property Prediction

关于预训练数据对齐在原子性质预测中的重要性

Yasir Ghunaim, Hasan Abed Al Kader Hammoud, Bernard Ghanem

机构 * King Abdullah University of Science and Technology (KAUST)（国王阿卜杜勒-阿齐兹大学科学与技术学院） 纠错

AI总结 本文发现，通过精心选择的任务对齐数据集预训练，可提升原子性质预测的性能，且比大规模混合数据集预训练更有效。

Comments Published in Transactions on Machine Learning Research (TMLR), 2026

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