TMLR

Relative Geometry of Neural Forecasters: Linking Accuracy and Alignment in Learned Latent Geometry

神经预报器的相对几何：连接准确性和对齐性在学习潜在几何中的联系

Deniz Kucukahmetler, Maximilian Jean Hemmann, Julian Mosig von Aehrenfeld, Maximilian Amthor, Christian Deubel, Nico Scherf, Diaaeldin Taha

机构 * Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所） ； School of Embedded Composite Artificial Intelligence (SECAI)（嵌入式复合人工智能学院） ； Leipzig University（莱比锡大学） ； Max Planck Institute for Mathematics in the Sciences（马克斯·普朗克数学研究院） 纠错

AI总结 本研究通过相对几何方法探讨神经预报器的对齐与准确性关系，揭示了不同模型家族在表示动态结构上的差异及预测性能的关联。

Comments Accepted to Transactions on Machine Learning Research (TMLR)

Don't Let It Hallucinate: Premise Verification via Retrieval-Augmented Logical Reasoning

不要让它幻觉：通过检索增强的逻辑推理进行前提验证

Yuehan Qin, Shawn Li, Yi Nian, Xinyan Velocity Yu, Yue Zhao, Xuezhe Ma

机构 * University of Southern California（南加州大学） 纠错

AI总结 本文提出一种基于检索增强的逻辑推理方法，用于在生成前验证用户查询中的前提，从而减少幻觉并提高事实准确性。

Comments TMLR 2026