TMLR

GriDiT: Factorized Grid-Based Diffusion for Efficient Long Image Sequence Generation

GriDiT: 基于网格的因子化扩散用于高效长图像序列生成

Snehal Singh Tomar, Alexandros Graikos, Arjun Krishna, Dimitris Samaras, Klaus Mueller

机构 * Department of Computer Science Stony Brook University（计算机科学系石溪大学） 纠错

AI总结 本文提出GriDiT方法，通过因子化生成长图像序列，先生成低分辨率粗序列再高分辨率细化，利用Diffusion Transformer的自注意力机制提升生成质量与效率。

Comments Transactions on ML Research (TMLR) 2026

Fourier Learning Machines: Nonharmonic Fourier-Based Neural Networks for Scientific Machine Learning

傅里叶学习机：非谐波傅里叶基的神经网络用于科学机器学习

Mominul Rubel, Adam Meyers, Gabriel Nicolosi

机构 * Department of Engineering Management and Systems Engineering（工程管理与系统工程系） ； Missouri University of Science and Technology（密苏里科技大学） ； Department of Industrial and Systems Engineering（工业与系统工程系） ； University of Miami（迈阿密大学） 纠错

AI总结 本文提出傅里叶学习机，通过简单的前馈结构和余弦激活函数学习多维非谐波傅里叶级数的频率、振幅和相位，为科学机器学习提供可适应周期和非周期函数的谱基。

Comments Please cite the peer-reviewed, published version available on Transactions on Machine Learning Research at https://openreview.net/forum?id=LPKt5vd7yz

Journal ref Transactions on Machine Learning Research, December 2025

LLM-Based World Models Can Make Decisions Solely, But Rigorous Evaluations are Needed

基于LLM的世界模型可以独立做出决策，但需要严谨的评估

Chang Yang, Xinrun Wang, Junzhe Jiang, Qinggang Zhang, Xiao Huang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Singapore Management University（新加坡国立大学） 纠错

AI总结 本文从决策视角出发，对基于LLM的世界模型进行综合评估，设计了政策验证、行动提案和政策规划三项任务，评估了GPT-4o和GPT-4o-mini在不同环境中的表现，发现LLM世界模型在长期决策任务中性能下降，且不同功能组合会引入额外的不稳定性。

Comments Accepted to TMLR

Inverse classification with logistic and softmax classifiers: efficient optimization

逆分类与逻辑回归和softmax分类器：高效的优化

Miguel Á. Carreira-Perpiñán, Suryabhan Singh Hada

机构 * Dept. of Computer Science & Engineering, University of California, Merced（计算机科学与工程系，加州大学默塞德分校） 纠错

AI总结 研究针对逆分类问题，提出利用平方欧几里得距离高效优化逻辑回归和softmax分类器，实现快速精确的分类逆向查询。

Comments Appears in Transactions on Machine Learning Research, March 2026