TMLR

One Model for All: Multi-Objective Controllable Language Models

一个模型解决所有问题：多目标可控语言模型

Qiang He, Yucheng Yang, Tianyi Zhou, Meng Fang, Mykola Pechenizkiy, Setareh Maghsudi

机构 * Ruhr University Bochum（波鸿鲁尔大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Liverpool（利物浦大学） 纠错

AI总结 本文提出多目标控制(MOC)，通过引入多目标优化原理训练单个语言模型，使其能根据用户偏好在帕累托前沿生成个性化输出，提升模型可控性、输出质量和泛化能力。

Comments Published in Transactions on Machine Learning Research (03/2026): https://openreview.net/forum?id=qAM5PmvFYY

A Bayesian Approach to Segmentation with Noisy Labels via Spatially Correlated Distributions

通过空间相关分布的贝叶斯方法进行带噪声标签的分割

Ryu Tadokoro, Tsukasa Takagi, Shin-ichi Maeda

机构 * Tohoku University（东北大学） ； Preferred Networks, Inc.（Preferred Networks公司） 纠错

AI总结 本文提出一种基于概率模型的贝叶斯方法，通过空间相关分布处理带噪声标签的分割问题，提升模型性能。

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

BalancedDPO: Adaptive Multi-Metric Alignment

BalancedDPO：适应性多指标对齐

Dipesh Tamboli, Souradip Chakraborty, Aditya Malusare, Biplab Banerjee, Amrit Singh Bedi, Vaneet Aggarwal

机构 * Purdue University（普渡大学） ； University of Maryland（马里兰大学） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） ； University of Central Florida（中佛罗里达大学） 纠错

AI总结 BalancedDPO通过多指标共识和动态参考模型更新，在DPO框架中实现多指标偏好对齐，提升模型在不同评估标准下的稳定性与性能。

Comments Transactions on Machine Learning Research, Apr 2026

Journal ref Transactions on Machine Learning Research, Apr 2026

MissNODAG: Differentiable Cyclic Causal Graph Learning from Incomplete Data

MissNODAG: 从不完整数据中学习可微的循环因果图

Muralikrishnna G. Sethuraman, Razieh Nabi, Faramarz Fekri

AI总结 本文提出MissNODAG，一种可微框架，从不完整数据中学习潜在的循环因果图和缺失机制，通过结合加性噪声模型和期望最大化过程，交替填补缺失值和优化观测数据似然，以揭示循环结构和缺失机制。

Comments To appear in Transactions on Machine Learning Research

Batch Entanglement Detection in Parameterized Qubit States using Classical Bandit Algorithms

使用经典多臂老虎机算法进行参数化量子比特状态的批量纠缠检测

K. Bharati, Vikesh Siddhu, Krishna Jagannathan

机构 * IIT Madras（印度马德拉斯理工学院） ； IBM Research India（IBM印度研究院） 纠错

AI总结 本文提出一种基于经典多臂老虎机算法的批量纠缠检测方法，通过测量单参数纠缠见证者并设置阈值，实现对两量子比特状态集的纠缠识别，展示了其在量子信息处理中的应用。

Comments 29 pages, 8 figures

Journal ref Transactions on Machine Learning Research (2026)

Automated Attention Pattern Discovery at Scale in Large Language Models

在大规模大型语言模型中实现自动化注意力模式发现

Jonathan Katzy, Razvan-Mihai Popescu, Erik Mekkes, Arie van Deursen, Maliheh Izadi

机构 * Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 本文通过分析Java代码数据集中的完成场景，提出了一种在大规模大型语言模型中发现重复行为的方法，展示了注意力模式作为可扩展解释信号的潜力，并引入了AP-MAE模型以高效重建掩码注意力模式。

Comments Accepted to TMLR

Journal ref Transactions on Machine Learning Research 2026

The Paradox of Robustness: Decoupling Rule-Based Logic from Affective Noise in High-Stakes Decision-Making

鲁棒性悖论：在高风险决策中解耦基于规则的逻辑与情感噪声

Jon Chun, Katherine Elkins

机构 * Kenyon College（凯尼恩学院） 纠错

AI总结 研究揭示了大语言模型在高风险决策中对情感噪声的鲁棒性悖论，通过三个领域实验发现模型在逻辑约束下比人类更稳定，但对提示格式敏感。

Comments 47 pages, 14 figures, 23 tables. Substantially revised from v1: added immigration domain extension (14,183 cells), adversarial narrative pilot (2,054 cells), reasoning-trace analysis, scaffolding decomposition. Total: 84,245 valid responses across 13 experiments. Under review at TMLR. Code and data will be released upon publication