TMLR

Introducing Background Temperature to Characterise Hidden Randomness in Large Language Models

引入背景温度以表征大语言模型中的隐藏随机性

Alberto Messina, Stefano Scotta

机构 * RAI - Radiotelevisione Italiana, Centre for Research, Technological Innovation and Experimentation (CRITS)（意大利广播电视台，研究中心、技术创新与实验中心（CRITS）） 纠错

AI总结 本文引入背景温度概念，探讨大语言模型中隐藏随机性的来源，提出通过有效温度评估实现依赖扰动，并通过实验验证其对可重复性、评估和部署的影响。

Journal ref Transactions on Machine Learning Research (TMLR), February 2026, https://openreview.net/pdf?id=bz0he4bARF

Joint Embedding Variational Bayes

联合嵌入变分贝叶斯

Amin Oji, Paul Fieguth

机构 * University of Waterloo（滑铁卢大学） ； Department of Systems Design Engineering（系统设计工程系） 纠错

AI总结 本文提出变分联合嵌入（VJE），一种无需重建的潜在变量框架，用于表示空间中的非对比自监督学习。通过直接在目标表示上定义条件似然，最大化对称的条件证据下界（ELBO），并利用极坐标分解分离角度一致性和幅度一致性，缓解范数诱导的病态问题。

Journal ref Transactions on Machine Learning Research, April 2026