TMLR

A Quotient Homology Theory of Representation in Neural Networks

神经网络表示的商同调理论

Kosio Beshkov

机构 * Department of Physics, University of Oslo（奥斯陆大学物理系） 纠错

AI总结 利用ReLU神经网络的分片线性性质，定义输入数据集上的等价关系并构造商空间，证明在凸性条件下神经表示的同调群与商同调群同构，从而无需外部度量即可计算Betti数。

Journal ref Transactions on Machine Learning Research, 05/2026, https://openreview.net/forum?id=RluspxztzS

Self-Supervised Laplace Approximation for Bayesian Uncertainty Quantification

自监督拉普拉斯近似用于贝叶斯不确定性量化

Julian Rodemann, Alexander Marquard, Thomas Augustin, Michele Caprio

机构 * Rational Intelligence Lab, CISPA Helmholtz Center for Information Security Department of Statistics, LMU Munich（理性智能实验室，CISPA海德堡信息安全中心统计学系，慕尼黑大学） ； Department of Statistics, LMU Munich（统计学系，慕尼黑大学） ； Department of Computer Science, The University of Manchester（计算机科学系，曼彻斯特大学） 纠错

AI总结 提出自监督拉普拉斯近似（SSLA），通过重新拟合自预测数据直接近似后验预测分布，实现确定性、无采样的贝叶斯不确定性量化，并在回归任务中优于经典拉普拉斯近似。

Comments Accepted for publication in TMLR (https://openreview.net/forum?id=T8w8L2t3JG), v2: fixed typos and added a deceased-author footnote with a dedication to Thomas Augustin

Journal ref Transactions on Machine Learning Research (TMLR). ISSN 2835-8856 (2026)

Dynamic Mixture of Progressive Parameter-Efficient Expert Library for Lifelong Robot Learning

动态渐进式参数高效专家库混合用于终身机器人学习

Yuheng Lei, Sitong Mao, Shunbo Zhou, Hongyuan Zhang, Xuelong Li, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Huawei Cloud Computing Technologies（华为云计算技术） ； Ola Dimensions ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心） 纠错

AI总结 针对终身学习中任务标识不可用和知识隔离问题，提出动态渐进式参数高效专家库混合（DMPEL），通过构建低秩专家库和轻量路由器实现灵活的前向迁移，并引入专家系数回放缓解遗忘，在LIBERO基准上以最少可训练参数和存储超越现有方法。

Comments Accepted to Transactions on Machine Learning Research (TMLR) at https://openreview.net/forum?id=MHVBrjS8cG . Code is available at https://github.com/HarryLui98/DMPEL

Gaga: Group Any Gaussians via 3D-aware Memory Bank

Gaga: 通过3D感知记忆库分组任意高斯体

Weijie Lyu, Xueting Li, Abhijit Kundu, Yi-Hsuan Tsai, Ming-Hsuan Yang

机构 * University of California, Merced（加州大学默塞德分校） ； NVIDIA Research（英伟达研究） ； Google DeepMind（谷歌DeepMind） ； Atmanity Inc.（Atmanity公司） 纠错

AI总结 提出Gaga框架，利用零样本类别无关分割模型预测的不一致2D掩码，通过3D感知记忆库关联不同视角下的物体掩码，实现开放世界3D场景的重建与分割。

Comments TMLR Camera-Ready Version. Project Page: https://weijielyu.github.io/Gaga