TMLR

White-Box Sensitivity Auditing with Steering Vectors

白盒敏感性审计与引导向量

Hannah Cyberey, Yangfeng Ji, David Evans

机构 * University of Virginia（弗吉尼亚大学） 纠错

AI总结 本文提出白盒敏感性审计框架，通过激活引导进行更严格的模型内部评估，用于检测大语言模型中的偏见，揭示模型对保护属性的依赖。

Comments Accepted to Transactions on Machine Learning Research (TMLR)

Can VLMs Reason Robustly? A Neuro-Symbolic Investigation

VLM能稳健推理吗？一项神经符号研究

Weixin Chen, Antonio Vergari, Han Zhao

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 研究视觉语言模型在分布偏移下的推理稳健性，提出结合VLM概念识别与电路符号推理的神经符号方法VLC，在三个视觉演绎推理任务上实现更高的分布外准确率。

Comments TMLR 2026

Rethinking On-policy Optimization for Query Augmentation

重新思考查询增强的在线策略优化

Zhichao Xu, Shengyao Zhuang, Xueguang Ma, Bingsen Chen, Yijun Tian, Fengran Mo, Tao Li, Jie Cao, Vivek Srikumar

机构 * University of Utah（犹他大学） ； The University of Queensland（昆士兰大学） ； University of Waterloo（滑铁卢大学） ； New York University（纽约大学） ； University of Notre Dame（圣母大学） ； Université de Montréal（蒙特利尔大学） ； Google DeepMind（谷歌DeepMind） ； University of Oklahoma（俄克拉荷马大学） 纠错

AI总结 本文系统比较了基于提示和强化学习的查询增强方法，发现计算量感知下简单方法常优于RL方法，并提出混合方法OPQE，通过RL生成伪文档以最大化检索性能。

Comments TMLR camera ready version

Enhancing Graph Representations with Neighborhood-Contextualized Message-Passing

增强图表示：邻域上下文化的消息传递

Brian Godwin Lim, Galvin Brice Lim, Renzo Roel Tan, Irwin King, Kazushi Ikeda

机构 * Nara Institute of Science and Technology（奈良先端科学技术大学院大学） ； Kyoto University（京都大学） ； Ateneo de Manila University（马尼拉雅典耀大学） ； UNI-President Information Philippines Corporation（统一信息菲律宾公司） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 提出邻域上下文化消息传递（NCMP）框架，通过整合多集邻域上下文增强GNN表达能力，并实例化为SINC-GCN，在保持高效的同时显著提升性能。

Comments Published in Transactions on Machine Learning Research

Journal ref Transactions on Machine Learning Research. (2026)