TMLR

A quantitative analysis of semantic information in deep representations of text and images

深度文本和图像表示中语义信息的定量分析

Santiago Acevedo, Andrea Mascaretti, Riccardo Rende, Matéo Mahaut, Marco Baroni, Alessandro Laio

机构 * Scuola Internazionale Superiore di Studi Avanzati (SISSA)（国际先进研究科学研究所（SISSA）） ； Universitat Pompeu Fabra (UPF)（庞培法拉大学（UPF）） ； Catalan Institute of Research and Advanced Studies (ICREA)（加泰罗尼亚研究与高级科学研究所（ICREA）） 纠错

AI总结 本文通过信息不平衡度分析，发现语义信息在深度模型中分布广泛，且在特定网络层具有最强的预测能力，同时揭示了语言和模型规模对表示预测性的影响。

Comments Published as a journal article at Transactions of Machine Learning Research (TMLR)

Journal ref TMLR 2026: https://openreview.net/forum?id=sBnaFSIuGR

Nested Slice Sampling: Vectorized Nested Sampling for GPU-Accelerated Inference

嵌套切片采样：适用于GPU加速推断的向量化嵌套采样

David Yallup, Namu Kroupa, Will Handley

机构 * Kavli Institute for Cosmology Cambridge（剑桥卡维利宇宙研究所） ； Institute of Astronomy, University of Cambridge（剑桥大学天文研究所） ； Cavendish Laboratory and Department of Engineering, University of Cambridge（剑桥大学卡文迪许实验室和工程系） 纠错

AI总结 本文提出嵌套切片采样，一种适用于GPU的向量化嵌套采样方法，通过Hit-and-Run切片采样实现约束更新，提升高维问题的计算效率和稳定性，实验表明其在复杂多模态问题中表现优异。

Comments 58 pages, 13 figures, Accepted to Transactions on Machine Learning Research

Journal ref Transactions on Machine Learning Research, 2026

Deep Generative Spatiotemporal Engression for Probabilistic Forecasting of Epidemics

用于流行病概率预测的深度生成时空回归

Rajdeep Pathak, Tanujit Chakraborty

机构 * Safir, Sorbonne University Abu Dhabi, United Arab Emirates（萨菲尔，索邦大学阿布扎赫德分校，阿联酋） ； SCAI, Sorbonne Université, Paris, France（SCAI，索邦大学巴黎分校，法国） 纠错

AI总结 针对复杂时空依赖的流行病预测难题，提出深度时空回归法，通过轻量级生成架构内量化不确定性，经采样生成概率预测，在多数据集表现优，还探索了可解释性以助公共卫生干预。

Comments Published by TMLR. Code is available at \url{https://github.com/PyCoder913/stengression}, and the \href{https://pypi.org/project/stengression/}{\texttt{stengression}} Python package offers an end-to-end implementation of our proposed approaches

Journal ref Transactions on Machine Learning Research, 2026. URL: https://openreview.net/pdf?id=7AfAztCd5A

LAW & ORDER: Adaptive Spatial Weighting for Medical Diffusion and Segmentation

法律与秩序：医学扩散与分割的自适应空间加权

Anugunj Naman, Ayushman Singh, Gaibo Zhang, Yaguang Zhang

机构 * Elmore Family School of Electrical and Computer Engineering（埃尔莫尔电气与计算机工程学院） ； Purdue University（普渡大学） ； Sesame AI ； Department of Computer Science（计算机科学系） ； Department of Agricultural and Biological Engineering (ABE)（农业与生物工程系） ； Department of Agricultural Sciences Education and Communication (ASEC)（农业科学教育与交流系） 纠错

AI总结 研究医学图像分析中自适应空间加权，通过两个适配器实现。LAW为掩码条件扩散学习像素损失权重，ORDER通过选择性双向跳跃注意力改进分割，在多个数据集上取得良好效果，证明该方法对医学扩散和分割的有效性。

Comments Accepted at TMLR

Neural Logic Networks for Interpretable Classification

神经逻辑网络用于可解释分类

Vincent Perreault, Katsumi Inoue, Richard Labib, Alain Hertz

机构 * National Institute of Informatics, Tokyo（东京国立信息学研究所） 纠错

AI总结 本文提出神经逻辑网络，通过AND/OR操作实现可解释分类，引入NOT操作和偏置以考虑未观测数据，提出新的IF-THEN规则结构和改进的学习算法，提升布尔网络发现性能并在医疗工业领域实现可解释规则学习。

Comments 26 pages, 8 figures, code available at https://github.com/VincentPerreault0/NeuralLogicNetworks

Journal ref TMLR, June 2026

Re:Form -- Reducing Human Annotations in Scalable Formal Software Verification with RL in LLMs: A Preliminary Study on Dafny

Re:Form——利用大语言模型中的强化学习减少可扩展形式化软件验证中的人工标注：关于Dafny的初步研究

Chuanhao Yan, Fengdi Che, Xuhan Huang, Xu Xu, Xin Li, Yizhi Li, Xingwei Qu, Jingzhe Shi, Chenghua Lin, Yaodong Yang, Binhang Yuan, Hang Zhao, Yu Qiao, Bowen Zhou, Jie Fu

机构 * Shanghai AI Lab（上海人工智能实验室） ； University of Alberta（阿尔伯塔大学） ； Tsinghua University（清华大学） ； Chinese University of Hong Kong, Shenzhen（香港大学（深圳）） ； Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； University of Manchester（曼彻斯特大学） ； Peking University（北京大学） 纠错

AI总结 研究利用形式语言Dafny减少人工标注，核心方法是引入自动可扩展数据处理流程及结合形式语言验证器反馈的强化学习设计，主要贡献是提升模型在DafnyComp基准测试表现。

Comments Published in Transactions on Machine Learning Research (TMLR), 05/2026. Reviewed on OpenReview: https://openreview.net/forum?id=cAQmIS4GOe

CoDoL: Conditional Domain Prompt Learning for Out-of-Distribution Generalization

CoDoL：用于分布外泛化的条件域提示学习

Min Zhang, Yuyin Wang, Zhongxiang Dai, Zhikang Chen, Jie Zhou, Miao Liu, Sen Cui

机构 * East China Normal University（东华师范大学） ； Xidian University（西安电子科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Oxford（牛津大学） ； Tsinghua University（清华大学） 纠错

AI总结 针对基于提示的CLIP方法存在的文本描述不准确、视觉语言嵌入对齐有限问题，提出CoDoL方法，利用域信息形成提示，还提出DMN生成输入条件令牌，实验验证其在分布外泛化的有效性。

Comments Accepted to TMLR 2026

Local MDI+: Local Feature Importances for Tree-Based Models

Local MDI+: 基于树的模型的局部特征重要性

Zhongyuan Liang, Zachary T. Rewolinski, Abhineet Agarwal, Tiffany M. Tang, Bin Yu

机构 * Department of Computational Precision Health（计算精准健康系） ； UC Berkeley（伯克利大学） ； UCSF（旧金山分校） ； Department of Statistics（统计系） ； Department of Applied and Computational Mathematics and Statistics（应用与计算数学和统计系） ； University of Notre Dame（诺特大学） ； Department of Statistics and EECS（统计系和电子工程与计算机科学系） 纠错

AI总结 提出Local MDI+ (LMDI+)方法，通过扩展MDI+框架到局部特征重要性，在12个基准数据集上平均提升10%的预测性能，并展现出更高的稳定性和可解释性。

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

Replicability is Asymptotically Free in Multi-armed Bandits

多臂老虎机中可重复性渐近无代价

Junpei Komiyama, Shinji Ito, Yuichi Yoshida, Souta Koshino

机构 * New York University（纽约大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； RIKEN AIP（理化学研究所人工智能研究中心） ； The University of Tokyo（东京大学） ； National Institute of Informatics（信息处理研究所） 纠错

AI总结 研究可重复随机多臂老虎机算法，通过特定方法，在时间范围足够大时，使算法行动序列不受数据集中随机性影响，且探索代价更小，还给出限制不可重复性概率的方法及双臂问题下界。

Comments Updated based on the TMLR camera-ready version. https://openreview.net/forum?id=E8rmbq8BYP

VLMGuard: Bootstrapping Malicious Prompt Detectors from Unlabeled Vision-Language Prompts in the Wild

VLMGuard：从野生未标记视觉语言提示中引导恶意提示检测器

Junlin Fang, Wenyu Chen, Reshmi Ghosh, Robert Sim, Ahmed Salem, Vitor R. Carvalho, Emily Lawton, Sharon Li, Jack W. Stokes, Sean Du

机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） ； School of Physical and Mathematical Sciences（物理与数学科学学院） ； Microsoft Corp.（微软公司） ； Department of Computer Sciences（计算机科学系） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 研究针对视觉语言模型易受恶意输入影响的问题，提出VLMGuard框架，利用野生未标记用户提示，通过自动恶意估计分数区分良性和恶意样本，训练二进制提示分类器，无需额外人工标注，效果优于现有方法。

Comments Accepted to Transactions on Machine Learning Research (07/2026)

Graph Unitary Message Passing

图酉消息传递

Haiquan Qiu, Quanming Yao

机构 * Department of Electrical Engineering, Tsinghua University（清华大学电子工程系） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） ； State Key laboratory of Space Network and Communications（空间网络与通信国家重点实验室） 纠错

AI总结 针对图神经网络中不稳定问题，提出图酉消息传递框架，通过在变换图上用酉传播算子避免指数衰减，结合图变换和酉投影程序，经理论分析表明其能保持深度稳定，实验取得较好性能。

Comments TMLR

TERC: A Transfer Entropy Redundancy Criterion for State Variable Selection in Reinforcement Learning

TERC：一种用于强化学习状态变量选择的转移熵冗余准则

Charles Westphal, Stephen Hailes, Mirco Musolesi

机构 * UCL Centre for Artificial Intelligence（伦敦大学学院人工智能中心） 纠错

AI总结 本文提出TERC准则，用于选择强化学习中的最优状态变量，通过信息理论方法排除冗余变量，提升推理效率，适用于多种算法和环境。

Comments 47 pages, 12 figures, accepted in TMLR (https://openreview.net/forum?id=J0ad21E0vX)