TMLR

Legal Retrieval for Public Defenders

为公共辩护人设计的法律检索

Dominik Stammbach, Kylie Zhang, Patty Liu, Nimra Nadeem, Inyoung Cheong, Lucia Zheng, Peter Henderson

AI总结 本文提出了一种针对公共辩护人工作的法律检索工具，通过引入领域知识提升检索效果，并发布了一个真实辩护人检索查询的分类学和手动标注的数据集，以改进现实中的法律检索基准。

Comments Forthcoming TMLR

Family Matters: A Systematic Study of Spatial vs. Frequency Masking for Continual Test-Time Adaptation

家庭事务：空间掩码与频率掩码在连续测试时自适应中的系统研究

Chandler Timm C. Doloriel, Yunbei Zhang, Yeonguk Yu, Taki Hasan Rafi, Muhammad salman siddiqui, Tor Kristian Stevik, Fadi Al Machot, Kristian Hovde Liland, Habib Ullah

机构 * Faculty of Science and Technology (REALTEK), Norwegian University of Life Sciences (NMBU)（科学与技术学院（REALTEK）、挪威生命科学大学） ； Tulane University（路易斯安那州立大学） ； Gwangju Institute of Science and Technology（全州科学技术学院） ； Hanyang University（翰阳大学） 纠错

AI总结 通过控制变量实验，系统研究了空间掩码与频率掩码在连续测试时自适应中的效果，发现空间掩码在补丁标记化架构上积累稳定表示，而频率掩码导致灾难性崩溃，且最优掩码家族取决于架构-任务对齐。

Comments Accepted to TMLR 2026, camera-ready at https://openreview.net/forum?id=pBI64qNXHp; code at https://github.com/chandlerbing65nm/m2a.git

Length-MAX Tokenizer for Language Models

用于语言模型的Length-MAX分词器

Dong Dong, Weijie Su

机构 * Dong Dong（董东） ； Weijie Su（苏伟杰） 纠错

AI总结 Length-MAX分词器通过优化平均token长度，提高了语言模型的效率和下游任务性能。

Comments Accepted at Transactions on Machine Learning Research (TMLR). OpenReview: https://openreview.net/forum?id=CRjrpwGD9A