TMLR

Higher Resolution, Better Generalization: Unlocking Visual Scaling in Deep Reinforcement Learning

更高分辨率、更好泛化：在深度强化学习中解锁视觉扩展

Raphael Trumpp, Ömer Veysel Çağatan, Barış Akgün, Marco Caccamo

机构 * TUM School of Engineering and Design（技术大学慕尼黑工程与设计学院） ； Technical University of Munich（技术大学慕尼黑） ； KUIS AI Center（KUIS人工智能中心） ； Koç University（科克大学） ； Department of Computer Engineering（计算机工程系） 纠错

AI总结 本文研究了深度强化学习中高分辨率观察对性能和泛化能力的影响，提出通过改进网络架构实现视觉扩展，实验证明Impoola在高分辨率下比Impala性能提升28%。

Comments Transactions on Machine Learning Research

Exploiting Completeness Perception with Diffusion Transformer for Unified 3D MRI Synthesis

利用扩散变换器的完整性感知实现统一的3D MRI合成

Junkai Liu, Nay Aung, Theodoros N. Arvanitis, Joao A. C. Lima, Steffen E. Petersen, Le Zhang

机构 * School of Engineering, University of Birmingham, UK（伯明翰大学工程学院） ； William Harvey Research Institute, Queen Mary University London, UK（女王玛丽大学伦敦威廉·哈里维研究所） ； Barts Heart Centre, St Bartholomew’s Hospital, Barts Health NHS Trust, UK（巴特勒心脏中心，圣巴塞洛缪医院，巴特勒健康 NHS信托） ； Division of Cardiology, Johns Hopkins University School of Medicine, US（约翰霍普金斯大学医学院心脏病科） 纠错

AI总结 本文提出CoPeDiT模型，通过完整性感知机制提升3D MRI合成的语义一致性与鲁棒性。

Comments Accepted to TMLR

TS-Reasoner: Aligning Time Series Foundation Models with LLM Reasoning

TS-Reasoner：将时间序列基础模型与大语言模型推理能力对齐

Fangxu Yu, Hongyu Zhao, Tianyi Zhou

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

AI总结 TS-Reasoner通过两阶段训练将时间序列基础模型与大语言模型对齐，在多个基准上性能优于同类模型且数据效率更高，解决了时间序列模型推理能力不足的问题。

Comments Accepted to Transactions on Machine Learning Research, 2026