TMLR

A Comparative Study of Label-free Representation Quality Metrics in Deep Learning

深度学习中无标签表示质量度量的对比研究

Daniel Richards Arputharaj, Daniel Jönsson, Gabriel Eilertsen

机构 * Linköping University（林雪平大学） 纠错

AI总结 本研究对比分析深度学习中无标签表示质量度量，按构造分类并建立关联，经合成实验、260种视觉模型及6个数据集验证，发现本征维度（ID）最可靠，且所有度量可靠性受架构类别和训练目标调节，为相关度量的理解与应用提供了清晰依据。

Comments Published in Transactions on Machine Learning Research (TMLR). OpenReview: this https URL (https://openreview.net/forum?id=yknkAksqr1)

Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach

用于原则评估的语义嵌入结构化：一种原型引导的对比学习方法

Che Shen, Junwei Su, Lingpeng Kong, Chuan Wu

机构 * The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文针对通用文本嵌入在任务区分上的不足，提出PGCL方法，通过多流结合的正则化模块生成任务适配表示，在三个代理任务数据集上均优于原始冻结嵌入，明确了方法适用边界并修订了理论分析。

Comments Accepted for publication in Transactions on Machine Learning Research (TMLR). 27 pages

Divisive Normalization Shapes Low-Rank Slow Manifolds for Continuous Working Memory

归一化分裂塑造连续工作记忆的低秩慢流形

Zhaotian Gu, Jie Su, Weiwei Wang, Chang Liu, Tianyi Qian, Dahui Wang

AI总结 本文提出循环归一化分裂网络（RDNN），通过动力学分析和BPTT梯度分析，证明归一化分裂可使网络形成稳健低秩慢流形，防止时变输入下的流形破碎，是学习高保真连续表示的关键机制。

Comments Published in Transactions on Machine Learning Research (08/2026)

Decomposable Neural Symbolic Regression

可分解的神经符号回归

Giorgio Morales, John W. Sheppard

机构 * Gianforte School of Computing（吉安福特计算学院） ； Montana State University（蒙塔纳州立大学） 纠错

AI总结 本文提出一种可解释的神经符号回归方法，利用Transformer、遗传算法和遗传编程生成可解释的多元表达式，通过多集合Transformer生成单变量符号骨架，并通过GA和GP融合优化，实现比其他方法更准确的数学表达。

Comments Published in Transactions on Machine Learning Research (08/2026)