TMLR

Tree Ensembles for Contextual Bandits

基于树集成的上下文老虎机

Hannes Nilsson, Rikard Johansson, Niklas Åkerblom, Morteza Haghir Chehreghani

机构 * Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学和哥德堡大学） ； Volvo Car Corporation（沃尔沃汽车公司） 纠错

AI总结 本文提出基于树集成的上下文老虎机框架，通过改进不确定性估计方法，在减少遗憾和提升计算效率方面优于传统方法。

Comments The first two authors contributed equally to this work

Journal ref Transactions on Machine Learning Research (TMLR), 2024, https://openreview.net/forum?id=59DCkSGw8S, GitHub: https://github.com/HannesNilsson/tree_ensemble_bandits

Privacy Risks and Preservation Methods in Explainable Artificial Intelligence: A Scoping Review

可解释人工智能中的隐私风险与保护方法：一项综述

Sonal Allana, Mohan Kankanhalli, Rozita Dara

AI总结 本文通过综述现有文献，探讨了可解释人工智能中隐私风险与保护方法，分析了隐私与可解释性之间的冲突及平衡策略。

Comments Published in Transactions on Machine Learning Research: https://openreview.net/forum?id=q9nykJfzku

Journal ref Transactions on Machine Learning Research, 10/2025, ISSN=2835-8856

SETS: Leveraging Self-Verification and Self-Correction for Improved Test-Time Scaling

SETS：利用自我验证和自我校正以提高测试时间扩展

Jiefeng Chen, Jie Ren, Xinyun Chen, Chengrun Yang, Ruoxi Sun, Jinsung Yoon, Sercan Ö Arık

机构 * Google Cloud AI Research（谷歌云人工智能研究） 纠错

AI总结 SETS通过结合并行与顺序技术，利用LLMs的自我改进能力，在无需模型训练的情况下提升测试时间扩展性能。

Comments Published in Transactions on Machine Learning Research (11/2025)

Sparse Multiple Kernel Learning: Alternating Best Response and Semidefinite Relaxations

稀疏多核学习：交替最佳响应与半正定松弛

Dimitris Bertsimas, Caio de Prospero Iglesias, Nicholas A. G. Johnson

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出了一种稀疏多核学习方法，通过交替最佳响应算法和半正定松弛，实现高效且精确的核选择与优化。

Comments Transactions on Machine Learning Research (2025)

Heterophily-informed Message Passing

异质性引导的消息传递

Haishan Wang, Arno Solin, Vikas Garg

AI总结 本研究提出一种基于异质性的消息传递方法，通过调节消息聚合以保留信息的低频和高频成分，提升图神经网络在分类和分子生成任务中的性能。

Comments Appearing in Transactions on Machine Learning Research (TMLR) 2025

Journal ref Transactions on Machine Learning Research (2025)

Pre-trained Language Models Improve the Few-shot Prompt Ability of Decision Transformer

预训练语言模型提升决策变换器的少样本提示能力

Yu Yang, Pan Xu

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Duke University（杜克大学） ； Department of Biostatistics and Bioinformatics（生物统计学与生物信息学系） ； Department of Computer Science（计算机科学系） 纠错

AI总结 预训练语言模型提升决策变换器的少样本提示能力，通过初始化和提示正则化增强RL任务区分能力。

Comments 2 figures, 10 tables. Published in Transactions on Machine Learning Research (TMLR)

Journal ref Transactions on Machine Learning Research, 2025

Training Dynamics of Learning 3D-Rotational Equivariance

学习3D旋转等价性动力学

Max W. Shen, Ewa Nowara, Michael Maser, Kyunghyun Cho

机构 * Genentech Computational Sciences（基因泰克计算科学） 纠错

AI总结 本文研究了学习3D旋转等价性的动力学，发现其损失景观更平滑且更容易优化，从而在训练早期即可显著降低等价性误差。

Comments Accepted to Transactions on Machine Learning Research (TMLR)

kNNSampler: Stochastic Imputations for Recovering Missing Value Distributions

kNNSampler: 通过随机采样恢复缺失值分布的随机填补方法

Parastoo Pashmchi, Jérôme Benoit, Motonobu Kanagawa

机构 * SAP Labs France（SAP法国实验室） ； EURECOM 纠错

AI总结 kNNSampler通过随机采样最相似单元的观测响应来填补缺失值，能够估计缺失值的条件分布并用于多重填补。

Comments Published in Transactions on Machine Learning Research (TMLR). Reviewed on OpenReview: https://openreview.net/forum?id=4CDnIACCQG

Script: Graph-Structured and Query-Conditioned Semantic Token Pruning for Multimodal Large Language Models

脚本：图结构和查询条件的语义令牌修剪用于多模态大语言模型

Zhongyu Yang, Dannong Xu, Wei Pang, Yingfang Yuan

机构 * BCML, Heriot-Watt University（赫瑞瓦德大学BCML中心） 纠错

AI总结 Script通过图结构和查询条件的语义令牌修剪，提升多模态大语言模型的效率和准确性，实现显著的性能提升。

Comments Published in Transactions on Machine Learning Research, Project in https://01yzzyu.github.io/script.github.io/

Pushing the Limits of Sparsity: A Bag of Tricks for Extreme Pruning

推动稀疏性的极限：用于极端剪枝的技巧集合

Andy Li, Aiden Durrant, Milan Markovic, Tianjin Huang, Souvik Kundu, Tianlong Chen, Lu Yin, Georgios Leontidis

机构 * Department of Computing Science University of Aberdeen, UK（计算科学系阿伯丁大学，英国） ； Department of Computing Science & Interdisciplinary Institute University of Aberdeen, UK（计算科学系与跨学科研究所阿伯丁大学，英国） ； Department of Computer Science University of Exeter, UK（计算机科学系埃克塞特大学，英国） ； Intel Labs, USA（英特尔实验室，美国） ； Department of Computer Science University of North Carolina at Chapel Hill, US（计算机科学系北卡罗来纳大学教堂山分校，美国） ； School of Computer Science and Electronic Engineering University of Surrey, UK（计算机科学与电子工程学院 Surrey大学，英国） 纠错

AI总结 本文提出EAST方法，通过动态ReLU相位、权重共享和循环稀疏性技术，在极端稀疏性下实现稳定训练和性能提升。

Comments V4: moderate revisions and overall improvements for journal camera ready submission

Journal ref TMLR 11/2025 (https://openreview.net/pdf?id=XX9JdOJD8R)

Melody or Machine: Detecting Synthetic Music with Dual-Stream Contrastive Learning

旋律或机器：基于双流对比学习的合成音乐检测

Arnesh Batra, Dev Sharma, Krish Thukral, Ruhani Bhatia, Naman Batra, Aditya Gautam

机构 * Indraprastha Institute of Information Technology Delhi (IIIT-Delhi)（印度理工学院德里分校） ； Manipal University Jaipur（曼海姆大学斋普尔） ； Netaji Subhas University of Technology (NSUT)（尼赫鲁大学技术学院） 纠错

AI总结 本文提出MoM基准和CLAM架构，通过双流对比学习检测合成音乐，实现高精度的合成音乐识别

Comments Accepted at Transactions on Machine Learning Research (TMLR)

LCEN: A Nonlinear, Interpretable Feature Selection and Machine Learning Algorithm

LCEN：一种非线性、可解释的特征选择和机器学习算法

Pedro Seber, Richard D. Braatz

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 LCEN算法通过非线性、可解释的方法在特征选择和机器学习中实现高精度和高效性，优于多种现有方法。

Comments Accepted to TMLR: https://openreview.net/forum?id=wmNucISPdl

Journal ref Transactions on Machine Learning Research, 2025, [Online]. Available: https://openreview.net/forum?id=wmNucISPdl

Estimating the Event-Related Potential from Few EEG Trials

从少量EEG试验中估计事件相关电位

Anders Vestergaard Nørskov, Kasper Jørgensen, Alexander Neergaard Zahid, Morten Mørup

机构 * Department of Applied Mathematics and Computer Science, Technical University of Denmark（应用数学与计算机科学系，丹麦技术大学） 纠错

AI总结 EEG2ERP通过不确定性意识自动编码器，从少量EEG试验中高效估计ERP，提升ERP研究的试验效率。

Comments Accepted by Transactions on Machine Learning Research (TMLR). 15 pages main manuscript, 30 pages total including supplementary material

Journal ref Transactions on Machine Learning Research, 2025

SCNode: Spatial and Contextual Coordinates for Graph Representation Learning

SCNode: 图表示学习中的空间与上下文坐标

Md Joshem Uddin, Astrit Tola, Varin Sikand, Cuneyt Gurcan Akcora, Baris Coskunuzer

机构 * Department of Mathematical Science（数学科学系） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Department of Mathematics（数学系） ； Florida State University（佛罗里达州立大学） ； Department of Computer Science（计算机科学系） ； AI Initiative（人工智能计划） ； University of Central Florida（中央佛罗里达大学） 纠错

AI总结 SCNode通过整合空间与上下文信息，提升图表示学习在同质和异质图中的性能，展现更强的鲁棒性和适应性。

Comments 24 pages, 5 figures

Journal ref TMLR 2025

PROXI: Challenging the GNNs for Link Prediction

PROXI：挑战图神经网络的链接预测

Astrit Tola, Jack Myrick, Baris Coskunuzer

机构 * Astrit Tola（独立研究者） ； Jack Myrick（独立研究者） ； Baris Coskunuzer（独立研究者） 纠错

AI总结 PROXI通过利用节点对在图和属性空间中的接近性信息，在链接预测任务中超越了传统GNN模型。

Journal ref TMLR 2025

nnActive: A Framework for Evaluation of Active Learning in 3D Biomedical Segmentation

nnActive: 一种用于评估3D生物医学分割中主动学习的框架

Carsten T. Lüth, Jeremias Traub, Kim-Celine Kahl, Till J. Bungert, Lukas Klein, Lars Krämer, Paul F. Jaeger, Fabian Isensee, Klaus Maier-Hein

机构 * German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing（德国癌症研究中心（DKFZ）海德堡，医学影像计算部门） ； Helmholtz Imaging, German Cancer Research Center (DKFZ), Heidelberg, Germany（海德堡影像学，德国癌症研究中心（DKFZ），海德堡，德国） ； Faculty of Mathematics and Computer Science, University of Heidelberg, Germany（海德堡大学数学与计算机科学学院，德国） ； German Cancer Research Center (DKFZ) Heidelberg, Division of Intelligent Medical Systems（德国癌症研究中心（DKFZ）海德堡，智能医学系统部门） ； Institute for Machine Learning, ETH Zürich, Switzerland（苏黎世联邦理工学院机器学习研究所，瑞士） ； German Cancer Research Center (DKFZ) Heidelberg, Interactive Machine Learning Group（德国癌症研究中心（DKFZ）海德堡，交互式机器学习小组） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital, Germany（放射肿瘤学系模式分析与学习小组，海德堡大学医院，德国） ； National Center for Tumor Diseases (NCT) Heidelberg, Germany（海德堡肿瘤疾病国家中心（NCT），德国） 纠错

AI总结 nnActive提出一种开源框架，通过大规模研究和改进的随机采样策略，评估3D生物医学分割中主动学习的性能与效率。

Comments Accepted at TMLR

Minimax Multi-Target Conformal Prediction with Applications to Imaging Inverse Problems

最小最大多目标符合预测及其在成像反问题中的应用

Jeffrey Wen, Rizwan Ahmad, Philip Schniter

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； The Ohio State University（俄亥俄州立大学） ； Department of Biomedical Engineering（生物医学工程系） 纠错

AI总结 本文提出了一种渐近最小最大方法用于多目标符合预测，应用于多指标盲图像质量评估、多任务不确定性量化和多轮测量获取，通过合成和MRI数据验证了其有效性。

Journal ref Transactions on Machine Learning Research, 11/2025. https://openreview.net/forum?id=53FEYwDQK0

The inexact power augmented Lagrangian method for constrained nonconvex optimization

不精确的幂增广拉格朗日方法用于约束非凸优化

Alexander Bodard, Konstantinos Oikonomidis, Emanuel Laude, Panagiotis Patrinos

AI总结 本文提出了一种不精确的幂增广拉格朗日方法，用于解决约束非凸优化问题，通过调整增广项的幂次来优化收敛性能。

Comments Accepted for publication in Transactions on Machine Learning Research

Exploring Weak-to-Strong Generalization for CLIP-based Classification

探索基于CLIP的分类中的弱到强泛化

Jinhao Li, Sarah M. Erfani, Lei Feng, James Bailey, Feng Liu

机构 * School of Computing and Information Systems University of Melbourne, Australia（墨尔本大学计算机与信息系统学院） ； School of Computing and Information Systems University of Melbournem, Australia（墨尔本大学计算机与信息系统学院） ； School of Computer Science and Engineering Southeast University, China（东南大学计算机科学与工程学院） 纠错

AI总结 本文提出类别原型学习方法，通过弱监督提升CLIP模型分类性能，实验显示在预训练受限情况下取得显著改进。

Comments TMLR

Frame-wise Conditioning Adaptation for Fine-Tuning Diffusion Models in Text-to-Video Prediction

基于帧级条件的微调扩散模型用于文本到视频预测

Zheyuan Liu, Junyan Wang, Zicheng Duan, Cristian Rodriguez-Opazo, Anton van den Hengel

AI总结 本文提出帧级条件适应方法，通过引入帧级文本嵌入提升文本到视频预测的连续性与生成质量。

Comments Accepted by TMLR, 11/2025. 29 pages, 15 figures

RIZE: Adaptive Regularization for Imitation Learning

RIZE：用于模仿学习的自适应正则化

Adib Karimi, Mohammad Mehdi Ebadzadeh

机构 * Amirkabir University of Technology（阿米尔卡比尔理工大学） 纠错

AI总结 RIZE提出了一种基于最大熵IRL框架的自适应正则化方法，通过动态目标正则化和分布式强化学习提升模仿学习的鲁棒性和性能。

Comments Camera-ready version. Published in Transactions on Machine Learning Research (2025). Official version: https://openreview.net/forum?id=a6DWqXJZCZ

Journal ref Transactions on Machine Learning Research (11/2025)

Preserving Expert-Level Privacy in Offline Reinforcement Learning

在离线强化学习中保护专家级隐私

Navodita Sharma, Vishnu Vinod, Abhradeep Thakurta, Alekh Agarwal, Borja Balle, Christoph Dann, Aravindan Raghuveer

机构 * Google DeepMind（谷歌DeepMind） ； CeRAI, IIT Madras（CeRAI，IIT马德拉斯） ； Google Research（谷歌研究） 纠错

AI总结 本文提出了一种基于共识的专家级差分隐私离线强化学习方法，通过在经典RL环境中进行实验，证明了在保护专家隐私的同时保持高性能的可行性。

Comments Top 10% submission at TMLR (J2C Certification)

An Unconditional Representation of the Conditional Score in Infinite-Dimensional Linear Inverse Problems

条件分数的无条件表示在无限维线性逆问题中

Fabian Schneider, Duc-Lam Duong, Matti Lassas, Maarten V. de Hoop, Tapio Helin

机构 * School of Engineering Science（工程科学学院） ； Lappeenranta-Lahti University of Technology（拉普兰塔-拉赫蒂技术大学） ； Vienna University of Technology (TU Wien)（维也纳技术大学） ； Department of Mathematics and Statistics（数学与统计学系） ； University of Helsinki（赫尔辛基大学） ； Department of Computational and Applied Mathematics（计算与应用数学系） ； Rice University（里士满大学） 纠错

AI总结 本文提出了一种针对线性逆问题的无条件条件分数表示方法，通过离线训练避免正向模型评估，实现高效且精确的采样。

Comments 37 pages, 13 figures, 3 tables. Accepted in TMLR November 2025

Coresets from Trajectories: Selecting Data via Correlation of Loss Differences

Manish Nagaraj, Deepak Ravikumar, Kaushik Roy

机构 * Purdue University（普渡大学） 纠错

Journal ref Transactions on Machine Learning Research 2025, issn=2835-8856

MaskRIS: Semantic Distortion-aware Data Augmentation for Referring Image Segmentation

Minhyun Lee, Seungho Lee, Song Park, Dongyoon Han, Byeongho Heo, Hyunjung Shim

机构 * AI Center, Samsung Electronics（三星电子人工智能中心） ； NAVER AI Lab（NAVER人工智能实验室） ； Korea Advanced Institute of Science & Technology (KAIST)（韩国科学技术院） 纠错

Comments Accepted to TMLR 2025. First two authors contributed equally

Divide and Merge: Motion and Semantic Learning in End-to-End Autonomous Driving

Yinzhe Shen, Omer Sahin Tas, Kaiwen Wang, Royden Wagner, Christoph Stiller

Journal ref Transactions on Machine Learning Research (2025)

Contextual Learning for Anomaly Detection in Tabular Data

Spencer King, Zhilu Zhang, Ruofan Yu, Baris Coskun, Wei Ding, Qian Cui

机构 * Amazon Web Services, Seattle, WA, USA（亚马逊网络服务，西雅图，WA，USA） 纠错

Comments Submitted to TMLR. 26 pages, 4 figures, 8 tables, 1 algorithm, 8 datasets, contextual anomaly detection framework for tabular data

LLM-Powered GUI Agents in Phone Automation: Surveying Progress and Prospects

Guangyi Liu, Pengxiang Zhao, Yaozhen Liang, Liang Liu, Yaxuan Guo, Han Xiao, Weifeng Lin, Yuxiang Chai, Yue Han, Shuai Ren, Hao Wang, Xiaoyu Liang, WenHao Wang, Tianze Wu, Zhengxi Lu, Siheng Chen, LiLinghao, Hao Wang, Guanjing Xiong, Yong Liu, Hongsheng Li

Comments Paper accepted to TMLR 2025, Project Homepage: https://github.com/PhoneLLM/Awesome-LLM-Powered-Phone-GUI-Agents

Early Classification of Time Series: A Survey and Benchmark

Aurélien Renault, Alexis Bondu, Antoine Cornuéjols, Vincent Lemaire

机构 * Orange Research（Orange研究） 纠错

Journal ref Transactions on Machine Learning Research 2025

Temporal Test-Time Adaptation with State-Space Models

Mona Schirmer, Dan Zhang, Eric Nalisnick

机构 * UvA-Bosch Delta Lab, University of Amsterdam（阿姆斯特丹大学） ； Bosch Center for AI（博世人工智能中心） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

Comments Published in Transactions on Machine Learning Research (TMLR)