2026-08-18 | CS.LG机器学习 | 共 201 篇
[机构]信息由AI分析生成，可能存在错误，仅供参考，以论文实际显示为准
快速导航
1. 深度学习架构与训练方法 18 篇
2. 表示学习、自监督与对比学习 8 篇
3. 强化学习与序列决策 18 篇
4. 生成模型与概率建模 5 篇
5. 优化、泛化与理论分析 7 篇
6. 高效学习、压缩与部署 1 篇
7. 联邦学习、隐私与安全 5 篇
8. 鲁棒性、不确定性与可信学习 6 篇
9. 图学习与结构化数据 7 篇
10. 迁移、元学习与持续学习 14 篇
11. 数据集、基准与评测 10 篇
12. 机器学习应用 16 篇
13. 其他/综合机器学习 86 篇
1. 深度学习架构与训练方法 | 18 篇
1. Fractional Optimizers Meet Fractal Activation Functions: An Empirical Study of Multi-Scale Optimization in Neural Network
分数阶优化器与分形激活函数：神经网络多尺度优化的实证研究
AI 总结：该研究在统一实验框架下实证探究分数阶优化器与分形激活函数的配对效果，发现正则化式分数缩放与选定分形激活函数适配性较好，自适应记忆优于普通记忆替换，可控分数阶记忆具研究潜力。
链接：https://arxiv.org/abs/2608.14636
2. Efficient Neural-Network-Based High-Resolution Radiative Transfer for CO___ Retrieval, and Application to Interferometric Sensing
用于CO₂反演的高效神经网络基高分辨率辐射传输及在干涉测量中的应用
AI 总结：针对CO₂反演中高分辨率辐射传输计算成本高的问题，欧盟SCARBOn项目团队提出基于MLP的高效辐射传输代理模型，结合NanoCarb仪器响应构建正演模型，为CO₂浓度反演提供了新方案。
链接：https://arxiv.org/abs/2608.14645
3. pico-type: A 1.5M-Parameter Byte-Level Multi-Head Content Classifier
pico-type：一种150万参数的字节级多头内容分类器
AI 总结：本文提出150万参数的字节级多头内容分类器pico-type，无需分词器等组件，可单次预测7项内容属性，在多基准测试中准确率大幅优于仅合成数据训练的模型，相关成果已开源。
链接：https://arxiv.org/abs/2608.14658
4. A Reproducibility Study of Partial Residual Ablations in Pre-LN Transformers
预LN Transformer中部分残差消融的可复现性研究
AI 总结：本文通过对10M和124M参数的预LN GPT风格Transformer开展部分残差消融可复现性研究，揭示注意力与前馈残差路径的不同作用，修正实验混淆并发布完整实验材料。
链接：https://arxiv.org/abs/2608.14689
5. The Quantum Shortcut: Complex Phase-State Dynamics Reduce the Optimization Steps of Sequence Models
量子捷径：复相态动力学减少序列模型的优化步数
AI 总结：该研究提出将序列模型的基底从实值状态替换为源自量子理论的复值状态，实例化到Mamba和Transformer后，复值模型的优化步数显著少于实值模型，且状态空间模型的优势随训练扩大，注意力模型的优势则衰减至零。
链接：https://arxiv.org/abs/2608.14691
6. A Novel Fourier Feature Network for Solving Partial Differential Equations
一种用于求解偏微分方程的新型傅里叶特征网络
AI 总结：本文提出新型傅里叶特征网络（FENs），其无需对输入变量做仿射变换即可获高精度解，经实验验证FENs在求解偏微分方程时精度始终高于极限学习机（ELMs）。
链接：https://arxiv.org/abs/2608.14733
7. Unraveling the Size Determination Mechanism of Nanocrystal Synthesis via Interpretable Neural Networks
通过可解释神经网络揭示纳米晶体合成的尺寸决定机制
AI 总结：本研究开发全白盒神经网络NanoEQL，通过引入适配纳米晶体合成的算子与温度门控注意力池化策略，揭示了纳米晶体尺寸可由含三个可解释标量的线性方程描述，为纳米晶体合成设计及化学反应机制解析提供了可泛化范式。
链接：https://arxiv.org/abs/2608.14734
8. A Unified Mamba--MoE Surrogate for Closed-Loop Simulation and Measurement-Window Forecasting of Inverter Transients
用于逆变器暂态的闭环仿真与测量窗口预测的统一Mamba-MoE代理模型
AI 总结：本文提出带MoE路由的统一Mamba代理模型，可同时完成逆变器暂态的闭环仿真与测量窗口预测，参数减少13%且误差更低，经硬件在环仿真验证有效。
链接：https://arxiv.org/abs/2608.15051
9. Probability-Preserving Transformer for the Time-Dependent Schrödinger Equation
保概率Transformer用于含时薛定谔方程
AI 总结：该研究针对含时薛定谔方程求解，提出将概率守恒作为硬约束的Transformer架构，相比传统软约束方法，兼具物理精确性与计算优势。
链接：https://arxiv.org/abs/2608.15112
10. MAPLE: MoE Adaptive Plug-and-play Layer-wise Expert allocation
MAPLE：MoE自适应即插即用分层专家分配
AI 总结：MAPLE是一种即插即用框架，可在不修改预训练MoE LLM权重或重新训练的情况下，异质性分配专家预算，在75%预算下超越基线，降低延迟并提升吞吐量，同时提升多项任务准确率。
链接：https://arxiv.org/abs/2608.15299
11. Every Expert Counts: ExactMoE for Memory-Efficient W4A16 Inference
每个专家都重要：用于内存高效W4A16推理的ExactMoE
AI 总结：ExactMoE仅量化路由专家并结合缓存与融合内核，大幅降低MoE模型推理的GPU内存占用，同时保留高吞吐量与准确率，达成内存效率与性能的良好平衡。
链接：https://arxiv.org/abs/2608.15383
12. Not All Attention Is Equal: A Quantitative Survey of the EEI Trade-off
并非所有注意力都平等：EEI权衡的定量综述
AI 总结：本综述围绕注意力机制的效率-表达性-可解释性权衡，定量对比21种方法，梳理其多领域发展脉络，分析研究缺口并指明未来方向，支持粗粒度层级对比。
链接：https://arxiv.org/abs/2608.15459
13. Measuring Structured Predictability in Neural Training Dynamics: A Cross-Regime Study
测量神经训练动力学中的结构化可预测性：一项跨 regime 研究
AI 总结：本研究以短程可预测性为度量，结合三类探测方法，在 CIFAR 和 Pythia 70M 模型上揭示了深度网络训练动力学中辅助参数与主体参数的可预测性差异，为训练动力学提供了参数分辨率的诊断方式。
链接：https://arxiv.org/abs/2608.15483
14. PERO: Efficient Robust Post-Training Foundation Models for Encrypted Traffic Classification
PERO：面向加密流量分类的高效鲁棒预训练后 foundation 模型
AI 总结：针对加密流量分类中鲁棒优化成本高的问题，提出PERO框架，通过轻量代理估计风险并选择高风险样本更新模型，在保持性能的同时降低了计算与内存成本。
链接：https://arxiv.org/abs/2608.15504
15. UniFed-VLM: Federated Instruction Tuning for Vision-Language Models with Multiple Heterogeneity
UniFed-VLM：面向多异质性视觉语言模型的联邦指令调优
AI 总结：UniFed-VLM是解决任务、模态、模型架构联合异质性的VLM联邦指令调优框架，含FedCSA与TCoD组件，在多基准数据集上优于现有FL方法。
链接：https://arxiv.org/abs/2608.15516
16. Routing Divergence Is Not Evidence of Behavioral Influence in Same-Weight MoE Self-Distillation
路由分歧并非等权MoE自蒸馏中行为影响的证据
AI 总结：该研究针对等权MoE自蒸馏中路由分歧问题，通过分块分解等方法验证路由项暴露度小，路由移动非行为影响证据，提出需先测暴露度再采取干预。
链接：https://arxiv.org/abs/2608.15787
17. Breaking the Compression Barrier: Cross-Architecture Compression Boundary Learning via Reverse Regrowth
突破压缩瓶颈：基于反向再生的跨架构压缩边界学习
AI 总结：针对模型压缩中稀疏度过高时性能骤降的问题，提出跨架构的BRIDGE框架，通过反向再生策略拓展压缩极限，在两类架构上实现显著性能提升。
链接：https://arxiv.org/abs/2608.16010
18. An Analytical-Prior Framework for Data-Efficient Prediction of Sound-Reduction Frequencies in Rectangular Side-Branch Helmholtz Resonators
用于矩形侧支亥姆霍兹消声器降噪频率数据高效预测的分析先验框架
AI 总结：本研究提出分析先验学习框架，复用低成本分析模型提升有限高保真模拟数据下的预测效率，在矩形侧支亥姆霍兹消声器降噪频率预测中，其性能优于直接学习方法，可满足不同部署需求。
链接：https://arxiv.org/abs/2608.16873
2. 表示学习、自监督与对比学习 | 8 篇
19. Take it Personally: The Limits of General SSL Representations for Real-Life PPG Emotion Detection
个性化考量：通用自监督学习表征在真实生活光体积描记（PPG）情感检测中的局限性
AI 总结：本研究评估PPG-based SSL在真实生活情感检测中的效能，发现通用SSL表征无法胜任主观情感推理，微调时纳入个人数据才是性能关键，公开了RL-PPG编码器相关资源。
链接：https://arxiv.org/abs/2608.14675
20. 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
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。
链接：https://arxiv.org/abs/2608.15224
21. Earth Observation Foundation Models for Terrestrial Ecohydrology: From Representation Learning to Process Inference
面向陆地生态水文学的地球观测基础模型：从表示学习到过程推理
AI 总结：该研究构建框架分析EOFM在生态水文学中的应用，发现其与生态水文学需求存在不匹配，推动建立过程感知框架以支撑对水、能量与碳耦合动态的可信监测与解释。
链接：https://arxiv.org/abs/2608.15282
22. Shape Operator PCA: Curvature-Aware Projections for Geometric Machine Learning
形状算子主成分分析（SHOPCA）：面向几何机器学习的曲率感知投影
AI 总结：本文提出SHOPCA，一种融入微分几何信息的无监督降维方法，通过混合系数α正则化协方差矩阵，基于谱特征间隙无监督选α，在50余个数据集上较PCA提升聚类质量，小样本场景优于UMAP。
链接：https://arxiv.org/abs/2608.15313
23. Invariant Pretraining for Robust Code Representations
用于鲁棒代码表示的不变预训练
AI 总结：本文针对代码表示模型在不变程序下鲁棒性退化问题，提出仅基于代码的不变预训练（InvPT）方法，在克隆检测、代码分类任务上分别提升鲁棒性最高11、19个百分点，同时保持或提升标准准确率。
链接：https://arxiv.org/abs/2608.15412
24. Retrieval-guided Twin Fusion with Similarity-aware Contrast for Molecule-Text Alignment
基于检索的双融合与相似度感知对比的分子-文本对齐方法
AI 总结：针对现有分子-文本对齐方法忽略子结构与文本细粒度语义关系的问题，提出RISEN方法，通过检索构建孪生分子并结合相似度感知对比学习，在基准数据集上取得更优性能。
链接：https://arxiv.org/abs/2608.16005
25. The Trade-off Between Covariate Dependence and Latent Structure in Representation Learning
表示学习中协变量依赖与潜在结构之间的权衡
AI 总结：该研究针对表示学习中协变量相关问题，提出统一监督框架，揭示协变量依赖与潜在结构的权衡，通过闭式变换重对齐预训练模型表示，在多组学数据上验证了方法的可控性。
链接：https://arxiv.org/abs/2608.16245
26. Learning Generalizable Reconstruction of High-Dimensional Neural Dynamics
高维神经动力学的可泛化重建学习
AI 总结：针对高维神经动力学重建难题，提出PCA-DMD框架，在多数据集及不同规模样本实验中，其重建性能、泛化能力及可扩展性均优于现有方法，可实现准确的神经信号重建。
链接：https://arxiv.org/abs/2608.16569
3. 强化学习与序列决策 | 18 篇
27. Explaining Reinforcement Learning Decisions in Self-adaptive Systems
解释自适应系统中强化学习的决策
AI 总结：针对强化学习策略透明度不足的问题，本文提出EARL库用于生成反事实解释，并在CitiBikes模拟中验证了其在实际自适应系统中的适用性。
链接：https://arxiv.org/abs/2608.14620
28. Training and Evaluating Ethical Reinforcement Learning Agents on Per-Episode Distributions
基于每回合分布的伦理强化学习智能体训练与评估
AI 总结：该研究针对强化学习智能体的伦理训练与评估问题，在Craftax基准上对比四种方法，发现ESR准则下的智能体可在每回合维持违规预算，且训练评估需关注每回合分布而非均值。
链接：https://arxiv.org/abs/2608.14642
29. Command-Space Counterfactual Explanations for Pareto-Conditioned Reinforcement Learning
帕累托条件强化学习的命令空间反事实解释
AI 总结：该研究针对帕累托条件强化学习的帕累托条件网络，提出命令空间反事实解释方法CF-ZOO，通过边界种子方向搜索生成可操作的直观解释。
链接：https://arxiv.org/abs/2608.14963
30. Lipschitz Bandits with Arbitrary Feedback Delays
具有任意反馈延迟的Lipschitz多臂老虎机
AI 总结：针对任意反馈延迟下的Lipschitz多臂老虎机，分别为随机和对抗奖励设置提出消除算法与EXP3算法，所得后悔界与无延迟时匹配，刻画了反馈延迟的额外影响。
链接：https://arxiv.org/abs/2608.15036
31. PureTD: Reinforcement Learning for Backgammon Money Games with No Evaluation-time Search
PureTD：无评估时间搜索的西洋双陆金钱游戏强化学习
AI 总结：该研究提出PureTD模型，通过纯自玩强化学习在无评估时间搜索下训练西洋双陆金钱游戏，其无搜索模型比两款开源引擎更强且评估速度更快。
链接：https://arxiv.org/abs/2608.15146
32. Does 1/2-Tsallis-INF Also Work Well for Best-Arm Identification?
1/2-Tsallis-INF 是否也能很好地用于最优臂识别？
AI 总结：该研究探讨 1/2-Tsallis-INF 能否用于最优臂识别，通过构造 Lyapunov 函数得出其失败概率的多项式上下界，证明指数 2 本质紧。
链接：https://arxiv.org/abs/2608.15365
33. Learning Stock Trading Policies via Barycenter-Based Adversarial Inverse Reinforcement Learning
基于重心的对抗逆强化学习学习股票交易策略
AI 总结：本研究提出基于重心的对抗逆强化学习框架BRaG，聚合多异构专家策略学习股票交易策略，在四大全球股市上表现优于经典交易规则及深度强化学习方法，风险特征更稳定。
链接：https://arxiv.org/abs/2608.15770
34. Self-Supervised Auxiliary Task Discovery for Stable Reinforcement Learning in Stock Trading
用于股票交易稳定强化学习的自监督辅助任务发现
AI 总结：本研究提出自监督框架自动发现辅助任务以支持股票交易的强化学习，通过广义价值函数和双网络结构优化，在四大股指上验证其较基线方法更具稳健性与交易性能。
链接：https://arxiv.org/abs/2608.15841
35. Toward Optimal Second-Order Path-Length Guarantee for Adversarial Multi-Armed Bandits
面向对抗性多臂老虎机的最优二阶路径长度保证
AI 总结：该研究针对对抗性多臂老虎机的二阶路径长度后悔问题，证明Bubeck等人的算法在已知二阶路径长度时可达到匹配下界的期望后悔，还通过自适应重启方案消除了对该参数的先验知识要求。
链接：https://arxiv.org/abs/2608.15996
36. Learn What's Left, Not What's Mastered: Saturation Aware Advantage Reweighting for Multi-Reward Policy Optimization
学习剩余内容，而非已掌握内容：面向多奖励策略优化的饱和感知优势重加权方法
AI 总结：针对多奖励策略优化中现有方法的缺陷，提出SA-MRPO方法，动态分配优化资源，在数学推理、自适应推理、编码任务中均实现性能提升。
链接：https://arxiv.org/abs/2608.16072
37. Understanding and Stabilizing Deep Q-Learning via Controlled Bootstrapping and Regulated Value Dynamics
通过受控自举和调节值动态理解并稳定深度Q学习
AI 总结：本研究系统分析深度Q学习的不稳定性来源，提出受控自举等稳定原则，在Atari-100K和Procgen上实现了竞争力性能与更优训练稳定性。
链接：https://arxiv.org/abs/2608.16182
38. Beyond Peak Backlog: Conditional Energy and Temporal Geometry in Capacity-Constrained Delayed Bandit Optimization
超越峰值积压：容量受限延迟多臂老虎机优化中的条件能量与时间几何
AI 总结：针对仅能跟踪有限反馈项的延迟多臂老虎机优化问题，引入条件能量接口得到更优延迟复杂度界，发现总延迟摘要一致时仍存在时序对极小极大悔度的影响。
链接：https://arxiv.org/abs/2608.16216
39. Coverage-Maximizing Multinomial Subset Routing under Operational Constraints
操作约束下的覆盖最大化多项子集路由
AI 总结：针对现有路由方法无法处理仅依赖最佳专家的奖励结构及操作约束的问题，提出OMD-Approachability方法，在真实众包数据集上验证了其性能。
链接：https://arxiv.org/abs/2608.16375
40. TRACE-CASH: Trial-History-Conditioned Reinforcement Learning for Adaptive Configuration Exploration in Time-Series CASH
TRACE-CASH：面向时间序列CASH的试验历史条件强化学习自适应配置探索
AI 总结：本研究针对时间序列CASH的复杂搜索问题，提出TRACE-CASH方法，通过分组演员-评论家等技术优化配置探索，在41个任务变体上的MASE、WQL等指标表现最优，具备竞争力。
链接：https://arxiv.org/abs/2608.16410
41. PertMind: Eliciting Emergent Biological Reasoning in LLM via Reinforcement Learning on Cellular Perturbation Data
PertMind：通过细胞扰动数据的强化学习在大语言模型中引出涌现生物推理能力
AI 总结：本研究提出PertMind模型，结合可信轨迹监督初始化与多层面强化信号，以细胞扰动图谱为强化学习环境训练，实现生物推理能力的涌现，且可迁移至多类生物任务。
链接：https://arxiv.org/abs/2608.16419
42. The Ethical Decision Head: Operationalizing Normative Ethics in Autonomous Vehicles via Reinforcement Learning from Human Feedback
伦理决策头：基于人类反馈的强化学习在自动驾驶中实现规范伦理
AI 总结：本文提出伦理决策头（EDH）框架，结合PPO与人类偏好奖励模型，在CARLA仿真中训练自动驾驶智能体，发现人类对自动驾驶伦理的理论规定与实践奖励存在差异。
链接：https://arxiv.org/abs/2608.16710
43. Le Critique: Privileged Value Functions for LLM Reinforcement Learning
Le Critique：用于大语言模型强化学习的特权值函数
AI 总结：该研究针对 LLM 强化学习的值函数应用难题，提出特权值函数（PVF）与自适应插值基线 TETHER，在多推理任务中提升了值函数基线性能，表现优于或媲美 GRPO。
链接：https://arxiv.org/abs/2608.16739
44. Q-based Variational Inverse Reinforcement Learning
基于Q的变分逆强化学习
AI 总结：提出新型贝叶斯逆强化学习方法QVIRL，兼具可扩展性与不确定性量化能力，在多类任务的学徒学习中表现优异，是首个可从原始像素观测训练的贝叶斯IRL方法。
链接：https://arxiv.org/abs/2608.16888
4. 生成模型与概率建模 | 5 篇
45. Coarse-to-Fine Multi-Resolution Diffusion Models for Trajectory Generation in Urban Systems
面向城市系统轨迹生成的粗到细多分辨率扩散模型
AI 总结：针对城市轨迹生成的隐私与多分辨率模式问题，提出MR-Traj多分辨率扩散框架，建模粗粒度里程碑与细粒度片段，在全局分布相当的同时提升细粒度性能并降低轨迹链接风险。
链接：https://arxiv.org/abs/2608.14570
46. Randomly initialized autoencoders: fixed points and edge-of-chaos
随机初始化自编码器：不动点与混沌边缘
AI 总结：本文研究随机初始化自编码器的不动点问题，引入针对自编码器的局部与全局混沌边缘概念，结合随机矩阵理论与高斯过程不等式开展分析，为自编码器的稳定性研究提供理论支撑。
链接：https://arxiv.org/abs/2608.14638
47. Feasible and Novel Synthetic Population Generation with Tabular and Sequential Travel Attributes
结合表格与序列出行属性的可行且新颖的合成人群生成
AI 总结：该研究针对合成人群生成的抽样零值与不可行结构零值问题，提出带IGP、LDR、CLAP正则化项的两阶段生成框架，提升了表格与序列出行属性合成的可行性、多样性与新颖性。
链接：https://arxiv.org/abs/2608.15867
48. RagGAD: Rationale-Aware Conditional Gaussian Mixture Normalizing Flow for Unsupervised Graph Anomaly Detection
RagGAD：用于无监督图异常检测的依据感知条件高斯混合归一化流
AI 总结：针对现有图异常检测方法依赖同质性假设、鲁棒性不足的问题，提出RagGAD框架，通过依据解缠与混合建模提升性能，在多基准数据集上优于现有方法。
链接：https://arxiv.org/abs/2608.16018
49. Variational Outlier-Robust Gaussian Process Regression with Generative Modeling
基于生成建模的变分离群值鲁棒高斯过程回归
AI 总结：针对离群值扭曲高斯过程回归的问题，提出带生成建模的变分离群值鲁棒高斯过程回归方法，经实验验证其预测精度优于多数基线且计算复杂度为立方级。
链接：https://arxiv.org/abs/2608.16606
5. 优化、泛化与理论分析 | 7 篇
50. Geometry Is Not Robustness: A Trajectory-Level Study of PGD Evaluation
几何并非鲁棒性：PGD评估的轨迹级研究
AI 总结：该研究通过对Fashion-MNIST上训练的卷积神经网络开展PGD攻击的轨迹级分析，发现轨迹级诊断指标无法独立衡量对抗鲁棒性，仅失效步数分布可清晰区分鲁棒性层级，轨迹分析应作为标准鲁棒性测量的补充工具。
链接：https://arxiv.org/abs/2608.14594
51. Is Grokking a Loss of Normal Hyperbolicity of the Interpolation Manifold?
Grokking是否是插值流形的法双曲性丧失？
AI 总结：该研究针对Grokking的泛化转变，通过残差雅可比矩阵的最小非零奇异值σ_min⁺(J)诊断，发现其在转变时未崩溃，为反对分岔假说、支持平滑收缩图景提供了初步证据。
链接：https://arxiv.org/abs/2608.14803
52. Online Convex Optimization with Dueling Feedback
基于对决反馈的在线凸优化
AI 总结：针对未被探索的对抗凸设置下的在线凸优化问题，提出将对决反馈转化为近似梯度的归约方法，得到首批遗憾保证结果，含不同目标函数下的改进速率。
链接：https://arxiv.org/abs/2608.15050
53. Towards a theory of inference-time alignment with unknown rewards
面向未知奖励的推理时对齐理论
AI 总结：该研究将推理时对齐形式化为弱到强学习问题，引入对齐维度表征其可学习性，证明其有限性是可对齐学习的充要条件，为对齐理论构建提供了思路。
链接：https://arxiv.org/abs/2608.15402
54. A Banach-Space Theory of Markovian Halpern Iteration for Non-Expansive Maps
非扩张映射的马尔可夫 Halpern 迭代的巴拿赫空间理论
AI 总结：本文针对马尔可夫轨迹下非扩张算子不动点的随机逼近问题，提出方差缩减的马尔可夫 PAGE-Halpern 方法，在巴拿赫空间等场景下降低了样本复杂度并建立了高概率保证。
链接：https://arxiv.org/abs/2608.15966
55. Operator-Theoretic Generalization Bounds for Multitask Deep Learning
多任务深度学习的算子理论泛化界
AI 总结：该研究针对多任务深度学习，通过算子理论推导泛化界，分析不同假设空间的复杂度，构建跨任务共享算子学习并验证相关代理。
链接：https://arxiv.org/abs/2608.15982
56. On the Principles Behind Neural Network Optimizers
神经网络优化器背后的原理
AI 总结：本论文为优化器Adam建立了有原则的基础，通过海森矩阵结构分析其在Transformer上优于SGD的原因，提出内存减半且性能不变的新优化器Adam-mini，还为其他NN优化器提供了新见解。
链接：https://arxiv.org/abs/2608.16760
6. 高效学习、压缩与部署 | 1 篇
57. Rethinking Reverse KL as Adaptive Entropy Distillation
将反向KL重新思考为自适应熵蒸馏
AI 总结：该研究针对知识蒸馏难以平衡忠实模仿与鲁棒生成的问题，提出自适应熵蒸馏（AED）方法，通过分解反向KL目标函数并利用教师熵动态校准模仿强度，在指令遵循与数学推理基准上表现更优。
链接：https://arxiv.org/abs/2608.14685
7. 联邦学习、隐私与安全 | 5 篇
58. FedImp: Enhancing Federated Learning Convergence with Impurity-Based Weighting
FedImp：基于杂质加权增强联邦学习收敛性
AI 总结：针对联邦学习中非独立同分布数据导致的收敛慢问题，提出FedImp算法，通过量化设备数据信息内容计算聚合权重，在EMNIST和CIFAR-10数据集上显著减少通信轮次并提升性能。
链接：https://arxiv.org/abs/2608.14654
59. Global Federated Learning Strategies for Building Efficient Personalized Models
用于构建高效个性化模型的全局联邦学习策略
AI 总结：该研究针对联邦学习中全局与个性化性能同时恶化的问题，提出缓解特征向量差异、结合特征蒸馏及调整全局初始化策略的方法，实现了全局知识保留与个性化性能的平衡。
链接：https://arxiv.org/abs/2608.15107
60. Spectral Saliency for Machine Unlearning
用于机器遗忘的光谱显著性
AI 总结：该研究针对机器遗忘问题，受Muon启发提出光谱显著性遗忘（SSU）方法，通过对弱奇异分量设阈值更新，在图像分类器、扩散模型和LLM上验证了其有效性。
链接：https://arxiv.org/abs/2608.15548
61. SAUL: Sharpness-Aware Augmented-Lagrangian Unlearning
SAUL：感知锐度的增广拉格朗日模型遗忘算法
AI 总结：本文提出SAUL算法，将模型遗忘建模为显式约束的受约束最小化问题，通过增广拉格朗日控制器等实现更优遗忘-效用权衡，即插即用修改器可提升基线模型遗忘后效用。
链接：https://arxiv.org/abs/2608.16249
62. Learning to Unlearn: Machine Unlearning via Learning the Unlearning Behaviors
学习遗忘：通过学习遗忘行为实现机器遗忘
AI 总结：该研究提出模型不可知的学习遗忘方法L2UL，通过从分布视角学习遗忘行为替代手动设计遗忘函数，在数据密集场景及ResNet等大模型上，实现与重新训练相当的准确率且效率更高。
链接：https://arxiv.org/abs/2608.16700
8. 鲁棒性、不确定性与可信学习 | 6 篇
63. Calibrated Trust, Not Sharper Prediction: An Empirical Test of Uncertainty Fusion
校准的信任，而非更精确的预测：不确定性融合的实证检验
AI 总结：本研究针对1000个欧洲人权法院案件，在Claude Opus 4.8和GPT-5.5上测试含多种不确定性工具的融合流程，发现其未提升预测准确率但可通过共形选择性预测实现案件的自动化处理与升级，核心贡献是校准的信任而非更精确的预测。
链接：https://arxiv.org/abs/2608.14617
64. Do Uncertainty Signals Help? A Systematic Study of Uncertainty-Aware Decoding with Rollback Mechanisms
不确定信号是否有用？对带有回滚机制的不确定感知解码的系统研究
AI 总结：本文通过系统研究带有回滚机制的不确定感知解码，发现其可提升代码LLM的生成性能，其中token熵等信息论不确定信号效果最优，反馈引导的回滚是主要改进来源。
链接：https://arxiv.org/abs/2608.14653
65. Diagnosing and Mitigating Perception-Decision Misalignment in Omni-LLMs via Modality Subspace Activation
通过模态子空间激活诊断并缓解全模态大语言模型（Omni-LLMs）中的感知-决策失配问题
AI 总结：针对Omni-LLMs存在的感知-决策失配问题，本文提出因果模态敏感性及对应诊断方法，构建CausalMSBench数据集，提出无需训练的MSA框架以恢复模型的因果模态敏感性。
链接：https://arxiv.org/abs/2608.14655
66. Quantum Models with Multi-Stage Training for Compositional Concept Generalization
用于组合概念泛化的多阶段训练量子模型
AI 总结：该研究针对多模态学习的组合概念泛化挑战，提出带多阶段训练的量子模型，在CLEVR数据集上验证其可提升分布外关系泛化能力且参数远少于经典基准。
链接：https://arxiv.org/abs/2608.15601
67. AdROD: HyperNetwork-based Adversarially Robust Object Detection for Autonomous Driving
AdROD：面向自动驾驶的基于超网络的对抗鲁棒目标检测
AI 总结：AdROD是面向自动驾驶的嵌入式随机集成防御软件，采用低秩超网络与功能多样性机制，设两种服务模式，经多类评估优于基线防御，可在对抗场景下保持实时安全停车。
链接：https://arxiv.org/abs/2608.16031
68. Would this change your answer? Evaluating Explanations of LLM Behavior In The Wild with Counterfactual Experiments
这会改变你的答案吗？通过反事实实验评估现实场景中大语言模型（LLM）行为的解释
AI 总结：本研究提出CHIVE流程，通过反事实实验评估大语言模型行为的解释，发现常见可解释性技术无预测提升，且CHIVE生成的训练数据可实现分布外泛化。
链接：https://arxiv.org/abs/2608.16747
9. 图学习与结构化数据 | 7 篇
69. BDIP-Net: Dual-Interaction Graph Learning for Property Prediction of Bilayer Materials
BDIP-Net：用于双层材料性能预测的双交互图学习方法
AI 总结：本研究提出基于MatterSim-D3的结构优化工作流与BDIP-Net图神经网络，实现了双层材料的低成本高效构建与性能预测，且BDIP-Net性能优于现有相关方法。
链接：https://arxiv.org/abs/2608.14640
70. Disentangling Homophily and Rarity: Explaining Failure in Graph Neural Networks
解耦同质性与稀有性：解释图神经网络的失效
AI 总结：该研究通过评估6种GNN在5个不同同质性数据集上的表现，挑战了异质节点分类的子群泛化框架，发现可通过重训分类头或最终线性层恢复异质节点分类所需信息。
链接：https://arxiv.org/abs/2608.14823
71. GATTA: Graph Active Learning with Test-Time Augmentation
GATTA：结合测试时数据增强的图主动学习
AI 总结：GATTA是结合测试时数据增强的图主动学习框架，通过一致性过滤增强视图生成可靠不确定性估计，提升简单主动学习方法性能，优于MC Dropout等模型侧集成方法，高效可扩展。
链接：https://arxiv.org/abs/2608.15084
72. NICE: Scale-Stable Perturbations for Graph Neural Network Explanations via Noise Corruption
NICE：基于噪声扰动的图神经网络解释的尺度稳定扰动方法
AI 总结：本文针对图神经网络解释中扰动导致的尺度漂移问题，提出基于噪声扰动的NICE框架，结合随机恢复边界与边界集成梯度提升解释性能与模型忠实度。
链接：https://arxiv.org/abs/2608.16038
73. OceanLight: Efficient Global Ocean Forecasting via Geometry-Adaptive Unstructured Mesh Representation
OceanLight：基于几何自适应非结构化网格表示的高效全球海洋预报方法
AI 总结：OceanLight框架结合几何自适应非结构化网格分词与GNN主干，在提升海洋预报精度的同时降低计算成本，为可扩展数据驱动海洋学建立了可推广范式。
链接：https://arxiv.org/abs/2608.16070
74. Unifying Graph Neural Networks Through a Common Layer Equation
通过通用层方程统一图神经网络
AI 总结：该研究提出通用层方程统一图神经网络，分解其组件以实现架构组织、比较与生成，关联传播特性与图神经网络问题，并揭示经验逆问题。
链接：https://arxiv.org/abs/2608.16097
75. Advancing Open and Reproducible Relational Learning: RelArena-$α$, TabPFN-Rel and RPI
推进开放且可复现的关系学习：RelArena-$α$、TabPFN-Rel与RPI
AI 总结：Prior Labs开源RelArena-$α$、TabPFN-Rel与RPI三款关系学习工具，解决领域内方法比较不可靠问题，TabPFN-Rel在RelArena-$α$暂居第一，为关系学习提供开放可复现的研究基础。
链接：https://arxiv.org/abs/2608.16319
10. 迁移、元学习与持续学习 | 14 篇
76. Forward Pass Domain Adaptation (Without Cross-Layer Backpropagation)
仅前向传播的领域适配（无需跨层反向传播）
AI 总结：该研究提出仅前向传播的MLP训练（FPO）方法，无需跨层反向传播即可适配大语言模型，提升吞吐量、降低内存开销，在保持域外基准性能的同时优化域内困惑度，且耗时低于限定SFT的方案。
链接：https://arxiv.org/abs/2608.14563
77. Metaplasticity as adaptive gradient preconditioning for incremental learning
元可塑性作为增量学习的自适应梯度预条件化
AI 总结：该研究受生物元可塑性启发，提出无任务持续学习框架SynGAP，通过自适应梯度预条件化缓解灾难性遗忘，在多个基准上表现优于现有方法，且内存高效。
链接：https://arxiv.org/abs/2608.14634
78. iFuzz-Meta: An Interpretable Fuzzy Learning Framework Bridging Top-Down and Bottom-Up Knowledge Integration
iFuzz-Meta：一种连接自上而下与自下而上知识融合的可解释模糊学习框架
AI 总结：本文提出iFuzz-Meta可解释模糊学习框架，结合元学习与知识引导正则化实现知识融合，实验验证其具备可解释推理与稳定跨领域泛化能力，为可解释模糊系统提供通用路径。
链接：https://arxiv.org/abs/2608.14646
79. p-Spin Glass Network Efficient Single-Batch Continual Learning
p-自旋玻璃网络：高效单批次持续学习
AI 总结：本研究提出p-自旋玻璃网络架构，通过三元量化等技术实现内存与样本效率，支持单批次稳定收敛，消除深度学习对大批次的需求，为持续学习和边缘AI奠定基础。
链接：https://arxiv.org/abs/2608.14774
80. Spectral Rank Certification for Foundation Model Adapters
基础模型适配器的谱秩验证
AI 总结：本研究针对基础模型适配器开发有限样本谱秩验证框架，提出PEFT LoRA适配器的经验空工作流程，经26个公开适配器审计发现校准有效秩远小于名义秩，且能量保留与统计惊喜对应不同问题。
链接：https://arxiv.org/abs/2608.15351
81. SAPE: Sandwich Adapters for Parameter Efficiency in Large Language Model Fine-Tuning
SAPE：用于大语言模型微调参数效率的三明治适配器
AI 总结：SAPE是一种基于三明治式硬权重共享拓扑的PEFT框架，通过隔离边界变换降低内存与计算开销，在低参数约束下，于RoBERTa-large、LLaMA-3.2等模型的多项任务中取得优于现有方法的性能。
链接：https://arxiv.org/abs/2608.15360
82. SubZero+: Efficient Zeroth-Order LLM Fine-Tuning via Large Learning Rates
SubZero+：基于大学习率的高效零阶大语言模型微调方法
AI 总结：SubZero+是改进的SubZero框架，通过三种互补方式提升零阶优化稳定性，在1.3B至32B参数模型的SuperGLUE任务上，优于现有零阶基线，扩大稳定学习率范围，缩小与一阶方法差距且内存开销极小。
链接：https://arxiv.org/abs/2608.15665
83. Geometry of Forgetting: Representation Flux in Continual Learning
遗忘的几何：持续学习中的表示通量
AI 总结：该研究提出表示通量作为遗忘的几何标记，提出FlowLess-R表示空间正则化方法，在多个基准测试中结合现有重放方法提升了持续学习的平均准确率并减少了灾难性遗忘。
链接：https://arxiv.org/abs/2608.15854
84. Layers Matter: Why Continual Learning Regularization Should Be Layer-Adaptive
层很重要：为何持续学习正则化应是层自适应的
AI 总结：该研究针对持续学习正则化的层自适应问题，提出保护早期层、允许深层移动的准则，应用于EWC和SLCA后提升了平均性能与遗忘指标。
链接：https://arxiv.org/abs/2608.15901
85. Fiber Fingerprints of Hidden Learning-State Dynamics
隐藏学习状态动力学的纤维指纹
AI 总结：该研究提出纤维指纹对学习系统隐藏学习状态动力学进行形式化，结合相关模型与算法，通过Qwen2.5-7B等模型的实验验证，表明当前行为并非未来学习的充分统计量。
链接：https://arxiv.org/abs/2608.15976
86. Multi-Feature Riemannian Hypergraph for Online Test-Time Adaptation of Motor Imagery Brain-Computer Interface
用于运动想象脑机接口在线测试时自适应的多特征黎曼超图
AI 总结：针对MI-BCI解码的跨天可迁移性与在线运行挑战，提出MRieHy框架，通过融合黎曼几何的双超图实现在线测试时自适应，在三类数据集上性能优于现有基线。
链接：https://arxiv.org/abs/2608.16134
87. Transfer Learning of Keystroke Dynamics for Cross-Device User Authentication
面向跨设备用户认证的击键动力学迁移学习
AI 总结：该研究针对跨设备击键认证的分布漂移问题，提出基于归纳迁移学习的系统，结合适配数据与少量目标设备训练数据训练分类器，在BBMAS数据集上实现14.2%的等错误率，性能优于现有方法。
链接：https://arxiv.org/abs/2608.16334
88. Task-Anchored Representation Shaping for Pre-Trained Model-Based Continual Learning
面向预训练模型的持续学习的任务锚定表示塑造
AI 总结：该研究针对预训练模型持续学习中的跨任务歧义瓶颈，提出TAILS模块，通过任务锚点修正特征表示，以轻量开销提升分类与任务推理性能。
链接：https://arxiv.org/abs/2608.16345
89. SoftModel: A Neural Model That Grows Its Own Topology -- Governed Structural Growth for Continual In-Service Learning
SoftModel：一种自行扩展拓扑的神经模型——面向持续服务中学习的受控结构增长
AI 总结：该研究提出了软模型（SoftModel），其结构可随非平稳数据流持续受控增长，在标准持续学习基准上保留了长任务序列的持续学习能力，为终身学习提供了新方案。
链接：https://arxiv.org/abs/2608.16409
11. 数据集、基准与评测 | 10 篇
90. DUET: Dual-Teacher On-Policy Distillation via Same-Weight Disagreement for Prohibition Compliance
DUET：基于同权重分歧的双教师在线策略蒸馏用于禁止合规性
AI 总结：本研究针对LLM部署中的动态禁止规则合规问题，提出DUET双教师在线策略蒸馏方法，构建工业基准，在Qwen模型上实现高合规性与效用保留，性能优于基线。
链接：https://arxiv.org/abs/2608.14644
91. WANDR: A Benchmark for Wide and Deep Research
WANDR：宽深研究基准
AI 总结：该研究提出WANDR基准，含500个现实数据收集任务，用于评估研究智能体，发现现有系统性能远未饱和，性能受目标量和层级深度影响，存在发现不完整等瓶颈。
链接：https://arxiv.org/abs/2608.14747
92. NRCD: An Open Database of Collegiate Running with Unified Performance Standardization
NRCD：采用统一性能标准化的大学跑步公开数据库
AI 总结：本研究推出首个大规模公开大学跑步数据集NRCD，含12万余条表现数据，发布统一性能标准化框架，可降低运动员跨赛事表现变异性，支持体育相关研究。
链接：https://arxiv.org/abs/2608.14776
93. PathFinder: Joint Decompositions of Linked Multimodal Datasets
PathFinder：链接多模态数据集的联合分解方法
AI 总结：PathFinder是一种通用的联合矩阵分解框架，可分析未必共享同一维度的多模态数据集，能发现跨模态等的共同模式并预测缺失数据。
链接：https://arxiv.org/abs/2608.14951
94. Do Geometry-Aware Positional Encodings Help Transformers in Spatial Imperfect-Information Games?
几何感知位置编码是否有助于Transformer在空间不完美信息博弈中表现？
AI 总结：该研究在六角形海军追捕游戏基准上验证，HexRoPE位置编码可提升Transformer的信念估计与数据高效模仿能力，但未提高整体游戏胜率。
链接：https://arxiv.org/abs/2608.14982
95. Benchmarking Quantum Machine Learning for Power-System Attack Detection: Evaluation Choices Decide the Outcome Before the Models Do
电力系统攻击检测的量子机器学习基准测试：评估选择在模型之前决定结果
AI 总结：该研究针对电力系统攻击检测，将量子机器学习模型与经典模型在多类攻击下对比，发现评估选择会影响结果，发布了设种子的基准测试。
链接：https://arxiv.org/abs/2608.15617
96. PL-Guard: Probabilistic Logic Reasoning for LLM Guardrails
PL-Guard：面向大语言模型安全护栏的概率逻辑推理
AI 总结：该研究提出神经符号安全护栏架构PL-Guard，通过分离神经落地与概率符号推理，在XSTest基准上大幅降低大语言模型的不安全依从率，虽过度拒绝率略高，但提升了推理可审计性。
链接：https://arxiv.org/abs/2608.15673
97. OceanDepths: A Global Dataset of Paired Subsurface and Surface Ocean Observations
OceanDepths：全球地下与表层海洋配对观测数据集
AI 总结：本文提出首个开放全球AI适配数据集OceanDepths，配对卫星表层场与EN4地下剖面，覆盖2000-2024年、0.1°分辨率，可支撑AI海洋相关任务，含950多万配对剖面。
链接：https://arxiv.org/abs/2608.16373
98. Graph Machine Learning: An Opportunity for Power Systems
图机器学习：电力系统的一个机遇
AI 总结：该研究调研近800篇图机器学习与电力系统交叉论文，分析其在电力系统多场景的应用价值，指出领域现存挑战，推导电网基准需求目录并呼吁优先开展基准研究与开放资源发布。
链接：https://arxiv.org/abs/2608.16494
99. GEO-Flag: Detecting and Measuring GEO-Optimized Web Content
GEO-Flag：检测与测量经GEO优化的网页内容
AI 总结：本研究针对生成式引擎优化（GEO）网页检测不足的问题，构建GEOFlagBench基准，提出干预配对训练（IPT）方法，开发GEO门控智能体系统，还部署流程测量出GEO总体流行率为8.90%。
链接：https://arxiv.org/abs/2608.16824
12. 机器学习应用 | 16 篇
100. PIKFNO: An Interpretable Neural Operator Based on Physics Informed Kernel Function
PIKFNO：一种基于物理信息核函数的可解释神经算子
AI 总结：本研究提出PIKFNO框架，通过物理信息核函数约束主干网络，采用两种核函数构建策略，在有限训练数据下提升了神经算子的预测精度、可解释性与泛化性能，为开发高性能可解释神经算子提供新路径。
链接：https://arxiv.org/abs/2608.14619
101. Pushing the Limits of High-Resolution Weather Forecasting through Data Scaling
通过数据缩放推动高分辨率天气预报的极限
AI 总结：该研究针对高分辨率天气预报的 data bottleneck，提出BaguanHR框架，通过变量级超分辨率合成高分辨率数据，使预报性能超越现有方法，且数据量与预报误差呈幂律关系。
链接：https://arxiv.org/abs/2608.14652
102. RouteTS: Frequency-Time Routing for Time Series Forecasting
RouteTS：面向时间序列预测的频时路由方法
AI 总结：RouteTS是一种统一时间序列预测框架，通过振幅路由划分频谱并将分量分配至最优计算域，在保留全局周期性与局部变化的同时，兼具预测精度与计算效率优势。
链接：https://arxiv.org/abs/2608.14682
103. Iterative Refinement Diffusion for Super-Resolved Data Assimilation of Multiscale Physical Systems
用于多尺度物理系统超分辨数据同化的迭代精化扩散方法
AI 总结：本研究提出结合时间先验、生成校正与多分辨率重建的Iterative Refinement（IR）框架，在多尺度物理系统超分辨数据同化任务中，于Kraichnan湍流基准上取得优于多种对比方法的性能。
链接：https://arxiv.org/abs/2608.14744
104. Real-Time State-of-Health Estimation and Online Degradation Prognosis from Partial Battery Discharge Using Physics-Informed Neural Networks
基于物理信息神经网络的部分电池放电数据实时健康状态估计与在线退化预测
AI 总结：本研究提出物理信息深度学习方法，利用任意电压区间的部分电池放电数据，实现低于4% MAPE的实时SOH估计与无先验知识的退化趋势预测，克服了传统方法的局限。
链接：https://arxiv.org/abs/2608.14764
105. ER-KANs: Efficient and Robust Kolmogorov-Arnold Networks for Data-Scarce Scientific Machine Learning
ER-KANs：面向数据稀缺的科学机器学习的高效鲁棒柯尔莫哥洛夫-阿诺德网络
AI 总结：该研究针对数据稀缺的科学机器学习场景，提出ER-KAN，通过三种设计提升噪声鲁棒性，在多任务基准中验证其性能，还引入噪声退化比作为评估指标。
链接：https://arxiv.org/abs/2608.14773
106. FinFraudBench: A Heterogeneous Graph Benchmark for Financial Fraud Detection
FinFraudBench：用于金融欺诈检测的异质图基准
AI 总结：针对现有金融欺诈检测基准与实际金融系统不匹配的问题，本文提出异质图基准FinFraudBench，构建两个大规模异质金融图数据集并建立标准化评估协议，为相关研究提供支撑。
链接：https://arxiv.org/abs/2608.15177
107. MiNO: Cotangent-bundle propagator learning for PDEs
MiNO：用于偏微分方程的余切丛传播子学习
AI 总结：该研究提出微局部神经算子MiNO，通过学习偏微分方程的余切丛传播子，在间断平流等基准测试中表现优于物理信息神经网络与傅里叶神经算子，可服务多个未见初始条件。
链接：https://arxiv.org/abs/2608.15187
108. Beyond Field Accuracy: Two-Axis Diagnosis of Inverse-PINN Parameter Error
超越场精度：逆物理信息神经网络参数误差的双轴诊断
AI 总结：针对逆PINNs的参数误差问题，提出双轴后训练诊断方法，经三类合成PDE及耦合双参数达西检验验证，可有效分离有限样本分辨率与参数偏好，助力后续研究方向确定。
链接：https://arxiv.org/abs/2608.15373
109. Amortised Post-Hoc Explanation with Exact Preservation for Dynamic Graph Anomaly Detectors
动态图异常检测器的带精确保留的摊销事后解释
AI 总结：本文针对动态图异常检测器StrGNN缺乏解释的问题，提出X-StrGNN事后解释层，可精确保留检测性能且成本低，通过对比归因策略验证了其稳定性与效果。
链接：https://arxiv.org/abs/2608.15559
110. FirstDiff: One-Step Diffusion-Based Anomaly Detection for Multivariate Time Series via Initial Noise Prediction
FirstDiff：基于初始噪声预测的单步扩散模型多变量时间序列异常检测
AI 总结：FirstDiff是一种基于初始噪声预测的单步扩散异常检测框架，采用Diffusion Transformer作为骨干，仅需一次去噪网络评估即可在五个基准数据集上实现最优多变量时间序列异常检测性能。
链接：https://arxiv.org/abs/2608.15727
111. TinyCast: Probabilistic Zero-Shot Forecasting with Computed Periodicity
TinyCast：基于计算周期性的概率零样本预测模型
AI 总结：TinyCast是仅14.65万参数的无注意力零样本预测模型，通过计算周期建模，在多基准上参数远小于同类模型，可在嵌入式设备端到端预测。
链接：https://arxiv.org/abs/2608.15767
112. Temporal Graph Prototype-conditioned Conformal Prediction for Fraud Detection
面向欺诈检测的时序图原型条件共形预测
AI 总结：针对时序图边级欺诈检测中现有共形预测器预测集低效的问题，提出ProtoCP框架，通过原型和邻域相对得分机制优化校准，在四个基准上实现目标覆盖率且预测集更小。
链接：https://arxiv.org/abs/2608.15768
113. Beat the Counter First: A Baseline for Temporal-Graph Anomaly Detectors
先击败计数器：时序图异常检测器的基线
AI 总结：该研究针对时序图异常检测，提出无参数的SimpleCount单特征基准，经多数据集实验表明其性能优于部分复杂模型且计算成本低，建议异常检测增益需结合计算成本与单特征基准评估。
链接：https://arxiv.org/abs/2608.15965
114. AsyTO: Asymmetric Temporal Operator for Parameter-Efficient Multivariate Time Series Forecasting
AsyTO：面向参数高效多变量时间序列预测的非对称时间算子
AI 总结：针对多变量时间序列预测的参数效率与灵活性两难，本文提出非对称时间算子 AsyTO，通过分解算子张量实现参数线性增长，在多数基准场景中达到最优轻量级误差并处于帕累托前沿。
链接：https://arxiv.org/abs/2608.16098
115. RetroMPA: A Molecular Property-Aware Auxiliary Framework for Enhancing Retrosynthesis Prediction
RetroMPA：一种用于增强逆合成预测的分子属性感知辅助框架
AI 总结：RetroMPA是一种与模型无关的即插即用化学过滤器，通过注入化学知识增强逆合成预测，在USPTO-50K和USPTO-Full数据集上提升了多种模型的准确率，湿实验验证了其实际效用。
链接：https://arxiv.org/abs/2608.16111
13. 其他/综合机器学习 | 86 篇
116. Learning Discrete Riemannian Metrics for Physical Fields with Cochain-Frame Equivarianc
利用上同调框架等变性学习物理场的离散黎曼度量
AI 总结：本文提出黎曼霍奇消息传递（RHMP），通过固定拓扑相关的胞腔上边缘算子、学习几何相关的上同调度量，实现上同调框架等变性，在7项物理基准测试中取得最佳整体性能。
链接：https://arxiv.org/abs/2608.14556
117. DumpsterCluster: From Dumpster Diving to Serving LLaMA-70B on $60 GPUs
DumpsterCluster：从“废品回收”到在60美元级GPU上部署LLaMA-70B
AI 总结：本文搭建了二手GPU组成的DumpsterCluster，可在60美元级GPU上支撑LLaMA-70B推理，经济优势显著，但需结合低价电力与清洁能源以保障可持续性。
链接：https://arxiv.org/abs/2608.14614
118. Early Cycle Charge Trajectory Generative Prediction and Full Life Cycle Health Management of Iron-Chromium Flow Batteries Based on FlowBD-E1
基于FlowBD-E1的铁铬液流电池早期循环充电轨迹生成预测与全生命周期健康管理
AI 总结：本研究针对工业级33kW铁铬液流电池，提出FlowBD-E1框架，通过早期循环数据预测全周期充电轨迹，其递归潜变量预测策略实现低误差，为液流电池健康管理提供长时程诊断信号。
链接：https://arxiv.org/abs/2608.14637
119. Valid Per-Field Selective Risk Control for Document Extraction: Three Failure Modes, a Validity Ladder, and When Conditioning Pays
文档提取的有效逐字段选择性风险控制：三种失效模式、一个有效性阶梯及条件化何时奏效
AI 总结：本文针对文档提取的逐字段选择性风险控制问题，诊断出三种失效模式，提出有效性阶梯修复方案，通过多种方法验证了支持-bin等策略的效果，发布了开源代码。
链接：https://arxiv.org/abs/2608.14639
120. SMOPD: Selective Token-Entropy Masking for Dirty-History Multi-Turn On-Policy Self-Distillation
SMOPD：面向脏历史多回合在线策略自蒸馏的选择性令牌熵掩码
AI 总结：该研究针对脏历史多回合在线策略自蒸馏的脆弱性，提出SMOPD方法，通过选择性掩码低熵令牌稳定训练，在LiC数据集上提升了Qwen3模型的SHARDED视图准确率，验证了令牌级不确定性的可靠性。
链接：https://arxiv.org/abs/2608.14647
121. Discrete Diffusion Language Models Are Training-Free Multi-Label Classifiers
离散扩散语言模型是无需训练的多标签分类器
AI 总结：本研究提出无需训练的多标签分类方法dLLM-SetScore，基于离散掩码扩散语言模型，在多个数据集上对比基准模型，验证了其性能优势并完成了相关理论分析。
链接：https://arxiv.org/abs/2608.14649
122. Paired Exact-Reset Evaluation of a Prediction-Derived Medium-to-Full World-Model Cascade
预测衍生的中到全世界模型级联的配对精确重置评估
AI 总结：该研究提出配对精确重置评估协议，在PushT任务上验证预测接口路由器可降低决策成本，其优势限于低计算价格，不支持因果充分性等特性。
链接：https://arxiv.org/abs/2608.14650
123. P2E-VQ: ECG-linked representation augmentation for PPG via discrete patch retrieval
P2E-VQ：基于离散 patch 检索的、用于 PPG 的 ECG 关联表示增强方法
AI 总结：针对 PPG 难以预测心脏疾病的问题，提出 P2E-VQ 框架，通过 ECG 关联表示检索增强 PPG 表示，在 5 个数据集的 6 项下游任务中性能优于预训练基线。
链接：https://arxiv.org/abs/2608.14656
124. LUNG-KGMM: Knowledge-Guided Multimodal Learning for Lung Cancer Incidence Prediction
LUNG-KGMM：用于肺癌发病预测的知识引导多模态学习
AI 总结：本研究提出LUNG-KGMM知识引导多模态框架，整合多类数据与临床知识开展1-6年肺癌发病预测，经MIMIC及厦门队列验证，其性能优于现有方法且具备跨队列可迁移性。
链接：https://arxiv.org/abs/2608.14657
125. Ring-based Spatial Transformer: Learning Non-linear Spatial Interactions between Building Distribution and Pedestrian Flow
基于环的空间Transformer：学习建筑分布与行人流量之间的非线性空间相互作用
AI 总结：该研究提出基于环的SpatialTransformer模型，利用东京100个火车站的环缓冲区数据学习建筑分布与行人流量的非线性空间相互作用，其预测准确率优于GWR，挑战了紧凑城市假设，为城市规划提供了新视角。
链接：https://arxiv.org/abs/2608.14660
126. An automatic-differentiation framework for time-lapse electrical resistivity tomography inversion of hydrologic dynamics
用于水文动态过程的时间推移电阻率层析成像反演的自动微分框架
AI 总结：提出基于自动微分的 GPU 加速框架 AD-TLERT，整合多模块为单一计算链，实现时间推移 ERT 反演，加速约51倍，可直接反演含水量，野外应用可成像融雪驱动的山坡湿润过程。
链接：https://arxiv.org/abs/2608.14661
127. In-Context Learning to Assess Built Environment Impacts on Perceived Neighborhood Walkability Among Mobility-impaired Older Adults
基于上下文学习评估建成环境对行动受限老年人感知社区步行便利性的影响
AI 总结：本研究采用TabPFN的上下文学习方法，在小规模数据集上较传统模型更优，通过SHAP-IQ揭示高阶特征交互对行动受限老年人感知社区步行便利性的影响。
链接：https://arxiv.org/abs/2608.14663
128. Quantifying Depth Sufficiency in Residual Neural Networks: A First-Order Criterion
量化残差神经网络中的深度充分性：一阶准则
AI 总结：该研究提出一阶准则量化残差神经网络的深度充分性，证明残差非退化是深度有一阶价值的充要条件，验证激活梯度幅度可作为深度剩余一阶价值的保守诊断指标。
链接：https://arxiv.org/abs/2608.14664
129. When Does the Best Sampling Temperature Rise with the Budget? Sufficient Conditions for Pass@k
最佳采样温度何时随预算升高？Pass@k的充分条件
AI 总结：该研究针对使pass@k最大化的采样温度随预算升高的经验模式，给出了总体层面的形式化充分条件，推导了相关相图与核表示，构建了该现象的条件理论。
链接：https://arxiv.org/abs/2608.14665
130. ARGUS: Attention-Guided Transformers for Scalable Person Identification Using Wi-Fi Telemetry
ARGUS：用于利用Wi-Fi遥测技术实现可扩展人员识别的注意力引导Transformer
AI 总结：本文提出Argus系统，通过注意力引导Transformer处理Wi-Fi CSI实现无设备被动人员识别，在154人数据集上获高准确率，同时大幅降低计算量，还在多用户基准上表现优异并揭示部署限制。
链接：https://arxiv.org/abs/2608.14670
131. One Score, Two Decisions: Selective Prediction on the Rare-Disease Tail
一个分数，两个决策：针对罕见疾病尾部的选择性预测
AI 总结：针对罕见疾病尾部的选择性预测，研究发现现有小型开放权重LLM在超罕见疾病上表现受限，前两位边际可提升部分病例选择性准确率，且仅未标记分数无法确定边际切换是否有益。
链接：https://arxiv.org/abs/2608.14683
132. Mitigating Rubric Interference in LLM Judges via On-Policy Self-Distillation
通过策略内自蒸馏缓解大语言模型评审员中的评分标准干扰
AI 总结：本研究针对LLM评审员多评分标准评估时的干扰问题，提出SARA方法，通过策略内自蒸馏提升评估一致性，且该一致性可跨数据集迁移。
链接：https://arxiv.org/abs/2608.14684
133. Tail-Aware Top-$k$ On-Policy Distillation
感知长尾的Top-k在线策略蒸馏
AI 总结：针对现有Top-k在线策略蒸馏丢弃长尾概率信号的问题，提出TA-OPD方法，通过引入携带长尾概率的长尾词优化，在常见基准上使Avg@8最高提升8.05个百分点。
链接：https://arxiv.org/abs/2608.14728
134. Generative Learning of Separatrices
分界面的生成式学习
AI 总结：该研究提出结合监督分类与生成式建模的框架，通过神经网络分类器识别高不确定性区域作为初步分界面，再用基于分数的生成式模型采样，实现多稳态高维动力系统分界面的经验一致重构。
链接：https://arxiv.org/abs/2608.14743
135. M-LINKX: Multiview Graph Learning for Brain Cognitive Disease Detection
M-LINKX：用于脑部认知疾病检测的多视图图学习框架
AI 总结：本研究提出多视图图学习框架M-LINKX，通过构建多视图功能连接图并融合表示，在CAUEEG和AHEAP两类EEG数据集的痴呆分类任务中取得最优性能。
链接：https://arxiv.org/abs/2608.14847
136. Can Neural Networks Learn by Experimenting on Themselves? Self-Interventional Learning from Functional Consequences to Predictive Self-Knowledge
神经网络能否通过对自身进行实验来学习？用于预测自我知识的自干预学习
AI 总结：本研究提出自干预学习（SIL）框架，让神经网络通过扰动自身功能结构学习预测自我模型，实验表明其可恢复部分网络属性，但自我模型存在不足且未显著优于简单策略。
链接：https://arxiv.org/abs/2608.14894
137. Degeneracy Counting Quantum Algorithm using Decoherence
利用退相干的简并计数量子算法
AI 总结：针对经典优化问题全局最优解计数的#P困难问题，开发基于CTPQ态的CTPQsd#量子算法，利用探针退相干与简并度的关系，通过小型探针测量实现高效计数，模拟验证了算法有效性。
链接：https://arxiv.org/abs/2608.14941
138. LLM-based Framework for Generating and Verifying Parallel DEVS Statecharts
基于大语言模型的并行DEVS状态图生成与验证框架
AI 总结：本研究提出智能体式PDEVS-LLM框架，辅助建模人员生成验证PDEVS状态图，经评估该框架可显著提升生成状态图的逻辑一致性。
链接：https://arxiv.org/abs/2608.14956
139. A Physiology-Informed Digital Twin Framework for Simulating Liver Health Progression
一种用于模拟肝脏健康进展的生理学驱动数字孪生框架
AI 总结：本研究提出生理学驱动的肝脏数字孪生模型HEPATWIN，整合肝脏生理机制与患者特异性输入，经校准后可模拟肝脏疾病进展，能生成临床可用生物标志物，支持NASH检测，为肝脏健康监测提供新途径。
链接：https://arxiv.org/abs/2608.14969
140. Certifying Compressed Language Models: An Audit and a Statistical Toolkit
压缩语言模型的验证：审计与统计工具包
AI 总结：本文针对压缩语言模型等价声明的证据不足问题，开展17项等价声明的预注册审计，提出配对等价测试的报告标准，发布相关输出与代码。
链接：https://arxiv.org/abs/2608.15046
141. EMASAM: a Computationally Efficient Sharpness-Aware Minimization via EMA-Guided Perturbations
EMASAM：基于EMA引导扰动的计算高效型锐度感知最小化方法
AI 总结：本文提出EMASAM，一种无需额外梯度计算的SAM高效变体，通过主模型与EMA影子模型的差异生成扰动，缓解梯度不稳定性，实验验证其效率与鲁棒性。
链接：https://arxiv.org/abs/2608.15105
142. Decision-Driven Regularization: A Blended Model for Learning and Optimization
决策驱动正则化：一种用于学习与优化的混合模型
AI 总结：针对上下文优化中分离式学习与优化易致决策有效性下降的问题，提出决策驱动正则化框架，平衡预测精度与代价最小化，可推广SPO+，在合成研究中优于多个基准模型。
链接：https://arxiv.org/abs/2608.15124
143. Learning reshapes power-law anisotropy in internal representations
学习重塑内部表征中的幂律各向异性
AI 总结：该研究通过求解线性神经网络学习动力学，揭示输入统计与任务结构的动态相互作用是幂律内部表征的形成机制，且非线性网络中存在类似指数演化规律。
链接：https://arxiv.org/abs/2608.15239
144. No Task Fails Every Time: Why One-Shot Audits Are Structurally Blind to Agent Damage
没有任务每次都失败：为什么单次审计在智能体损伤问题上存在结构性盲区
AI 总结：该研究提出AgentRelBench工具，发现单次智能体审计易遗漏损伤对，模型能力提升会减少损伤任务，部分模型存在宣称弃权却执行不可逆操作的情况，且所有发现均按预注册标准执行。
链接：https://arxiv.org/abs/2608.15286
145. Look Before You Lift: Visual and Quantitative Diagnostics for Topological Deep Learning
先看再提升：拓扑深度学习的视觉与定量诊断
AI 总结：该研究提出TopoExplorer可视化技术，将TDL工作流重构为“提升-查看-设计-训练”，通过可视化提升后数据集的邻域与关键图指标，辅助TDL预处理设计，提升模型开发的原则性、可解释性与效率。
链接：https://arxiv.org/abs/2608.15388
146. FAST-DeepONet: Factor-Augmented Branch Representations for High-Dimensional PDE Inputs in the Small-Sample Regime
FAST-DeepONet：小样本 regime 下高维 PDE 输入的因子增强分支表示
AI 总结：FAST-DeepONet 解决小样本下高维 PDE 输入导致 DeepONet 统计不稳定的问题，通过结合固定谱路径与带方向惩罚的正交残差投影，在降低误差的同时减少可训练参数，适用于坐标查询架构。
链接：https://arxiv.org/abs/2608.15408
147. SAGA: Structure-Attended Generative Action Embedding Model that encodes Multi-Surface User Action Sequences
SAGA：编码多表面用户动作序列的结构注意力生成动作嵌入模型
AI 总结：SAGA是一种编码多表面用户动作序列的结构注意力生成动作嵌入模型，通过按字段分词方案实现字段级注意力，生成的用户嵌入可提升下游推荐任务的点击率和转化率。
链接：https://arxiv.org/abs/2608.15429
148. Detecting Money Laundering in Rwandan Mobile Money: A Machine Learning Framework
卢旺达移动支付中的洗钱检测：一种机器学习框架
AI 总结：本文针对卢旺达移动支付的极端类别不平衡等约束，开发并评估了符合当地AML/CFT制度的机器学习洗钱检测框架，为非洲移动支付监管机构提供了实用的治理感知监控方案。
链接：https://arxiv.org/abs/2608.15447
149. High-Dimensional Nonparametric Change-Point Detection via Low-Rank Degree-Three Density Projection
基于低秩三阶密度投影的高维非参数变点检测
AI 总结：针对高维数据中均值、协方差无法检测到的分布变化，提出基于低秩三阶密度投影的非参数变点检测方法，通过种子最短区间算法实现精确变点定位，在多维度实验中验证了方法有效性。
链接：https://arxiv.org/abs/2608.15466
150. Population Structure Analysis of an Inbred Population using Quantitative Shape Phenotyping from Stereo Retinal Photographs
基于立体视网膜眼底照片的定量形状表型分析对近交群体进行群体结构分析
AI 总结：本研究利用立体视网膜眼底照片的定量形状表型，通过多尺度立体匹配、深度神经网络及分层聚类等方法，分析诺福克岛近交群体的结构，为相关眼病的遗传风险因素研究提供支持。
链接：https://arxiv.org/abs/2608.15471
151. Optimal Lower Bounds for Networked Information Aggregation
网络化信息聚合的最优下界
AI 总结：针对Kearns等人2026年提出的网络化信息聚合问题中MSE上下界存在的研究空白，该研究利用预测器结构不变性，将下界结论推广至满足正则条件的凸损失函数，成功闭合了相关研究的误差界差距。
链接：https://arxiv.org/abs/2608.15472
152. QSMP: finding representative time series subsequences through Quick Shift+Matrix Profile
QSMP：通过Quick Shift+Matrix Profile寻找代表性时间序列子序列
AI 总结：QSMP是结合Quick Shift与Matrix Profile的新方法，可从长时序数据中找代表性波形，空间复杂度优于现有方法，能用于长时序数据的总结与可视化。
链接：https://arxiv.org/abs/2608.15492
153. Guaranteed Adaptive Modality Acquisition: When the Policy Chooses Its Own Calibration Group
带保证的自适应模态获取：策略选择自身校准组时
AI 总结：该研究针对自适应模态获取中策略诱导分组破坏条件校准假设的问题，提出RouteCert方法，在临床心电图任务及掩码多模态基准上实现了高回答比例与低分歧率的良好性能。
链接：https://arxiv.org/abs/2608.15520
154. SchurQuant: Groupwise Discrete Optimization for Layer-Wise LLM Quantization
SchurQuant：面向层大型语言模型量化的分组离散优化
AI 总结：SchurQuant结合SCHUROPT与多种技术，在8个Llama和Qwen模型的2位量化任务中，使无反向传播PTQ的平均零样本精度比最强基线高9.65pp，提升了2位大语言模型量化的精度。
链接：https://arxiv.org/abs/2608.15567
155. GraniKV: Asymmetric Granularity KV-Cache Paging for Multi-Agent Systems with Long Shared Prefix
GraniKV：面向具有长共享前缀的多智能体系统的非对称粒度KV缓存分页
AI 总结：GraniKV是首个将非对称分页粒度应用于生产分页服务引擎KV缓存的系统，通过将共享前缀和后缀分别分配至不同存储池，在多智能体服务场景下显著提升了输出令牌吞吐量。
链接：https://arxiv.org/abs/2608.15584
156. FluxBin: Flexible LUT-based Ultra-low-bit LLM Inference by Algorithm-Kernel Synergy
FluxBin：基于灵活查找表的超低位大语言模型推理——算法与内核协同设计
AI 总结：本研究针对二值量化LLM推理的硬件内核缺失问题，提出FluxBin算法-内核协同设计，实现超低位推理的加速、能效提升与内存压缩，可高效部署70B规模模型。
链接：https://arxiv.org/abs/2608.15602
157. In Defense of OCTA: The Reconstruction-Utility Gap in OCT-to-OCTA Synthesis
为OCTA正名：OCT到OCTA合成中的重建-效用差距
AI 总结：本研究针对OCT到OCTA合成，发现现有合成器虽重建效果佳，但无法保留临床关键的精细毛细血管与新生血管病变，提出需用下游任务保真度替代重建保真度评估。
链接：https://arxiv.org/abs/2608.15626
158. Sparse Prototype Code Underlies Classification and Prediction Across Modalities
跨模态分类与预测的稀疏原型编码
AI 总结：该研究揭示跨模态AI模型分类任务存在通用表征几何，推导平均场理论准确预测分类准确率，发现分类由稀疏质心对齐结构支配，关联稀疏特征提取方法。
链接：https://arxiv.org/abs/2608.15632
159. Generalised Transportability via Causal Abstractions
基于因果抽象的广义可迁移性
AI 总结：本文针对因果推理中结论迁移的问题，基于因果抽象理论提出模型级广义可迁移性框架，可同时处理所有目标查询，在近似场景下能给出有保证的查询区间，经实验验证有效。
链接：https://arxiv.org/abs/2608.15645
160. Sequential Multimodal Evidence Optimization for Product Media Ranking in E-Commerce
电商中产品媒体排序的序列多模态证据优化
AI 总结：针对电商产品媒体排序问题，本文提出SMEO框架，通过轨迹效用模型和生存加权自回归策略优化，提升转化率并减少消费者划动次数。
链接：https://arxiv.org/abs/2608.15662
161. Large Discovery Models: Empirically-grounded Model-Based Open-Ended Search
大型发现模型：基于经验的基于模型的开放式搜索
AI 总结：该研究提出大型发现模型（LDM），结合生成模型与贝叶斯非参数奖励替代模型，在神经网络训练、抗体设计和分子优化场景中，相比LLM反思或传统统计搜索，实现了更优的性能提升，可作为通用发现引擎。
链接：https://arxiv.org/abs/2608.15669
162. Learning Auditable Classifier Models: Source-Disjoint Tree Ensembles
可审计分类器模型学习：源不相交树集成
AI 总结：提出残差模式树集成（RPTE）三阶段学习方法，实现可审计性，在12个临床二分类基准上性能与对比模型相当，且审计复杂度显著低于XGBoost、EBM。
链接：https://arxiv.org/abs/2608.15725
163. CrevasseSeg: A Label-Efficient UAV Crevasse Segmentation Framework
CrevasseSeg：一种标签高效的无人机冰裂缝分割框架
AI 总结：CrevasseSeg框架针对无人机冰裂缝分割，采用多种自监督目标与架构，发现DINOv3特征在不同读出方式下表现反转，其优化 pipeline 性能优于基线，支持遥感标签高效分割研究。
链接：https://arxiv.org/abs/2608.15790
164. Cross-Entropy Risk Estimation for Language Models: Inconsistency Must Be Dense, and the Holdout Method Is No Exception
语言模型的交叉熵风险估计：不一致性必然是稠密的，留出法也不例外
AI 总结：该研究指出语言模型的每词交叉熵风险无法被一致估计，即使采用留出法也存在稠密的不一致状态，提出两种需付出代价的解决途径。
链接：https://arxiv.org/abs/2608.15798
165. A Pre-Specified Construction-Confirmation Test of Operation-Level Causal Transfer Across Finite Isomorphic Symbolic Domains
有限同构符号域间操作级因果迁移的预先指定构造-验证测试
AI 总结：本研究针对有限同构符号域，通过预先指定的构造-验证测试，在 Qwen2.5-7B-Instruct 模型的特定层区间，复现了某一候选路径的操作级因果迁移效应，但未确立更广泛的泛化性。
链接：https://arxiv.org/abs/2608.15809
166. KOALA: Koopman Operator Learning for WiFi-Based Anticipatory Hum
KOALA：基于WiFi的预测式人体姿态的Koopman算子学习框架
AI 总结：针对现有WiFi CSI人体姿态预测方法未建模时间动态、误差易累积的问题，提出KOALA框架，通过Koopman潜空间与KAL损失实现无误差累积的多步预测，在MM-Fi和WiPose数据集上性能优于基线。
链接：https://arxiv.org/abs/2608.15815
167. Second-Moment Memory in Coordinatewise Adam
坐标式Adam中的二阶矩记忆
AI 总结：该研究针对坐标式Adam，证明其二阶矩记忆会在有限方差随机梯度下抑制优化收敛，给出了相关方向界与平稳性下界，指出长二阶矩记忆会减缓优化。
链接：https://arxiv.org/abs/2608.15824
168. TransfHAR: Self-Supervised Wrist Representations for On-Demand Activity Recognition
TransfHAR：用于按需活动识别的自监督手腕表征
AI 总结：TransfHAR是一种自监督手腕IMU框架，可通过学习粗粒度运动先验实现按需细粒度活动识别，在跨数据集评估及用户研究中均优于或匹配全监督基线，为该领域提供了有效基础。
链接：https://arxiv.org/abs/2608.15861
169. Deploying Frontier Agentic Technology in MOOSEnger, a Multiphysics-Capable AI Assistant
在多物理场AI助手MOOSEnger中部署前沿智能体技术
AI 总结：本研究为面向MOOSE框架的AI智能体MOOSEnger扩展本地托管模型管控层，经多类工程任务测试，MOOSEnger-GPT-5.2成功率达90%，凸显智能体管控层对多物理场仿真的支撑价值。
链接：https://arxiv.org/abs/2608.15881
170. Information Geometry of Message Passing
消息传递的信息几何
AI 总结：该研究在Forney风格因子图上推导自然梯度消息传递（NGMP），其比变分消息传递更准确，在泊松平滑等实验中主要提升不确定性校准效果。
链接：https://arxiv.org/abs/2608.15922
171. ReliaGate: Reliability Routing for Low-Stakes Wearable Stress Prediction
ReliaGate：面向低风险可穿戴设备压力预测的可靠性路由
AI 总结：本研究提出ReliaGate框架，通过事后门控模块在可穿戴压力预测中实现固定标签可靠性路由，在四个可穿戴数据集上验证了其性能，为相关研究提供了操作框架。
链接：https://arxiv.org/abs/2608.15951
172. The Limits of Binding in Dual Encoders
双编码器中的绑定局限
AI 总结：本文揭示CLIP等双编码器的绑定缺陷源于激励机制与编码结构限制，通过数学分析明确了深度、目标、几何三方面的阻碍，为改进双编码器模型提供了理论依据。
链接：https://arxiv.org/abs/2608.15971
173. Group ICA 2.0: Closing the Gap Between Subjects and Group Latent Decomposition with Copula-Linked Group ICA (CoLiG-ICA)
Group ICA 2.0：通过 Copula 链接组 ICA（CoLiG-ICA）缩小被试与组潜在分解之间的差距
AI 总结：该研究提出 Group ICA 2.0 框架下的 CoLiG-ICA 算法，用于分解 fMRI 数据，相比传统方法可更好捕捉个体变异性，在精神分裂症分析中能识别更多额外脑网络。
链接：https://arxiv.org/abs/2608.16029
174. DeepOHeat-v2: Self-Improving Operator Learning for Fast and Trustworthy Thermal Optimization in 3D-IC Design
DeepOHeat-v2：用于3D-IC设计中快速可靠热优化的自改进算子学习
AI 总结：DeepOHeat-v2通过改进物理损失与自改进框架，解决高对比度3D-IC热优化问题，使热预测误差大幅降低，速度提升56倍且性能匹配逐步求解优化器。
链接：https://arxiv.org/abs/2608.16080
175. Towards Reasonable Molecular Structure Elucidation from Infrared Spectroscopy with Chemical Feedback
基于化学反馈的红外光谱合理分子结构解析研究
AI 总结：针对现有分子结构解析模型预测结果不合理的问题，提出化学反馈驱动的FIRMPO框架，在三类红外数据集上显著提升了解析准确性。
链接：https://arxiv.org/abs/2608.16082
176. Behaviour Is an Incomplete Measure of Reasoning Development: Cross-surface pre-arrival accessibility and the limits of developmental inference in a recurrent-depth reasoner
行为是推理发展的不完整衡量指标：循环深度推理器的跨表面预到达可访问性与发展推理的局限性
AI 总结：该研究以30M参数的循环深度关系推理器为对象，发现行为能力、内部可访问性与训练发展是不同指标，行为无法完整衡量推理发展，需因果干预进一步研究。
链接：https://arxiv.org/abs/2608.16085
177. REFLEX: Reflexive Equilibrium Fixed-point Learning for Endogenous eXchanges
REFLEX：用于内生交易的自反均衡不动点学习
AI 总结：REFLEX是一个用于场外公司债券市场报价模型的框架，通过交易商行为的可测量特征构建稳定性裕度，可预测再训练的收敛性，在模拟和市场数据中验证了其有效性，能将抽象收敛定理转化为市场安全裕度。
链接：https://arxiv.org/abs/2608.16155
178. A Tree-Structured Approach for Phishing Template and Attacker Attribution Analysis
一种针对钓鱼模板与攻击者归因分析的树结构方法
AI 总结：本研究提出一种基于DOM树结构的无监督聚类方法，用于识别钓鱼模板复用，可检测新兴及零日钓鱼模板并分析协同钓鱼威胁。
链接：https://arxiv.org/abs/2608.16158
179. Demystifying Oversmoothing in Sheaf Neural Networks: An Index-Theoretic Criterion
揭开层神经网络（Sheaf Neural Networks, SNNs）中的过度平滑之谜：一种指标理论判据
AI 总结：本研究针对层神经网络的过度平滑问题，提出指标理论比较判据，引入GyroSheaf扩展至非线性场景，经十个模型实验验证了该判据的有效性。
链接：https://arxiv.org/abs/2608.16180
180. Multi-Granularity Sentiment Integration for LLM-Based Multimodal Sentiment Analysis
面向基于大语言模型（LLM）的多模态情感分析的多粒度情感集成
AI 总结：该研究提出MGSI多粒度情感集成框架，通过多尺度编码、文本引导对齐等优化，提升基于LLM的多模态情感分析性能，在四个公开基准上效果优于冻结LLM基线。
链接：https://arxiv.org/abs/2608.16201
181. Conditional Evaluation of Language Models with Cheap Auxiliary Signals
基于廉价辅助信号的语言模型条件评估
AI 总结：针对现有语言模型条件评估中廉价辅助信号存在偏差的问题，提出半监督估计器LACE，结合局部中心化与岭控制变量，在多个基准数据集上完成实证评估。
链接：https://arxiv.org/abs/2608.16210
182. Quantifying the Gap Between Laboratory Battery Test Patterns and Field Duty Profiles
量化实验室电池测试模式与现场负载剖面之间的差距
AI 总结：该研究对比6类电池相关证据源，量化实验室测试与现场负载剖面的差距，发现电池性能指标依赖负载模式，建议应用研究同步报告负载剖面描述符及相关指标。
链接：https://arxiv.org/abs/2608.16212
183. A Privacy Study of Sparse Collaborative Inference
稀疏协同推理的隐私研究
AI 总结：该研究针对稀疏协同推理，发现稀疏激活的位置会造成严重隐私泄露，需将其视为敏感数据审计。
链接：https://arxiv.org/abs/2608.16236
184. Optimizing Multi-Market Participation of Battery and Electrolyser Systems Based on Field Performance
基于现场性能优化电池与电解槽系统的多市场参与
AI 总结：本研究结合55kW/79kWh电池储能系统与2.4kW单元电解槽的现场性能，构建价格驱动优化框架，利用2022-2025年丹麦市场数据，优化其多市场参与以提升收益，凸显实验性能评估的重要性。
链接：https://arxiv.org/abs/2608.16238
185. Efficient Coreset Selection via K-Nearest Neighbor Graphs
基于K近邻图的高效核心集选择
AI 总结：本文提出基于K近邻图的KNNG-CS核心集选择方法，在保持与梯度近似核心集方法相当精度的同时，大幅降低了选择时间与峰值内存。
链接：https://arxiv.org/abs/2608.16270
186. Foresight-England: Development of a National-Scale Generative AI Model of Electronic Health Records for Medical Event Prediction across the COVID-19 Pandemic
Foresight-England：面向COVID-19大流行期间医疗事件预测的全国规模电子健康记录生成式AI模型的开发
AI 总结：本研究开发了首个全国规模的电子健康记录生成式基础模型Foresight-E，在6100万患者数据上训练，可零样本预测医疗事件，为大流行期间的医疗事件预测提供了方法模板。
链接：https://arxiv.org/abs/2608.16273
187. SCALE: State-Calibrated Latent Embeddings for JEPA Planning in the Right Geometry
SCALE：用于正确几何空间中JEPA规划的状态校准潜在嵌入
AI 总结：该研究提出SCALE正则化器，为LeWM表示校准几何属性，在多任务、多求解器和多计算预算下均提升规划性能，证明规划依赖信息对几何的塑造作用。
链接：https://arxiv.org/abs/2608.16287
188. FETERS: Few-Shot Early Time-Series Classification via Effective Ratio Selection
FETERS：基于有效比率选择的少样本早期时间序列分类
AI 总结：本文提出FETERS少样本早期时间序列分类框架，通过类留一法选停止比率、惩罚奖励函数平衡权衡，结合Rocket特征与Chronos表示，在69个数据集的5样本设置下达最优性能。
链接：https://arxiv.org/abs/2608.16385
189. Evolving Executable Pipeline Programs for AutoML with Language Models
用语言模型演化用于自动机器学习的可执行流水线程序
AI 总结：LACE是首个以代码形式构建通用表格型AutoML的框架，用语言模型演化可执行流水线，在68个OpenML分类任务上表现优异，其核心贡献是提供可直接复用的代码级搜索空间。
链接：https://arxiv.org/abs/2608.16416
190. Localized TabICLv2: Scaling Tabular In-Context Learning through k-NN
Localized TabICLv2：通过k近邻扩展表格数据的上下文学习
AI 总结：Localized TabICLv2通过仅检索k个最近训练邻居降低TabICLv2推理成本，经微调后在TabArena分类任务上保留98.64%精度，批量和单查询场景分别实现2.18倍、约249倍中位数加速。
链接：https://arxiv.org/abs/2608.16429
191. Reference-free logged energy-oracle recovery for neural approximations of symmetric coercive variational problems: conforming Riesz reconstruction and archive-level selection
对称强制变分问题神经近似的无参考记录能量-神谕恢复：符合里泽重构与存档级选择
AI 总结：针对对称强制变分问题的神经近似，提出无参考的记录能量神谕恢复准则，通过符合里泽监测器实现存档级选择，在扩散、弹性等问题上验证了其有效性。
链接：https://arxiv.org/abs/2608.16473
192. Pallas: A Proactive KV Cache Migration Framework for LLM Inference in AI-RAN
Pallas：面向AI-RAN中LLM推理的主动KV缓存迁移框架
AI 总结：Pallas是面向AI-RAN中LLM推理的主动KV缓存迁移框架，通过切换前在目标基站预准备推理状态，结合在线调度器优化，显著降低服务中断时间与令牌间延迟。
链接：https://arxiv.org/abs/2608.16477
193. When Tool-Backed Skill Retrieval Fails: Source-Style Collapse in Executable Capability Retrieval
当工具支持的技能检索失效时：可执行能力检索中的源风格崩溃
AI 总结：该研究针对可执行能力检索中出现的源风格崩溃问题，提出源感知路由方法ToolScout，利用TF-IDF指纹提升检索覆盖率，验证了该方法的有效性。
链接：https://arxiv.org/abs/2608.16502
194. One Residual with Three Reuses: A Wristband Front End for Gesture Sensing
一次残差的三次复用：用于手势感知的腕带前端
AI 总结：本文设计了一款复用残差生成器的腕带前端，结合MEMS IMU与60 GHz FMCW雷达，在公开数据集上实现了手势检测、功耗降低及姿态跟踪精度提升。
链接：https://arxiv.org/abs/2608.16542
195. Hoeffding adaptive splitting trees for data stream classification with concept drift and ensemble learning
面向带概念漂移的数据流分类与集成学习的霍夫丁自适应分裂树
AI 总结：本文针对自适应分裂决策树作为集成基学习器的多样性不足问题，提出霍夫丁自适应分裂树模型，结合霍夫丁树的周期性分裂策略与自适应分裂机制，在综合评估中实现了最优的数据流分类性能。
链接：https://arxiv.org/abs/2608.16659
196. UniTAC: Universal Task-Aware Compression via Weighted Distortion Measures
UniTAC：基于加权失真度量的通用任务感知压缩
AI 总结：UniTAC是一种无需重新训练的通用任务感知图像编解码器，通过任务重要性向量调节，在0.034 bpp时准确率达91.4%，优于通用编解码器，接近任务专用编解码器。
链接：https://arxiv.org/abs/2608.16696
197. Beyond $L_2$: Generalizing Abductive Latent Explanations to Diverse Prototype-Based Architectures
超越$L_2$：将溯因潜在解释推广到多样化的基于原型的架构
AI 总结：本文将溯因潜在解释（ALE）框架推广到支持非欧几里得原型架构，推导了适配不同几何变体的边界算法，通过图像分类器验证了理论构造，实现了对多样化原型架构可解释性的严格跨架构比较。
链接：https://arxiv.org/abs/2608.16773
198. CaliBench: Are the Stochastic Dynamics of Video World Models Physically Calibrated?
CaliBench：视频世界模型的随机动力学是否经过物理校准？
AI 总结：CaliBench用于测试视频世界模型的物理校准，将性能分解为可评分性与校准度，发现多数场景-模型组合显著未校准，发布了mnTV指标用于模型对比。
链接：https://arxiv.org/abs/2608.16829
199. Time-Aware Validation of Machine Learning Fuel Consumption Models: Evidence from 1\,Hz Operational Data, CCGS \textit{Sir Wilfrid Laurier}
机器学习燃油消耗模型的时间感知验证：来自1Hz运行数据、CCGS Sir Wilfrid Laurier号的证据
AI 总结：针对船舶燃油消耗模型验证的时间泄漏问题，采用时间序列交叉验证等方法，结合CCGS Sir Wilfrid Laurier号的1Hz运行数据，评估回归模型与物理基线的性能，为燃油消耗模型的可靠验证提供方案。
链接：https://arxiv.org/abs/2608.16833
200. Proteus: Incremental Memory Activation for Long-Context Sequence Modeling
Proteus：面向长上下文序列建模的增量式内存激活机制
AI 总结：Proteus 是一种增量式内存激活机制，可嵌入多种神经内存架构，应用于 SWLA 等模型后，能在长上下文相关任务上实现性能提升，证明调度有效容量对序列建模的适用性。
链接：https://arxiv.org/abs/2608.16844
201. Data-Efficient and Interpretable Classification of Circulating Tumor Cell Phenotypes in Microfluidic Devices via Deep Learning
基于深度学习的微流控设备中循环肿瘤细胞表型的高效数据与可解释性分类
AI 总结：该研究针对微流控设备中CTC表型分类的数据稀缺与可解释性问题，提出含SubSeq增强策略的可解释DNN框架，提升了分类准确率并揭示局部轨迹的生物物理信息价值。
链接：https://arxiv.org/abs/2608.16870