研究前沿
Lotus：通过学习预测来理解时间序列
arXiv:2610.18877v1 公告类型：新 摘要：时间序列语言模型通常使用标签、标题或问答对将数字信号与语言对齐。尽管这种监督鼓励语言表示，但并没有明确要求它们保留有关底层时间序列信号如何演变的信息。
Artificiality 的第一次考试：法学硕士参考的超级智能 C 测试
当人类或现有 AI 标定的基准迅速饱和，研究者尝试为超智能评估建立新的参照方式。
SSCI / NEWS ARCHIVE
新闻归档
每一次技术进展，都有迹可循。
研究前沿
通过本地信任区域优化进行按策略蒸馏的代币实用程序
arXiv:2610.18883v1 公告类型：新 摘要：用于策略蒸馏（OPD）的代币选择方法使用不同的信号（包括不确定性、师生分歧和不匹配方向）对学生访问的位置进行优先级排序。
研究前沿
离散扩散模型在稀疏性下是极小极大最优
arXiv:2610.19020v1 公告类型：新 摘要：离散扩散模型已成为生成文本和其他分类数据的自回归模型的领先替代方案，但其理论基础仍然不如连续模型那么发达。
研究前沿
动作喷气机：学习动作条件数据流形的局部形状
arXiv:2610.19007v1 公告类型：新 摘要：世界模型是推理和规划的强大手段，但许多这些动作条件预测模型都是高维的且计算成本昂贵。这些挑战限制了规划者可以评估的候选行动的数量。
研究前沿
流行病模型参数估计的保形物理弱回归
arXiv:2610.19058v1 公告类型：新 摘要：传染病的房室模型通常在系数上呈线性，这些系数是物理参数或其乘积或比率。我们利用封闭式最小二乘法来利用这一点，并为估计配备无分布的不确定性。
研究前沿
具有可重用局部后验的半摊销贝叶斯推理
arXiv:2610.18945v1 公告类型：新 摘要：摊销贝叶斯推理在可能性成本昂贵或分析不可用时使用模拟来执行贝叶斯估计。然而，在具有复杂依赖性的高维模型中学习完整的联合后验是具有挑战性的。
研究前沿
延迟复杂性维度：使用延迟和审查标签进行学习
arXiv:2610.18935v1 公告类型：新 摘要：我们研究当标签在随机延迟后到达并在观察窗口 $W$ 之外进行审查时二元分类器的 PAC 学习。这个观察模型需要多少样本？我们提出了一个依赖于分布的答案，即延迟复杂度维度（DCD）。 DCD 将 VC 维度与观察通道的精确标签信息率相结合。
研究前沿
评估多语言抽象概括的大型语言模型：英语和孟加拉语的综合研究
arXiv:2610.19003v1 公告类型：新 摘要：跨语言的抽象摘要仍然具有挑战性，语言质量和事实一致性可能存在差异，特别是在资源匮乏的环境中。我们在大小匹配的英语和孟加拉语 XL-Sum 测试集上提出了八个闭源和开放权重法学硕士的标准化零样本基准。
研究前沿
立场：海马外显记忆是 AGI 的基石
arXiv:2606.11245v2 公告类型：replace-cross 摘要：大型语言模型 (LLM) 在各种任务中表现出了卓越的能力，提高了人们对通用人工智能 (AGI) 的期望。本立场文件认为，整合外显记忆是法学硕士迈向 AGI 的基石。