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。
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。
理解这一领域
把论文视为需要核对的研究主张：明确任务、测试数据、基线和失败案例。预印本不等同于经过同行评审的证据，基准进步也不一定能迁移到实际场景。
研究前沿
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。
研究前沿
Vision CIL 方法是否可以转移到蛋白质上？冷冻蛋白质编码器的诊断基准
arXiv:2610.18879v1 公告类型：新 摘要：蛋白质功能注释在扩展的标签空间上运行，使类增量学习 (CIL) 成为无需完全再训练即可合并新发现功能的自然框架。然而，现有的 CIL 方法主要是在视觉方面开发的，尚未对冷冻蛋白质表征进行系统评估。
研究前沿
驾驭定点曲线：连续思维机器中的图像分类
arXiv:2610.19220v1 公告类型：cross 摘要：连续思维机（CTM）是一个循环网络，它关注输入并根据神经元之间的同步进行预测。在跨越多个领域的任务中，它显示了尚未解释的新兴思维过程。我们报告了一些关于 CTM 如何对图像进行分类的发现，重点关注 ImageNet。
研究前沿
VETNET：为人工智能驱动的兽医创新组装基准数据集
arXiv:2610.14149v1 公告类型：新 摘要：VETNET 代表了一个由实时基准数据集和评估框架组成的生态系统，旨在通过标准化、高质量的数据集以及跨学术和非学术领域的多机构合作，加速动物科学和兽医领域人工智能驱动的创新。
研究前沿
Wong--随机 Volterra 方程的 Zakai 收敛性和 FNO 学习
arXiv:2610.18939v1 发布类型：新 摘要：本文研究了描述具有记忆的随机系统的随机 Volterra 积分方程（SVIE）的 Wong--Zakai 收敛性和傅里叶神经算子学习。 Wong--Zakai 定理建立了由布朗运动的分段线性逼近驱动的路径解收敛到相应的 SVIE 解。
研究前沿
扰动预测器可以学习基因相互作用吗？代理筛查中的诊断外推法
arXiv:2610.18880v1 公告类型：新 摘要：高通量扰动屏幕越来越多地使用机器学习模型来预测从未测量过的基因组合的影响。当测试对中的两个基因在训练过程中被单独看到，但它们的组合却没有时，就会出现一个困难的情况。