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。
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。
SSCI / LATEST
最新 AI 新闻与大模型动态 — 第 18 页
按发布时间追踪最新进展。
研究前沿
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。
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。