Unbiased Sliced Wasserstein Kernels for High-Quality Audio Captioning

Questo articolo presenta un nuovo framework per la descrizione audio ad alta qualità basato sul kernel USW-RBF con embedding posizionale rotativo, che risolve il problema del bias di esposizione preservando le relazioni temporali tra audio e linguaggio, migliorando significativamente la generazione di didascalie e le capacità di ragionamento nei modelli linguistici audio.

Manh Luong, Khai Nguyen, Dinh Phung + 2 more2026-02-27⚡ eess

Towards a Sharp Analysis of Offline Policy Learning for ff-Divergence-Regularized Contextual Bandits

Questo articolo stabilisce le condizioni esatte di concentrabilità necessarie per raggiungere una complessità di campionamento ottimale O~(ϵ1)\tilde{O}(\epsilon^{-1}) nell'apprendimento di politiche offline per banditi contestuali regolarizzati con ff-divergenza, dimostrando che la discesa del KL inverso beneficia di un'analisi basata sul pessimismo sotto concentrabilità a singola politica, mentre altre ff-divergenze fortemente convesse raggiungono la stessa efficienza senza tali restrizioni.

Qingyue Zhao, Kaixuan Ji, Heyang Zhao + 2 more2026-02-27📊 stat

Global graph features unveiled by unsupervised geometric deep learning

Il paper introduce GAUDI, un innovativo framework di deep learning geometrico non supervisionato che, grazie a un'architettura a imbuto con connessioni residue, mappa efficacemente le variabilità strutturali dei grafi in uno spazio latente continuo per isolare le caratteristiche invarianti del sistema, dimostrando superiorità nell'analisi di fenomeni complessi in ambiti che spaziano dalle reti biologiche alla neuroscienza.

Mirja Granfors, Jesús Pineda, Blanca Zufiria Gerbolés + 3 more2026-02-27🧬 q-bio

Composable and adaptive design of machine learning interatomic potentials guided by Fisher-information analysis

Il lavoro propone una strategia di progettazione adattiva e composita per i potenziali interatomici basati sull'apprendimento automatico, guidata dall'analisi della matrice di informazione di Fisher, che ha permesso di ottenere un modello ottimizzato per il niobio con un numero ridotto di parametri e un'elevata precisione nella previsione di forze ed energie.

Weishi Wang, Mark K. Transtrum, Vincenzo Lordi + 2 more2026-02-27🔬 physics.app-ph

Estimation of discrete distributions in relative entropy, and the deviations of the missing mass

Questo studio analizza l'estimazione di distribuzioni discrete in termini di entropia relativa, fornendo limiti ottimali per l'errore ad alta probabilità dell'estimatore di Laplace, identificando una tecnica di regolarizzazione ottimale dipendente dal livello di confidenza che introduce un fattore logaritmico aggiuntivo, e proponendo un nuovo stimatore adattivo per distribuzioni sparse che include anche un limite superiore preciso sulla massa mancante.

Jaouad Mourtada2026-02-27📊 stat

Conformal Prediction with Corrupted Labels: Uncertain Imputation and Robust Re-weighting

Questo lavoro presenta un framework robusto per la quantificazione dell'incertezza con dati di addestramento corrotti, analizzando la resilienza del metodo PCP a pesi imprecisi e introducendo l'imputazione incerta (UI) come alternativa che non richiede stime dei pesi, garantendo infine previsioni statisticamente valide attraverso un approccio triplamente robusto.

Shai Feldman, Stephen Bates, Yaniv Romano2026-02-27🤖 cs.LG

Multi-View Wireless Sensing via Conditional Generative Learning: Framework and Model Design

Il documento presenta un framework di sensing multi-vista basato sull'apprendimento generativo condizionale che integra conoscenze fisiche e un modello di diffusione per ricostruire con alta precisione la forma e le proprietà elettromagnetiche di un bersaglio utilizzando le informazioni sullo stato del canale (CSI) provenienti da più stazioni base.

Ziqing Xing, Zhaoyang Zhang, Zirui Chen + 3 more2026-02-27⚡ eess