🤖 machine learning
Optimizing Three Critical Factors for Practical and Effective OOD Detection Fine-Tuning
本文提出了一种实用且有效的分布外（OOD）检测框架，该框架通过自知识蒸馏、半硬离群采样以及离群值感知监督对比学习，优化了模型记忆、数据采样和表示学习，在提升检测性能和分类准确率的同时，在多种基准测试中表现优于现有方法。
🤖 Category
cs.LG
23609 篇论文
从化学元素周期表中的碳到镥，这一领域涵盖了众多基础与应用科学的核心议题。在这里，我们探索物质的结构、反应机制及其在材料科学和生命科学中的奇妙应用，让复杂的科学发现变得触手可及。
Gist.Science 每日从 arXiv 获取该分类下的最新预印本，确保您第一时间接触前沿研究。我们不仅提供详尽的技术解读，更将深奥的学术内容转化为通俗易懂的通俗摘要，帮助不同背景的读者轻松理解科学进展。
以下是该分类下最新的论文精选，邀请您一同开启这段探索之旅。
📊 statistics
Label Differential Privacy via Aggregation
本文提出了一种针对回归任务的标签差分隐私框架，该框架通过对训练实例或不相交的数据包进行加权线性聚合，在无需添加标签噪声的情况下，实现了更强的实际界限和效用保持，并提供了强大的隐私保证。
🤖 machine learning
Explainable few-shot learning workflow for detecting invasive and exotic tree species
本文提出了一种可解释的小样本学习工作流，该工作流将孪生网络与可解释人工智能（XAI）相结合，利用无人机图像有效检测巴西大西洋沿岸森林中的入侵及外来树种，在仅需极少量标注数据的情况下实现了高准确率，并为其预测提供了透明的视觉解释。
⚛️ quantum physics
Quantum State Preparation with the QNN-based SRBB Algorithm
本文提出了一种用于近似态制备的新型变分量子算法，该算法利用构建在标准递归块基（SRBB）层级对角子代数之上的量子神经网络，在实现高精度的同时，显著降低了小规模模拟及真实量子设备上的电路深度和 CNOT 计数。
🤖 machine learning
SG-Blend: Learning an Interpolation Between Improved Swish and GELU for Robust Neural Representations
本文介绍了 SG-Blend，这是一种逐层自适应激活函数，它通过学习一种新型偏置修正 Swish 变体（SSwish）与 GELU 之间的最优插值，证明了其相比于标准的固定激活函数，能够降低训练方差并在自然语言处理和计算机视觉任务中展现出卓越的性能。
🤖 machine learning
Generalization in VAE and Diffusion Models: A Unified Information-Theoretic Analysis
本文提出了一个统一的信息论框架，为变分自编码器（VAE）和扩散模型中的编码器与生成器提供了泛化保证，揭示了依赖于扩散时间的显式权衡，并实现了可计算的界限以优化模型性能。
🤖 machine learning
Learning Intrinsic Water-Quality Dynamics with Rainfall for Data-Driven Forecasting
本文介绍了 RaiNet，这是一个利用 LocTrend 和 XGateFusion 对多尺度水质动态和降雨影响进行联合建模的数据驱动框架，该框架在性能上比现有模型提升了 20% 以上，并同时发布了三个新的多模态数据集用于研究。
🤖 machine learning
Configuration-Dependent Lower Bounds for Approximation by Shallow ReLU Networks on the Sphere
本文建立了球面浅层 ReLU 网络依赖于配置的下界，证明了尽管这些网络可以超越有限元方法，但它们对光滑函数的逼近精度本质上受限于由网络的参数配置和目标函数的正则性所决定的饱和阶。
⚡ electrical engineering
PitchFlower: A flow-based neural audio codec with pitch controllability
PitchFlower 是一种基于流（flow-based）的神经音频编解码器，它通过采用一种将输入 F0 轮廓进行平坦化和偏移并以真实音高作为条件的训练策略，实现了高质量且音高可控的音频合成，从而有效地将音高与音色解耦，并滤除来自退化训练数据的伪影。
📊 statistics
Statistical analysis of Inverse Entropy-regularized Reinforcement Learning
本文提出了一个用于逆熵正则化强化学习的统计框架，该框架通过将熵正则化与最小二乘重构相结合，解决了经典逆强化学习中奖励恢复的非唯一性问题，从而为估计的奖励函数建立了非渐近极小极大最优收敛速率，并将行为克隆与现代统计学习理论联系起来。