On Approximating the Dynamic Response of Synchronous Generators via Operator Learning: A Step Towards Building Deep Operator-based Power Grid Simulators
本文提出了一种结合残差学习与数据聚合策略的深度算子网络（DeepONet）框架，旨在精确逼近并模拟同步发电机的动态暂态响应，以将其集成到电网仿真器中。
🤖 Category
cs.LG
16428 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。
On Pitfalls of : Data Processing Inequality Perspective
本文表明，由于后处理归因图可以在不增加信息的情况下人为地提高评分，揭示了对空间模糊掩码的系统性偏好，从而破坏了 RemOve-And-Retrain (ROAR) 基准测试的有效性，并削弱了其准确评估特征归因方法的能力。
Geometry of Lightning Self-Attention: Identifiability and Dimension
本文利用代数几何来分析非归一化自注意力网络的函数空间，在确立其可辨识性与维度的同时，刻画了奇异点，并对归一化架构中的这些结果提出了猜想。
Causal Inference with Generative Artificial Intelligence: Application to Texts as Treatments
本文提出了一种生成式人工智能驱动的推理（GPI）方法论，该方法利用大语言模型生成干预措施，并利用其内部表示从非结构化文本中进行更准确且高效的因果效应估计，从而消除了直接从数据中学习因果表示的需求，并克服了诸如混杂和重叠违规等常见挑战。
Is Stochastic Gradient Descent Effective? A PDE Perspective on Machine Learning processes
本文通过将随机梯度下降（SGD）建模为退化福克-普朗克偏微分方程，分析了其在非凸优化中的有效性，识别出不同的漂移与扩散机制，以利用新颖的双重性与熵技术来量化权重集中度、从局部极小值逃逸的时间以及渐近收敛性。
Prism: Cost-Efficient Multi-LLM Serving via GPU Memory Ballooning
Prism 是一个以内存为中心的 LLM 共存服务框架，它利用一种被称为 kvcached 的新型内存气球技术，在多个模型之间动态地回收和重新分配 GPU 显存，从而通过统一空间与时间共享，来提高生产环境中的成本效率和 SLO 达标率。
Meta-Learning Transformers to Improve In-Context Generalization
本文提出了一种利用精选的小规模领域特定数据集进行元学习训练的策略，以提升 Transformer 的上下文学习泛化能力，并证明该方法在实现与大规模训练相当的性能的同时，还提供了更优的数据质量、模块化程度以及对遗忘现象的鲁棒性。
Emergence of Hierarchical Emotion Organization in Large Language Models
本文表明，大型语言模型自然地形成了与人类心理一致的分层情绪结构，同时也揭示了在情绪识别中不成比例地影响代表性不足群体的系统性偏差。
The Urysohn Machine: A Metric-Topological Model of Computation
本文介绍了 Urysohn 机器，这是一种利用 Urysohn 三元组和构造性实现定理来通过决策边界宽度等几何度量来定义分类复杂度的度量-拓扑计算模型，同时证明了该模型在一个可重用框架内对于摊销分离度、稳定性和可扩展性的保证。
GetNetUPAM: Ecologically Informed Nested Cross-Validation and Noise-Robust Attention for Marine Bioacoustic Monitoring
本文介绍了 GetNetUPAM，这是一个基于生态学信息的嵌套交叉验证框架，并结合了一种噪声鲁棒的注意力机制卷积神经网络 (ARPA-N)，旨在通过有效应对高噪声条件并防止对局部环境伪影的过拟合，从而显著提高海洋生物声学监测的泛化能力与可靠性。