Geopolitics, Geoeconomics, and Sovereign Risk: Different Shocks, Different Channels
该研究基于 2018 至 2025 年 42 个经济体的数据，揭示了地缘政治冲击通过直接渠道重定价主权违约风险，而地缘经济冲击则通过货币政策预期和全球金融周期传导，两者形成“剪刀差”模式，并据此提出流动性供给可缓解金融周期传导的利差扩大，但无法消除地缘政治风险溢价中的持久成分。
🤖 Category
cs.LG
2315 篇论文
HyWA: Hypernetwork Weight Adapting Personalized Voice Activity Detection
本文提出了一种名为 HyWA 的新方法，利用超网络为语音活动检测（VAD）模型中的特定层生成个性化权重，从而在保持架构统一的同时，显著提升了个性化语音活动检测（PVAD）的平均精度并优化了部署效率。
Reveal-to-Revise: Explainable Bias-Aware Generative Modeling with Multimodal Attention
该论文提出了一种名为“揭示 - 修订”的可解释性偏差感知生成框架，通过融合跨模态注意力、Grad-CAM++ 归因及迭代反馈机制，在多个基准测试中实现了超越现有基线的生成质量、鲁棒性及公平性。
Absolute indices for determining compactness, separability and number of clusters
该论文提出了一种新颖的绝对聚类指标，通过定义簇的紧致性函数和簇间邻域点集来量化簇的紧致性与可分性，从而有效确定数据中的真实簇数量，并在多种数据集上验证了其优于传统相对指标的性能。
Predicting kernel regression learning curves from only raw data statistics
该论文提出了一种基于数据协方差矩阵和目标函数多项式分解的“厄米特征结构假设”（HEA）理论框架，能够仅利用原始数据统计量准确预测真实数据集上的核回归学习曲线，并发现多层感知机在特征学习阶段也遵循该假设所预测的厄米多项式学习顺序。
Revisiting Value Iteration: Unified Analysis of Discounted and Average-Reward Cases
该论文通过基于几何的统一分析，证明了在存在唯一且单链最优策略的假设下，价值迭代算法在折扣奖励和平均奖励两种设定下均具有比现有理论更优的几何收敛速度，从而解释了其实际表现优于传统理论预测的现象。
KV Cache Transform Coding for Compact Storage in LLM Inference
本文提出了 KVTC，一种基于主成分分析、自适应量化和熵编码的轻量级变换编码方法，能够在保持大语言模型推理精度和长上下文能力的同时，实现高达 20 倍（特定场景下 40 倍以上）的 KV 缓存压缩，从而显著降低显存占用并支持缓存复用。
Causal Regime Detection in Energy Markets With Augmented Time Series Structural Causal Models
该论文针对能源市场中连续发生的机制转换及现有方法缺乏因果解释的局限，提出了一种结合神经因果发现与多变量时序数据的增强型时间序列因果模型（ATSCM），旨在通过可解释的因子和动态因果图实现对电价形成机制的深入理解及反事实推理。
Towards Causal Market Simulators
本文提出了一种结合变分自编码器与结构因果模型的时序神经因果模型（TNCM-VAE），通过引入有向无环图约束和因果 Wasserstein 距离，成功生成了既保留时间依赖性又符合因果机制的金融合成数据，从而显著提升了反事实概率估计的准确性并支持更可靠的金融压力测试与情景分析。
Resource Allocation in Hybrid Radio-Optical IoT Networks using GNN with Multi-task Learning
本文提出了一种结合图神经网络与 Transformer 的 DGET 多任务学习框架，以解决混合射频 - 光通信物联网网络中在部分信道观测和能量约束下 NP 难的双技术调度问题，实现了近最优的吞吐量与年龄信息（AoI）联合优化。
STREAM-VAE: Dual-Path Routing for Slow and Fast Dynamics in Vehicle Telemetry Anomaly Detection
本文提出了 STREAM-VAE 模型，通过双路径编码器分离车辆遥测数据中的慢速漂移与快速尖峰动态，从而在多种工况下实现比现有基线方法更鲁棒的异常检测。
Hierarchical Dual-Strategy Unlearning for Biomedical and Healthcare Intelligence Using Imperfect and Privacy-Sensitive Medical Data
本文提出了一种针对医疗数据隐私风险的层次化双策略遗忘框架，通过几何约束梯度更新与概念感知令牌级干预相结合，在仅修改 0.1% 参数的情况下实现了 82.7% 的遗忘率与 88.5% 的知识保留，有效平衡了敏感信息移除与基础医疗能力保持的需求。
CostNav: A Navigation Benchmark for Real-World Economic-Cost Evaluation of Physical AI Agents
本文提出了 CostNav，这是首个结合行业标准监管与财务数据及物理仿真的经济导航基准，通过量化分析揭示现有导航方法在真实商业部署中均无法实现经济可行性，从而挑战社区开发以经济成本为核心指标的导航策略。
Partially Equivariant Reinforcement Learning in Symmetry-Breaking Environments
该论文针对现实环境中普遍存在的对称性破缺问题，提出了部分群不变 MDP（PI-MDP）框架及相应的部分等变强化学习算法（PE-DQN 和 PE-SAC），通过根据对称性是否成立选择性地应用等变或标准贝尔曼备份，有效抑制了局部对称性破缺导致的误差传播，从而显著提升了强化学习的样本效率与泛化能力。
Cross-embodied Co-design for Dexterous Hands
该论文提出了一种跨本体协同设计框架，能够端到端地自动学习特定任务的手部形态与互补控制策略，并在不到 24 小时内完成从设计、训练到实物制造与部署的全过程。
A scalable and real-time neural decoder for topological quantum codes
该论文介绍了 AlphaQubit 2，这是一种基于神经网络的解码器，能够在商用加速器上实现微秒级实时解码，并在大规模下为表面码和色码提供近最优的逻辑错误率，从而显著提升了色码的解码速度并确立了通往高容错量子计算的可行路径。
Toward Closed-loop Molecular Discovery via Language Model, Property Alignment and Strategic Search
本文提出了名为 Trio 的分子生成框架，通过整合片段式分子语言模型、强化学习与蒙特卡洛树搜索，实现了兼具可解释性、合成可行性与高结合亲和力的闭环靶向分子设计，显著优于现有最先进方法并大幅拓展了化学空间多样性。
Maximum Risk Minimization with Random Forests
本文提出了一种基于最大风险最小化（MaxRM）原则的随机森林变体，通过设计高效算法并证明统计一致性，实现了在均方误差、负奖励和遗憾三种风险度量下的跨环境泛化，并针对遗憾风险给出了新分布下的泛化保证。
PvP: Data-Efficient Humanoid Robot Learning with Proprioceptive-Privileged Contrastive Representations
该论文提出了名为 PvP 的基于本体感知与特权状态对比学习的框架，并开发了首个统一的人形机器人状态表征学习评估平台 SRL4Humanoid，显著提升了人形机器人在动态环境下的样本效率与控制性能。
Pretrained battery transformer (PBT): A foundation model for universal battery life prediction
该论文提出了首个电池寿命预测基础模型“预训练电池 Transformer（PBT）”，它通过融合电池知识的混合专家层从异构数据中学习可迁移表征，在涵盖多种离子电池和老化条件的广泛测试中显著超越了现有最先进方法，为数据稀缺领域的通用寿命预测系统提供了可扩展的解决方案。