Emotion Collider: Dual Hyperbolic Mirror Manifolds for Sentiment Recovery via Anti Emotion Reflection
本文提出了名为 Emotion Collider (EC-Net) 的双曲超图框架，该框架利用庞加莱球嵌入表示模态层次结构，并通过双向消息传递、双曲空间对比学习及自适应超边构建，在噪声或部分模态缺失的情况下显著提升了多模态情感识别的鲁棒性与准确率。
🤖 Category
cs.LG
6753 篇论文
ModalImmune: Immunity Driven Unlearning via Self Destructive Training
本文提出了 ModalImmune 框架，通过训练过程中可控地坍缩特定模态信息并结合自适应正则化、信息增益引导控制及曲率感知梯度掩蔽等技术，使多模态模型在面对输入通道丢失或损坏时仍能保持鲁棒性、收敛稳定性及重建能力。
Whole-Brain Connectomic Graph Model Enables Whole-Body Locomotion Control in Fruit Fly
该论文提出了基于果蝇全脑连接组构建的 FlyGM 模型，通过将静态神经架构转化为定向消息传递图，成功实现了无需任务特定调优的果蝇全身运动控制，并证明了其相较于随机图或多层感知机具有更高的样本效率和性能。
Conformal Tradeoffs: Guarantees Beyond Coverage
该论文针对部署中的共形预测器，提出了超越边际覆盖率保障的运营认证与规划框架，通过小样本 Beta 修正、独立审计集校准及几何特征分析，在有限时间窗口内为系统的承诺频率、推迟决策及错误暴露等关键运营指标提供明确的有限样本保证与帕累托权衡分析。
Latent Equivariant Operators for Robust Object Recognition: Promise and Challenges
该论文通过在旋转和平移噪声 MNIST 数据集上的实验，展示了潜在空间等变算子架构能够有效克服传统网络与先验等变网络在未见对称变换下的泛化局限，实现鲁棒的分布外分类，同时也探讨了将其扩展至更复杂数据集所面临的挑战。
Characterizing MARL for Energy Control: A Multi-KPI Benchmark on the CityLearn Environment
该论文利用 CityLearn 环境构建了一个涵盖多关键性能指标（KPI）的基准测试，通过对比不同训练架构和神经网络的 MARL 算法，发现去中心化训练在平均表现、最坏情况性能及电池寿命等实际挑战上优于集中式训练，并揭示了策略在应对资源移除时的鲁棒性。
RAmmStein: Regime Adaptation in Mean-reverting Markets with Stein Thresholds -- Optimal Impulse Control in Concentrated AMMs
该论文提出了一种名为 RAmmStein 的深度学习强化学习方法，通过将流动性管理建模为最优控制问题并结合均值回归特征，在去中心化交易所的集中流动性环境中显著降低了再平衡频率与交易成本，从而实现了优于传统贪婪策略的净投资回报率。
Benchmarking GNN Models on Molecular Regression Tasks with CKA-Based Representation Analysis
该研究系统评估了四种图神经网络在分子回归任务中的表现，提出了一种结合图神经网络与分子指纹的层级融合框架，发现其性能优于单一模型，并证实两者在潜在空间中具有高度独立性。
MrBERT: Modern Multilingual Encoders via Vocabulary, Domain, and Dimensional Adaptation
本文介绍了基于 ModernBERT 架构、支持 35 种语言及代码的 MrBERT 模型系列，该系列通过词汇、领域和维度适配（含 Matryoshka 表示学习）在加泰罗尼亚语、西班牙语及生物医学、法律等专业领域实现了最先进的性能，同时显著降低了推理与存储成本。
Autoregressive Visual Decoding from EEG Signals
本文提出了名为 AVDE 的轻量级框架，通过结合对比学习对齐 EEG 与图像表征，并利用基于“多尺度预测”策略的自回归生成模型，实现了高效、低参数量且符合人类视觉感知层级特性的脑电视觉解码。
CeRA: Breaking the Linear Ceiling of Low-Rank Adaptation via Manifold Expansion
本文提出了 CeRA（容量增强型秩适应）方法，通过引入 SiLU 门控和结构式丢弃在权重层面实现流形扩展，从而突破低秩适应（LoRA）在复杂推理任务中因线性约束导致的性能瓶颈，以显著更低的秩实现了超越高秩 LoRA 的谱效率与推理能力。
Scaling Search Relevance: Augmenting App Store Ranking with LLM-Generated Judgments
该论文通过利用经过优化的微调大语言模型生成数百万条文本相关性标签，有效解决了专家标注稀缺的难题，并在 App Store 搜索排序中实现了行为相关性与文本相关性的同步提升，最终在全球 A/B 测试中显著提高了转化率，尤其在长尾查询场景下效果最为突出。
End-to-end Differentiable Calibration and Reconstruction for Optical Particle Detectors
该论文提出了首个端到端可微光学粒子探测器模拟器，通过单一可微框架统一了模拟、校准与重建过程，利用基于梯度的优化方法在保持计算效率的同时实现了比传统方法更优的精度与速度，为粒子物理实验设计确立了新的范式。
Attn-QAT: 4-Bit Attention With Quantization-Aware Training
本文提出了 Attn-QAT，一种针对 4 比特注意力机制的量化感知训练方法，通过解决反向传播中的精度失配问题，在无需显式异常值抑制的情况下实现了稳定的 FP4 训练与推理，并在 RTX 5090 上带来了高达 1.5 倍的加速。
The Partition Principle Revisited: Non-Equal Volume Designs Achieve Minimal Expected Star Discrepancy
本文提出了一种基于非等体积分区的新设计，证明了其产生的分层采样点集在期望星不一致性上优于传统的抖动采样，并推导出了更优的显式上界，从而为高维数值积分中应用非等体积分区提供了理论基础。
How Well Do Multimodal Models Reason on ECG Signals?
本文提出了一种可复现的评估框架，通过将心电图推理分解为“感知”（利用代理框架生成代码验证时序结构）和“推理”（基于检索比对临床准则）两个独立组件，实现了对多模态模型在心电图信号上真实推理能力的可扩展验证。
Opponent State Inference Under Partial Observability: An HMM-POMDP Framework for 2026 Formula 1 Energy Strategy
该论文针对 2026 年 F1 新规下因对手隐藏状态导致的部分可观测随机博弈问题，提出了一种结合隐藏马尔可夫模型（HMM）推断对手能量状态与深度 Q 网络（DQN）制定决策的两层框架，有效解决了传统单智能体优化方法无法应对的“反收割陷阱”等复杂策略挑战。
TCG CREST System Description for the DISPLACE-M Challenge
本文介绍了 TCG CREST 团队在 DISPLACE-M 挑战赛（Track 1）中针对嘈杂乡村医疗场景提出的说话人日记系统，该系统通过对比模块化 SpeechBrain 框架与基于 WavLM 的 Diarizen 端到端框架，并结合多种聚类算法，最终在评估集上取得了 9.21% 的说话人日记错误率（DER），在 11 支参赛队伍中排名第六。
A Detection-Gated Pipeline for Robust Glottal Area Waveform Extraction and Clinical Pathology Assessment
该论文提出了一种检测门控流水线，通过结合定位器与分割器及时间一致性机制，实现了跨数据集鲁棒的高清喉镜声门区域波形提取，并验证了其在区分健康与病理发声功能中的临床有效性。
Leveraging Model Soups to Classify Intangible Cultural Heritage Images from the Mekong Delta
本文提出了一种结合 CoAtNet 架构与模型汤（Model Soups）技术的框架，通过集成多样化检查点来降低方差并提升泛化能力，从而在数据稀缺的湄公河三角洲非物质文化遗产图像分类任务中取得了优于现有基准的优异性能。