Orion: Characterizing and Programming Apple's Neural Engine for LLM Training and Inference
本文介绍了 Orion，这是首个能够绕过 CoreML 直接利用苹果神经引擎（ANE）进行大语言模型训练与推理的开源端到端系统，它通过揭示并规避 ANE 的 20 项限制、实现权重热更新以将每步训练时间缩短 8.5 倍，并在 M4 Max 设备上成功实现了 GPT-2 的高效推理及 1.1 亿参数模型的稳定训练。
🤖 Category
cs.LG
9332 篇论文
Don't Freeze, Don't Crash: Extending the Safe Operating Range of Neural Navigation in Dense Crowds
该论文提出了一种结合密度不变观测编码、密度随机化训练及物理信息近距奖励塑造的强化学习方法，有效解决了密集人群导航中因分布外密度导致的泛化失效问题，在显著减少冻结现象的同时实现了零样本密度泛化与高碰撞避免率。
PolyBlocks: A Compiler Infrastructure for AI Chips and Programming Frameworks
本文介绍了 PolyBlocks，这是一个基于 MLIR 的模块化编译器基础设施，通过组合轻量级仿射分析与启发式成本模型自动执行多级分块、融合及算子映射等优化，实现了从高层框架到特定 AI 芯片的高效代码生成，并在 NVIDIA GPU 上的实验表明其性能可媲美甚至超越 Torch Inductor 和 XLA。
Calibrated Credit Intelligence: Shift-Robust and Fair Risk Scoring with Bayesian Uncertainty and Gradient Boosting
本文提出了“校准信用智能”（CCI）框架，通过结合贝叶斯神经网络、公平性约束梯度提升及分布偏移感知融合策略，在动态变化的信贷数据中实现了兼具高准确性、可靠校准性与群体公平性的风险评分。
Rank-Factorized Implicit Neural Bias: Scaling Super-Resolution Transformer with FlashAttention
该论文提出了秩分解隐式神经偏置（RIB）以替代传统的相对位置偏置，从而在超分辨率 Transformer 中启用高效的 FlashAttention 并支持更大窗口与数据集的扩展，最终在显著提升重建质量（Urban100×2 达 35.63 dB PSNR）的同时，将训练和推理时间分别缩短了 2.1 倍和 2.9 倍。
Heterogeneous Decentralized Diffusion Models
该论文提出了一种高效且支持异构训练目标的去中心化扩散模型框架，通过结合异构训练范式、预训练检查点转换及 PixArt-alpha 架构，在显著降低计算与数据需求的同时，实现了比同质化基线更优的生成质量与多样性。
Improved Constrained Generation by Bridging Pretrained Generative Models
该论文提出了一种通过微调预训练生成模型，使其能够在保持生成质量的同时直接在复杂可行域（如道路地图）内生成样本的约束生成框架。
Stabilizing Reinforcement Learning for Diffusion Language Models
该论文针对群相对策略优化（GRPO）直接应用于扩散语言模型时因概率比估计噪声导致的奖励崩溃问题，提出了通过无条件截断和自归一化机制来打破不稳定性循环的 StableDRL 方法，并进一步将其扩展至块级扩散模型。
Enhancing Instruction Following of LLMs via Activation Steering with Dynamic Rejection
该论文提出了名为 DIRECTER 的新方法，通过结合注意力敏感性分析与基于合理性的解码循环，动态调节激活引导强度，从而在无需额外数据集的情况下有效缓解大语言模型的过度引导问题，显著提升了指令遵循能力且未牺牲生成质量。
Property-driven Protein Inverse Folding With Multi-Objective Preference Alignment
本文提出了 ProtAlign 框架，通过多目标偏好对齐策略微调预训练逆折叠模型，在保持结构可设计性的同时，有效平衡了蛋白质序列设计中溶解度、热稳定性等多种开发属性。
Latent Autoencoder Ensemble Kalman Filter for Data assimilation
该论文提出了一种潜在自编码器集合卡尔曼滤波（LAE-EnKF）方法，通过在具有线性稳定动力学的潜在空间中重构数据同化问题，有效解决了标准集合卡尔曼滤波在处理强非线性系统时的性能瓶颈，并在保持计算效率的同时显著提升了同化精度与稳定性。
Implementation of Quantum Implicit Neural Representation in Deterministic and Probabilistic Autoencoders for Image Reconstruction/Generation Tasks
该论文提出了一种基于量子隐式神经表示（QINR）的混合量子 - 经典自编码器与变分自编码器模型，通过结合经典 CNN 编码器与量子解码器，在 MNIST 等数据集上实现了比现有量子生成模型更稳定、多样性更高且细节更清晰的图像重建与生成任务。
Learning Unbiased Cluster Descriptors for Interpretable Imbalanced Concept Drift Detection
该论文提出了一种名为 ICD3 的无偏聚类描述符方法，通过多分布粒度搜索识别不平衡概念并分别训练单类分类器，从而有效克服了主导大簇对少数小概念漂移的“掩蔽效应”，实现了可解释且鲁棒的不平衡概念漂移检测。
Enhancing SHAP Explainability for Diagnostic and Prognostic ML Models in Alzheimer Disease
该论文提出了一种多层次可解释性框架，通过在 NACC 数据集上整合多种指标，验证了 SHAP 方法在阿尔茨海默病诊断与预后模型中跨任务、跨阶段及跨架构的解释具有高度的一致性与稳定性，从而增强了临床应用的可靠性。
Diversity-Aware Adaptive Collocation for Physics-Informed Neural Networks via Sparse QUBO Optimization and Hybrid Coresets
该论文提出了一种基于稀疏 QUBO 优化和混合核心集构建的多样性感知自适应配点方法，通过从候选池中筛选兼具高信息量与低冗余度的点集，有效解决了物理信息神经网络（PINNs）在训练效率与精度上的瓶颈问题。
Prediction of Steady-State Flow through Porous Media Using Machine Learning Models
该研究提出了一种基于机器学习的框架，通过对比卷积自编码器、U-Net 和傅里叶神经操作符（FNO）三种架构，发现 FNO 在预测多孔介质稳态流动方面表现最优，其均方误差低至 0.0017 且比传统计算流体力学方法快 1000 倍，同时具备网格不变性，为冷板拓扑优化提供了高效可扩展的替代方案。
Metalearning traffic assignment for network disruptions with graph convolutional neural networks
该论文提出了一种结合图卷积神经网络与元学习架构的方法，使模型能够快速适应因道路网络中断（如封闭）和出行需求变化而同时改变的图结构与 OD 矩阵，从而在未见过的极端场景下实现高精度的交通流预测（R²约 0.85）。
Failure Detection in Chemical Processes using Symbolic Machine Learning: A Case Study on Ethylene Oxidation
本文提出了一种基于符号机器学习的故障预测方法，通过利用化学过程模拟器生成的数据，在乙烯氧化案例中证明了该方法在保持模型可解释性的同时，其性能优于随机森林和多层感知机等基线模型，并探讨了其在辅助化工操作员决策中的应用潜力。
Gauge Freedom and Metric Dependence in Neural Representation Spaces
该论文从几何视角指出神经网络表示空间存在线性变换的规范自由度，揭示了常用相似度度量（如余弦相似度）会因坐标变换而改变，并主张表征分析应聚焦于规范不变量或明确定义的规范坐标。
HGT-Scheduler: Deep Reinforcement Learning for the Job Shop Scheduling Problem via Heterogeneous Graph Transformers
本文提出了一种基于异构图 Transformer 的强化学习调度框架（HGT-Scheduler），通过将作业车间调度问题建模为异构图并利用边类型感知的注意力机制来捕捉不同的关系语义，从而在 Fisher-Thompson 基准测试中显著提升了调度策略的性能。