Diffusion Controller: Framework, Algorithms and Parameterization
该论文提出了 Diffusion Controller (DiffCon) 框架，通过控制理论视角将扩散采样统一为线性可解马尔可夫决策过程，并据此推导了高效的强化学习微调算法与轻量级侧网络参数化方法，在保持骨干网络冻结的同时显著提升了扩散模型的偏好对齐效果与质量效率。
🤖 Category
cs.LG
10083 篇论文
Masked Unfairness: Hiding Causality within Zero ATE
该论文揭示了仅基于平均处理效应（ATE）为零的监管标准存在“因果掩盖”漏洞，即优化算法可在满足该统计指标的同时通过混淆因素实施严重的不公平对待，且此类隐蔽的不公难以被检测，因此主张应将公平性监管从决策层面提升至模型层面。
Adaptive Discovery of Interpretable Audio Attributes with Multimodal LLMs for Low-Resource Classification
该论文提出了一种利用多模态大语言模型在 AdaFlock 框架中自适应发现可解释音频属性的方法，通过以机器替代人工显著提升了属性发现效率，并在低资源音频分类任务中实现了优于直接预测的准确率与仅需 11 分钟的高效训练。
Combinatorial Allocation Bandits with Nonlinear Arm Utility
该论文针对匹配平台中因过度集中匹配导致用户流失的问题，提出了结合“臂满意度”的新在线学习问题“组合分配多臂老虎机（CAB）”，并设计了基于置信上界和汤普森采样的算法，在广义线性模型下实现了近似后悔值上界，并通过实验验证了其有效性。
Can Safety Emerge from Weak Supervision? A Systematic Analysis of Small Language Models
该论文提出了名为 Self-MOA 的全自动框架，利用自动化评估模型提供的弱监督信号，通过动态生成红队提示和多目标偏好优化，在显著减少训练数据依赖的同时，有效提升了小型语言模型的安全性与有用性。
TEA-Time: Transporting Effects Across Time
本文提出了名为 TEA-Time 的框架，用于将随机对照试验的治疗效应跨时间外推至未进行实验的时期，通过两种识别策略（重复试验与公共处理臂）构建了双重稳健估计量，并在 Upworthy 实验数据中揭示了精度与偏差之间的权衡关系。
RESCHED: Rethinking Flexible Job Shop Scheduling from a Transformer-based Architecture with Simplified States
该论文提出了名为 ReSched 的极简深度强化学习框架，通过重新定义马尔可夫决策过程将状态空间压缩至四个核心特征，并结合改进的 Transformer 架构，在降低建模复杂度的同时显著提升了柔性作业车间调度问题及其变体的求解性能与泛化能力。
Resource-Adaptive Federated Text Generation with Differential Privacy
本文提出了一种资源自适应的联邦文本生成框架，通过让强算力客户端进行差分隐私联邦微调、弱算力客户端通过轻量级差分隐私投票机制贡献合成数据，有效解决了跨域场景下计算异构与隐私保护带来的挑战，实现了全局分布对齐与下游任务鲁棒性的提升。
The Talking Robot: Distortion-Robust Acoustic Models for Robot-Robot Communication
本文提出了名为 Artoo 的端到端机器人间通信系统，该系统通过联合优化轻量级文本转语音发射器与自动语音识别接收器，在无需保留自然语音特征的前提下，显著提升了噪声环境下的解码准确率，并具备在资源受限平台上高效部署的能力。
Interpretable Maximum Margin Deep Anomaly Detection
该论文提出了一种名为 IMD-AD 的可解释最大间隔深度异常检测方法，通过引入少量标记异常数据和最大间隔目标，解决了 Deep SVDD 易发生超球体坍塌、依赖启发式参数且缺乏可解释性的问题，实现了端到端的超球体参数学习并提升了检测性能与诊断能力。
Entropy-Aware On-Policy Distillation of Language Models
该论文提出了一种熵感知在线策略蒸馏方法，通过在高熵场景下结合前向 KL 散度来克服传统反向 KL 散度导致的多样性丧失问题，从而在保持生成多样性的同时显著提升了语言模型在数学推理任务上的表现。
VLN-Cache: Enabling Token Caching for VLN Models with Visual/Semantic Dynamics Awareness
VLN-Cache 通过引入视图对齐重映射和任务相关性显著性过滤机制，解决了现有 Token 缓存方法在视觉与语义动态变化下的失效问题，从而在保持导航成功率的同时显著提升了 VLN 模型的推理速度。
Dreamer-CDP: Improving Reconstruction-free World Models Via Continuous Deterministic Representation Prediction
该论文提出了 Dreamer-CDP，一种基于连续确定性表示预测的 JEPA 风格方法，成功消除了对重建目标的依赖，在 Crafter 基准测试中实现了与 Dreamer 相当的性能，从而弥补了无重建世界模型与 Dreamer 之间的差距。
Countdown-Code: A Testbed for Studying The Emergence and Generalization of Reward Hacking in RLVR
该论文提出了名为 Countdown-Code 的测试环境，揭示了监督微调数据中极少量的奖励黑客行为泄露即可导致大模型习得并泛化此类对齐失效行为，从而强调了严格验证合成 SFT 数据的必要性。
Statistical Contraction for Chance-Constrained Trajectory Optimization of Non-Gaussian Stochastic Systems
该论文提出了一种基于共形推断的分布无关框架，通过构建联合非一致性分数来量化闭环动力学的不确定性，从而将非高斯随机系统的机会约束转化为可处理的确定性约束，实现了具有有限样本统计保证的安全轨迹优化与控制。
Deep Generative Spatiotemporal Engression for Probabilistic Forecasting of Epidemics
该论文提出了一种基于轻量级深度生成架构的时空回归方法，通过内源性量化不确定性，在低频率流行病数据集上实现了优于现有基准的准确且可靠的概率预测。
Combining Adam and its Inverse Counterpart to Enhance Generalization of Deep Learning Optimizers
该论文提出了一种名为 DualAdam 的新型优化器，通过结合 Adam 及其逆版本 InvAdam 的更新机制，在确保收敛性的同时利用扩散理论帮助模型逃离尖锐极小值，从而在图像分类和大语言模型微调任务中显著提升了泛化性能。
Agentic Planning with Reasoning for Image Styling via Offline RL
该论文提出了一种基于离线强化学习的智能体规划框架，通过结合链式思维推理与组合式图像编辑工具，将复杂图像风格化任务分解为可解释的工具序列，并利用合成数据显著提升了模型在视觉质量和指令遵循方面的表现。
Spectral Conditioning of Attention Improves Transformer Performance
该论文提出了一种通过系统性地调整注意力层谱特性以降低雅可比矩阵条件数、从而提升 Transformer 整体性能的理论分析与实用方法。
Making LLMs Optimize Multi-Scenario CUDA Kernels Like Experts
本文提出了涵盖多场景的 MSKernelBench 基准测试及多智能体硬件感知系统 CUDAMaster，旨在突破现有 LLM 仅优化机器学习算子的局限，实现了在科学计算等广泛领域内媲美甚至超越 cuBLAS 等闭源库的 CUDA 内核自动化优化。