Correlations Between COVID-19 and Dengue
本文提出了一种结合神经网络与长短期记忆（LSTM）模型的关联分析框架，通过整合新冠疫情数据、社会行为及气候变量，揭示了新冠与登革热病例趋势的高度相似性，并展示了利用新冠数据预测登革热感染情况的可行性，从而为缺乏登革热数据的国家提供辅助决策工具。
🤖 Category
cs.LG
11329 篇论文
Graph Neural Networks on Factor Graphs for Robust, Fast, and Scalable Linear State Estimation with PMUs
本文提出了一种基于因子图的图神经网络方法，利用相量测量单元（PMU）数据实现高效、可扩展且对故障具有鲁棒性的线性状态估计，其计算复杂度与系统节点数呈线性关系。
Expert-Aided Causal Discovery of Ancestral Graphs
本文提出了名为 Ancestral GFlowNet (AGFN) 的多样性探索强化学习算法，该算法通过贝叶斯模型整合先验与含噪后验专家反馈，实现了对存在潜在混杂的祖先图进行分布推断，并在理论收敛性与实证表现上均优于现有基线方法。
A unified framework for learning with nonlinear model classes from arbitrary linear samples
该论文提出了一种统一框架，用于从任意线性样本中学习非线性模型类，通过引入“模型类相对于采样算子分布的变差”这一核心概念并结合熵积分，建立了近最优的泛化界，从而统一并推广了矩阵草图、压缩感知及生成模型压缩感知等多个经典问题的现有理论结果。
Estimation of Energy-dissipation Lower-bounds for Neuromorphic Learning-in-memory
本文推导了基于学习存内（LIM）范式、通过调制物理存储能量势垒以匹配优化动力学的理想神经形态优化器的理论能耗下限，提出了一个仅依赖操作数、模型规模、收敛速度和精度的模型无关性能评估框架，并将其应用于大规模 AI 工作负载的能耗估算。
Make VLM Recognize Visual Hallucination on Cartoon Character Image with Pose Information
该论文提出了一种名为 PA-ICVL 的基于姿态信息的上下文视觉学习方法，利用视觉语言模型（VLM）显著提升了在非写实渲染（如卡通）图像中检测语义结构视觉幻觉的能力。
BInD: Bond and Interaction-generating Diffusion Model for Multi-objective Structure-based Drug Design
本文提出了 BInD，一种基于知识引导的扩散模型，通过协同生成分子及其与靶标蛋白的相互作用，有效解决了现有结构药物设计模型难以平衡多种优化目标的局限，实现了在靶标特异性相互作用、分子性质及局部几何结构上的全面优异表现。
Combining X-Vectors and Bayesian Batch Active Learning: Two-Stage Active Learning Pipeline for Speech Recognition
本文提出了一种结合无监督 X 向量聚类与基于蒙特卡洛 Dropout 的贝叶斯批主动学习的两阶段流水线，通过分阶段筛选多样且信息丰富的语音样本，显著降低了自动语音识别模型训练的数据标注需求并提升了性能。
Predictive Coding Networks and Inference Learning: Tutorial and Survey
这篇论文全面综述并形式化定义了基于神经科学预测编码框架的预测编码网络（PCNs），阐述了其作为比传统反向传播更具生物合理性且能统一监督与无监督学习的通用机器学习框架的潜力与优势。
Transforming Agency. On the mode of existence of Large Language Models
本文通过基于具身认知理论的自主性条件分析，论证大型语言模型（LLM）因缺乏个体性、规范性及交互不对称性而并非自主主体，应被界定为一种虽无自主性但能通过“幽灵性”人机耦合显著重塑人类代理形式的“会说话的图书馆”或语言自动机。
PACE: Marrying generalization in PArameter-efficient fine-tuning with Consistency rEgularization
该论文提出了 PACE 方法，通过将参数高效微调（PEFT）与一致性正则化相结合，利用乘性噪声扰动特征来隐式约束梯度范数并维持模型与预训练版本的一致性，从而在显著提升视觉和文本任务泛化能力的同时，有效解决了传统对齐方法可能引发的梯度爆炸问题。
FALCON: Future-Aware Learning with Contextual Object-Centric Pretraining for UAV Action Recognition
本文提出了 FALCON，一种针对无人机视频动作识别的统一自监督预训练方法，通过结合物体感知掩码自编码与物体中心的双视野未来重建，有效解决了航拍画面中背景杂乱导致的空间不平衡问题，显著提升了识别精度并实现了比传统监督方法快 2 至 5 倍的推理速度。
An Efficient Self-supervised Seismic Data Reconstruction Method Based on Self-Consistency Learning
该论文提出了一种基于自一致性学习的轻量级自监督方法，无需额外数据集即可利用地震数据内部相关性实现高质量的不规则数据重建，有效解决了传统监督学习方法依赖外部数据及现有无监督方法约束不足的问题。
Ditto: Motion-Space Diffusion for Controllable Realtime Talking Head Synthesis
本文提出了 Ditto，一种基于扩散模型的实时可控说话人合成框架，通过引入运动空间扩散变换器、优化架构与训练策略以及建立运动表征与面部语义的映射，在显著提升推理速度和可控性的同时实现了低延迟的流式处理。
L0-Regularized Quadratic Surface Support Vector Machines
本文针对核自由二次曲面支持向量机（QSVM）参数过多导致的过拟合与解释性差问题，提出了一种通过正则化实现稀疏性的变体模型，并设计了一种能够产生满足一阶最优性条件解的高效惩罚分解算法，实验表明该模型在保持竞争力的同时能生成稀疏解，特别适用于信用评分等实际场景。
Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation
这篇综述系统梳理了大型多模态语言模型在文献检索、研究构思与实验、内容生成、多模态创作及科学评估等五大关键环节中的应用，深入探讨了相关数据集、方法、评估策略、局限性及伦理风险，旨在为“人工智能驱动科学”（AI4Science）领域的新进者提供指南并推动未来系统的整合与发展。
FragFM: Hierarchical Framework for Efficient Molecule Generation via Fragment-Level Discrete Flow Matching
本文提出了 FragFM，一种基于片段级离散流匹配的层次化分子生成框架，通过结合粗粒度到细粒度的自编码器与随机片段包策略，实现了高效、可扩展且具备优异属性控制能力的分子生成，并引入了针对天然产物生成的 NPGen 基准以验证其在药物发现中的优越性能。
Aligning Compound AI Systems via System-level DPO
该论文针对复合 AI 系统因组件间不可微交互及系统级偏好难以转化为组件级偏好而导致的对齐难题，提出了一种基于有向无环图建模并扩展直接偏好优化（DPO）的系统级对齐框架 SysDPO，有效实现了多组件系统的联合偏好对齐。
Adversarial Robustness of Partitioned Quantum Classifiers
本文研究了在 NISQ 时代下，针对电路切割或量子态隐形传态等分布式执行方式的对抗性扰动，揭示了此类扰动与在量子分类器中间层实施对抗门之间的内在联系，并从理论和实验角度分析了分区量子分类器的对抗鲁棒性。
CAPS: Context-Aware Priority Sampling for Enhanced Imitation Learning in Autonomous Driving
本文提出了一种名为 CAPS 的上下文感知优先级采样方法，该方法利用 VQ-VAE 提取结构化特征并聚类数据以解决模仿学习中的样本不平衡问题，从而在 CARLA 仿真中显著提升了自动驾驶模型在 Bench2Drive 场景下的泛化能力、驾驶得分及成功率。