3D CBCT Artefact Removal Using Perpendicular Score-Based Diffusion Models
该论文提出了一种基于垂直分数扩散模型的 3D 牙科种植体补全方法，通过在投影域结合两个不同平面的 2D 扩散模型来利用投影间的相关性，从而有效生成高质量且伪影减少的 3D CBCT 图像。
🤖 Category
cs.LG
11575 篇论文
Polarized Direct Cross-Attention Message Passing in GNNs for Machinery Fault Diagnosis
本文提出了一种名为极化直接交叉注意力（PolaDCA）的新型关系学习框架，通过基于数据驱动的图构建和动态注意力机制，克服了传统图神经网络在建模复杂动态交互及依赖静态图结构方面的局限，显著提升了旋转机械故障诊断在噪声环境下的准确性与泛化能力。
From Entropy to Calibrated Uncertainty: Training Language Models to Reason About Uncertainty
该论文提出了一种包含熵计算、Platt 校准及强化学习微调的三阶段流水线，旨在高效地训练大语言模型在推理时直接输出可解释且校准良好的不确定性估计，从而克服传统后处理方法的计算开销与校准不足问题。
SAHOO: Safeguarded Alignment for High-Order Optimization Objectives in Recursive Self-Improvement
本文提出了 SAHOO 框架，通过目标漂移指数、约束保持检查和回归风险量化三大机制，在递归自我改进过程中有效监测并控制对齐漂移，从而在代码生成、数学推理和事实性等多个领域显著提升模型性能的同时确保安全性与对齐稳定性。
AI End-to-End Radiation Treatment Planning Under One Second
该论文介绍了一种名为 AIRT 的端到端深度学习框架，它能在单块 Nvidia A100 GPU 上不到一秒的时间内，直接从 CT 图像和结构轮廓生成前列腺 VMAT 放疗计划，并在靶区覆盖度和器官保护等关键指标上展现出与 RapidPlan Eclipse 相当的非劣效性。
MoEless: Efficient MoE LLM Serving via Serverless Computing
MoEless 是首个基于无服务器架构的混合专家（MoE）大模型服务框架，它通过轻量级负载预测与动态专家扩缩容策略，有效解决了专家负载不均导致的延迟与成本问题，相比现有方案显著降低了推理延迟和成本。
Dynamic Chunking Diffusion Transformer
本文提出了动态分块扩散 Transformer（DC-DiT），通过引入端到端学习的编码器 - 路由器 - 解码器架构，根据图像内容复杂度和扩散时间步自适应地压缩 Token 序列，从而在显著降低计算成本的同时提升了生成质量，并支持从预训练 DiT 模型的低成本迁移。
Frequency-Separable Hamiltonian Neural Network for Multi-Timescale Dynamics
本文提出了一种频率可分的哈密顿神经网络（FS-HNN），通过利用多个网络分别参数化快慢模式并基于不同时间尺度采样数据进行训练，有效克服了传统哈密顿神经网络难以捕捉多时间尺度复杂动态的局限，显著提升了在常微分方程和偏微分方程问题上的长期外推性能与泛化能力。
Tiny, Hardware-Independent, Compression-based Classification
该论文提出了一种基于归一化压缩距离的轻量级分类方法，通过将其扩展至核方法框架并优化训练效率，实现了在仅依赖单用户数据且无需大量标注样本的情况下，即可在资源受限的客户端设备上获得高精度分类效果，从而有效解决了机器学习中的隐私与计算资源矛盾。
CLAIRE: Compressed Latent Autoencoder for Industrial Representation and Evaluation -- A Deep Learning Framework for Smart Manufacturing
本文提出了名为 CLAIRE 的混合深度学习框架，通过结合无监督深度表征学习与监督分类，并利用博弈论可解释性技术分析潜在空间，有效解决了高维工业环境中传感器数据噪声大、冗余多的问题，显著提升了智能制造系统中的故障检测精度与可解释性。
Adaptive Lipschitz-Free Conditional Gradient Methods for Stochastic Composite Nonconvex Optimization
本文提出了首个无需全局平滑常数或线搜索的自适应投影自由框架 ALFCG，通过自归一化累加器估计局部平滑度，在随机复合非凸优化中实现了优于现有方法的迭代复杂度并展现出卓越的性能。
Kinetic-based regularization: Learning spatial derivatives and PDE applications
本文提出了一种基于动能正则化（KBR）的局部多维核回归方法，通过显式与隐式两种方案实现了对离散含噪数据空间导数的二阶精度估计，并展示了其在保守求解器中稳定捕捉激波及求解高维不规则点云偏微分方程的潜力。
Talk Freely, Execute Strictly: Schema-Gated Agentic AI for Flexible and Reproducible Scientific Workflows
该论文针对科学工作流中确定性与灵活性难以兼得的矛盾，提出了一种通过机器可验证的“模式门控”将对话自由与执行严格相分离的架构，并验证了多模型评分在系统评估中的有效性，旨在实现既灵活又可复现的代理式 AI 科学工作流。
Efficient, Property-Aligned Fan-Out Retrieval via RL-Compiled Diffusion
该论文提出了 R4T 框架，通过利用强化学习一次性生成目标一致的训练数据来蒸馏扩散模型，从而在显著提升集合级检索质量的同时，将查询延迟降低了约一个数量级。
U6G XL-MIMO Radiomap Prediction: Multi-Config Dataset and Beam Map Approach
该论文针对 6G U6G 频段 XL-MIMO 系统辐射图预测中的数据稀缺与泛化难题，构建了首个包含 8 万张辐射图的多配置数据集，并提出了基于物理信息的“波束图”方法，通过解耦阵列辐射与多径传播，显著提升了模型在未见配置和环境下的预测精度与泛化能力。
Adapter-Augmented Bandits for Online Multi-Constrained Multi-Modal Inference Scheduling
本文提出了 M-CMAB 框架，通过结合多适配器增强的任务表征、基于对偶乘子的在线约束机制以及两阶段调度策略，有效解决了多模态大模型在异构后端和动态预算下的在线推理调度难题，实现了在多维约束下优于现有基线的奖励表现。
A Reference Architecture of Reinforcement Learning Frameworks
该论文针对强化学习框架缺乏统一参考架构的问题，基于对 18 个主流框架的扎根理论分析，提出了一套包含核心组件及其关系的参考架构，并以此重构典型模式、识别技术趋势以指导框架改进。
CLoPA: Continual Low Parameter Adaptation of Interactive Segmentation for Medical Image Annotation
本文提出了 CLoPA 策略，通过在标注缓存上对 nnInteractive 模型进行轻量级的持续参数微调，无需引入新参数或改变推理流程，即可在多种医学图像分割任务中快速将零-shot 模型的性能提升至专家水平。
Certified and accurate computation of function space norms of deep neural networks
本文提出了一种结合区间算术、自适应细分及数值积分的框架，能够直接利用神经网络结构，在无需强假设的情况下，为深度神经网络的函数空间范数（如 和 Sobolev 范数）及 PINN 残差提供严格且准确的确定性上下界计算。
Toward Generative Quantum Utility via Correlation-Complexity Map
该论文提出了一种“关联 - 复杂度映射”作为诊断工具，通过量化的量子关联相似性与经典关联复杂度指标，识别出湍流数据等适合 IQP 量子生成模型的结构域，并据此设计了一种利用紧凑电路和潜在轨迹插值的混合方法，在显著减少训练样本和参数规模的同时实现了与经典模型相当的分布对齐效果，从而推动了生成式量子实用性的发展。