Diffusion-Based Impedance Learning for Contact-Rich Manipulation Tasks
本文提出了一种结合生成式建模与能量一致阻抗控制的“基于扩散的阻抗学习”框架，通过 Transformer 扩散模型重构零力轨迹并在线调节阻抗参数，使机器人在仅用少量样本训练后，能在实时力控下实现接触丰富任务的高精度操作与泛化。
🤖 Category
cs.LG
11798 篇论文
Complexity-Regularized Proximal Policy Optimization
本文提出了一种名为 CR-PPO 的强化学习算法，通过引入结合香农熵与不平衡度的自调节复杂度项替代传统熵正则化，在保持策略有益随机性的同时降低了对超参数调整的依赖，从而显著提升了 PPO 算法的鲁棒性。
Noise-to-Notes: Diffusion-based Generation and Refinement for Automatic Drum Transcription
本文提出了名为 Noise-to-Notes (N2N) 的新框架，将自动鼓乐转录重新定义为基于扩散模型的生成式任务，通过引入退火伪 Huber 损失函数解决离散与连续值联合优化难题，并结合音乐基础模型特征显著提升了跨域鲁棒性，在多个基准测试中取得了最先进性能。
BridgeDrive: Diffusion Bridge Policy for Closed-Loop Trajectory Planning in Autonomous Driving
本文提出了 BridgeDrive，一种基于锚点引导的扩散桥策略，通过建立前向与反向过程理论一致的轨迹规划框架，在保持实时性的同时显著提升了自动驾驶闭环场景下的规划性能。
Towards Understanding Subliminal Learning: When and How Hidden Biases Transfer
该论文通过受控实验与机制分析揭示，语言模型在硬蒸馏中发生的“潜意识学习”（即隐藏偏见转移）并非源于全局令牌纠缠，而是由少数关键的分歧令牌驱动，且这种转移主要依赖于早期网络层，同时对提示词等微小变化极为脆弱。
BeyondBench: Contamination-Resistant Evaluation of Reasoning in Language Models
本文提出了 BeyondBench 框架，通过算法化动态生成数学上可验证的难题来消除训练数据污染，对 101 个语言模型进行了涵盖不同难度与规模的抗污染推理能力评估，揭示了当前模型在复杂算法问题上的显著推理缺陷。
Hyperspherical Latents Improve Continuous-Token Autoregressive Generation
该论文提出了 SphereAR，一种通过利用超球面 VAE 将自回归生成过程中的输入输出约束在固定半径超球面上，从而解决潜在变量方差异质性问题并消除方差崩溃的图像生成方法，其在 ImageNet 上实现了超越扩散模型和掩码生成模型的自回归新纪录。
Quantitative convergence of trained single layer neural networks to Gaussian processes
本文提供了浅层神经网络在梯度下降训练过程中向高斯过程收敛的定量界限，通过显式上界证明了网络输出与高斯近似之间的二次 Wasserstein 距离随网络宽度呈多项式衰减，并量化了架构参数与训练动态对收敛误差的影响。
Pretraining Large Language Models with NVFP4
该论文提出了一种结合随机哈达玛变换、二维量化、随机舍入及选择性高精度层的 NVFP4 训练方法，成功在 10 万亿 token 上预训练了 120 亿参数模型，实现了与 FP8 基线相当的性能，为大规模语言模型的低精度高效训练开辟了新路径。
OPPO: Accelerating PPO-based RLHF via Pipeline Overlap
本文提出了 OPPO，一种轻量级且模型无关的 PPO 强化学习框架，通过引入步内流式处理与步间自适应预提交两项重叠流水线技术，有效解决了多模型依赖和长尾响应导致的效率瓶颈，在无需牺牲收敛性的前提下将训练速度提升了 1.8 至 2.8 倍。
VidGuard-R1: AI-Generated Video Detection and Explanation via Reasoning MLLMs and RL
本文提出了 VidGuard-R1，这是首个利用组相对策略优化（GRPO）强化学习框架，通过激励模型探索推理路径并引入物理一致性奖励，从而在零样本设置下实现高精度检测与可解释性归因的 AI 生成视频检测系统。
Non-Asymptotic Analysis of Efficiency in Conformalized Regression
本文针对基于 SGD 训练的共形化分位数和中位数回归，在温和假设下建立了预测集长度与最优区间长度偏差的非渐近界，揭示了效率对训练集大小、校准集大小及误覆盖率的联合依赖关系，并识别了不同覆盖率区间下的收敛率相变现象，从而为数据分配提供了理论指导。
Do We Really Need Permutations? Impact of Model Width on Linear Mode Connectivity
本文通过引入层指数加权连通性（LEWC）理论并配合 softmax 温度校准，首次实证表明无需参数重排，仅通过增加模型宽度即可显著实现线性模式连通性（LMC）。
True Self-Supervised Novel View Synthesis is Transferable
本文提出了首个无需 3D 归纳偏置或显式多视图几何概念的自监督新视角合成模型 XFactor，通过结合成对姿态估计与简单的输入输出增强方案，成功实现了姿态表示在不同场景间的可迁移性，从而确立了可迁移性作为衡量真正新视角合成能力的关键标准。
CBF-RL: Safety Filtering Reinforcement Learning in Training with Control Barrier Functions
本文提出了 CBF-RL 框架，通过在训练阶段将控制障碍函数（CBF）安全过滤机制内化到强化学习策略中，使智能体在无需运行时安全过滤器的情况下即可实现安全探索、快速收敛及在真实机器人上的鲁棒安全部署。
Bayesian Inference for PDE-based Inverse Problems using the Optimization of a Discrete Loss
本文提出了一种名为 B-ODIL 的贝叶斯框架，通过将离散损失优化（ODIL）中的偏微分方程损失作为先验知识并结合数据似然，实现了对 PDE 基逆问题的求解及不确定性量化，并在多维合成基准及脑肿瘤 MRI 成像等实际应用中验证了其有效性。
Schrödinger Bridge Mamba for One-Step Speech Enhancement
本文提出了将薛定谔桥训练范式与 Mamba 架构相结合的 Schrödinger Bridge Mamba（SBM）模型，该模型仅需单步推理即可在联合去噪和去混响任务中超越现有强基线方法，同时保持适合流式处理的实时性。
Breaking and Fixing Defenses Against Control-Flow Hijacking in Multi-Agent Systems
该论文揭示了现有针对多智能体系统控制流劫持的防御机制存在根本性缺陷，并提出并评估了受控制流完整性与最小权限原则启发的新防御方案 ControlValve，通过生成许可控制流图并强制执行上下文规则来有效阻断此类攻击。
Generalization Below the Edge of Stability: The Role of Data Geometry
本文通过理论分析揭示了数据几何在过参数化 ReLU 神经网络泛化中的核心作用，证明了当数据难以被 ReLU 激活阈值“打散”时，梯度下降倾向于学习共享模式从而实现良好泛化，而数据若易被打散（如集中在球面上）则会导致过拟合。
Testing Most Influential Sets
该论文针对线性最小二乘模型提出了一种严谨的统计推断框架，通过推导精确的影响力公式并识别最大影响力的极值分布（弗雷歇分布或甘贝尔分布），实现了对异常高影响力数据子集的假设检验，从而取代了以往依赖启发式方法的做法。