Active Advantage-Aligned Online Reinforcement Learning with Offline Data
该论文提出了 A3RL 方法，通过引入一种新颖的置信度感知主动优势对齐（A3）采样策略，动态优先选择与策略演进需求相匹配的在线和离线数据，从而有效解决了结合在线与离线强化学习时面临的灾难性遗忘、数据质量鲁棒性及样本效率低等挑战，并实现了优于现有技术的策略优化效果。
🤖 Category
cs.LG
2325 篇论文
Language in the Flow of Time: Time-Series-Paired Texts Weaved into a Unified Temporal Narrative
该论文提出了名为“文本即时间序列”（TaTS）的新框架，通过将具有周期性特征的配对文本视为时间序列的辅助变量，使现有纯数值时间序列模型无需修改架构即可有效处理多模态数据，从而显著提升预测和插补任务的性能。
LaVCa: LLM-assisted Visual Cortex Captioning
该论文提出了一种名为 LaVCa 的数据驱动方法，利用大语言模型为图像生成自然语言描述，从而比现有方法更准确、细致地解析人脑视觉皮层中体素的选择性及其功能特性。
Unveiling Downstream Performance Scaling of LLMs: A Clustering-Based Perspective
该论文提出了一种基于难度聚类的 COD 框架，通过构建具有稳定扩展特性的任务子集并推导映射函数，成功解决了大语言模型下游任务性能预测中因能力涌现和任务难度不均导致的高变异性问题，在 70B 参数模型上实现了仅 1.55% 的平均预测误差。
Subclass Classification of Gliomas Using MRI Fusion Technique
该研究提出了一种基于多模态 MRI 图像融合（T1、T2、T1ce 和 FLAIR）的胶质瘤亚类分类方法，通过结合 2D 与 3D UNET 分割及加权平均融合技术，并利用预训练 ResNet50 模型进行分类，在 BraTS 数据集上实现了 99.25% 的高准确率，显著优于现有方法。
A Simple and Effective Reinforcement Learning Method for Text-to-Image Diffusion Fine-tuning
该论文提出了一种名为“留一法 PPO"（LOOP）的新型强化学习方法，通过结合 REINFORCE 的方差缩减技术与 PPO 的鲁棒性及样本效率优势，有效解决了文本到图像扩散模型微调中样本效率与最终性能之间的权衡难题。
Go Beyond Your Means: Unlearning with Per-Sample Gradient Orthogonalization
本文提出了名为 OrthoGrad 的新方法，通过将遗忘集梯度投影到保留集梯度的正交子空间，在仅有少量保留数据的情况下有效解决了机器遗忘中梯度干扰问题，从而在移除特定数据影响的同时保持模型整体性能。
LLM-Powered Prediction of Hyperglycemia and Discovery of Behavioral Treatment Pathways from Wearables and Diet
该研究提出了一种名为 GlucoLens 的可解释机器学习系统，它利用可穿戴设备、饮食及工作日志等多模态数据，结合大语言模型来预测餐后血糖曲线下面积及高血糖风险，并能通过反事实解释为个体提供个性化的行为干预建议。
IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models
本文提出了 IMPACT 框架，利用视觉语言模型推断环境语义以生成各向异性接触成本图，并结合接触感知 A*规划器，实现在杂乱环境中高效且安全的接触式运动规划。
Characterizing Nonlinear Dynamics via Smooth Prototype Equivalences
该论文提出了一种名为平滑原型等价（SPE）的新框架，利用可逆神经网络将稀疏且含噪的观测数据映射到原型行为空间，从而在无需已知方程的情况下有效识别非线性动力系统的不变集（如极限环和不动点）并分类其动力学机制。
MUSS: Multilevel Subset Selection for Relevance and Diversity
本文提出了名为 MUSS 的多层级子集选择方法，通过利用数据结构优化相关性与多样性选择问题，在推荐系统和检索增强生成（RAG）等应用中实现了比现有方法（如 MMR 和 DGDS）更高的精度、显著更快的速度以及更优的理论近似保证。
More Bang for the Buck: Process Reward Modeling with Entropy-Driven Uncertainty
本文提出了熵驱动不确定性过程奖励模型（EDU-PRM），该框架通过利用高预测熵自动锚定推理步骤边界，无需昂贵的人工标注即可在 ProcessBench 基准测试中超越现有强基线，并仅用 1.5% 的训练数据实现了与 SOTA 模型相当的性能及更高效的推理。
Enhancing Metabolic Syndrome Prediction with Hybrid Data Balancing and Counterfactuals
本文提出了一种名为 MetaBoost 的混合框架，通过集成多种数据平衡技术与反事实分析，不仅显著提升了代谢综合征预测模型的准确性，还识别出血糖和甘油三酯为关键风险因素，为临床干预提供了可操作的见解。
Estimating Item Difficulty Using Large Language Models and Tree-Based Machine Learning Algorithms
该研究证实，利用大语言模型提取认知与语言特征并结合树集成机器学习算法，比直接让模型评分更能准确预测 K-5 数学和阅读题目的难度，从而为减少大规模实地测试提供了高效可行的替代方案。
A Champion-level Vision-based Reinforcement Learning Agent for Competitive Racing in Gran Turismo 7
该论文提出了一种仅依赖车载摄像头和传感器数据的视觉强化学习智能体，通过非对称演员 - 评论家框架在《Gran Turismo 7》中实现了无需外部定位的冠军级竞技表现。
Structural Inference: Interpreting Small Language Models with Susceptibilities
该论文提出了一种将神经网络视为贝叶斯统计力学系统的线性响应框架，通过估计数据分布扰动下的局部 SGLD 采样响应，高效计算可分解为逐 Token 归因分数的“敏感性”，并利用响应矩阵的低秩结构成功分离了 300 万参数 Transformer 中的功能模块（如多词元头和归纳头）。
Learning to Rank Critical Road Segments via Heterogeneous Graphs with Origin-Destination Flow Integration
本文提出了一种名为 HetGL2R 的异构图学习框架，通过构建融合起终点流量、路径及网络拓扑的三分图与属性引导图，利用异构联合随机游走和 Transformer 编码器捕捉长程空间依赖与功能关联，从而有效提升了关键道路路段的排序性能。
From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review
该论文系统整合了2019至2025年间评估大语言模型与自主智能体的碎片化工作，提出了涵盖约60个基准的统一分类法，综述了智能体框架、跨领域应用及关键协作协议，并针对未来研究方向提出了具体建议。
StablePCA: Distributionally Robust Learning of Shared Representations from Multi-Source Data
本文提出了名为 StablePCA 的分布鲁棒框架，旨在从多源高维数据中提取共享的低维表示，并通过凸松弛与镜像近端算法解决其非凸优化难题，同时提供了评估松弛紧致性的数据依赖证书。
Reinforcement Learning for Individual Optimal Policy from Heterogeneous Data
本文提出了一种针对异质时间平稳马尔可夫决策过程的个性化离线策略优化框架，通过引入个体潜变量构建异质模型并设计惩罚性悲观个性化策略学习（P4L）算法，在弱覆盖假设下实现了平均遗憾的快速收敛，并在模拟与真实数据中展现出优于现有方法的性能。