Prior laundering: 论文揭示学习先验存在不可检测的过度自信风险

一项由Ali Siahkoohi和Sina Alemohammad合作的研究近日在arXiv预印本平台发表，该论文题为“Prior laundering: learned priors with inherited, undetectable overconfidence”，首次系统性提出“先验洗钱”现象。研究者指出，在机器学习中，从数据学习得到的先验分布可能继承并隐藏过度自信，且这种偏差通过常规评估手段难以察觉，从而影响下游推理、不确定性量化及模型可解释性。论文通过理论分析与实验验证，展示了先验洗钱在逆问题、生成模型等任务中的具体表现，警示社区当前的对齐与安全评估方法可能无法捕捉此类隐性风险。该工作对人工智能系统的可靠部署和科学计算中的先验使用具有重要启示，目前论文已开放PDF全文供学术讨论。 #机器学习 #先验 #过度自信 #AI安全 #arXiv #论文 #不确定性

Hopformer: 面向时间序列预测的同质性追求Transformer

一项名为Hopformer（Homogeneity-Pursuit Transformer）的新研究于近期在arXiv预印本平台发布。该研究由Wan Zhang等六位作者共同完成，提出了一种专门用于时间序列预测的Transformer变体架构。传统Transformer在处理时间序列时往往难以捕捉数据中的局部相似模式，而Hopformer通过引入同质性追求机制，旨在更高效地识别和利用时间序列中的重复结构与趋势，从而提升预测的准确性与鲁棒性。论文详细介绍了模型的设计原理、数学推导及实验结果，预计将为金融、气象、能源等需要高精度时序预测的领域提供新的解决思路。目前该论文已开放PDF全文及HTML预览，供学术界与工业界参考。 #时间序列预测 #Transformer #同质性 #机器学习 #AI #arXiv #论文 #深度学习

Simulation-Based Empirical Bayes

Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: David Blei [ view email ] [v1] Thu, 23 Jul 2026 22:12:46 UTC (103 KB) Full-text links: Access Paper: View a PDF of the paper titled Simulation-Based Empirical Bayes, by Xinwei Shen and 3 other authors View PDF HTML (experimental) TeX Source view license Current browse context: < prev | next > new | recent | 2026-07 Change to browse by: cs stat References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litma

ps? ) Toggle scite Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle ( What is ? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs .

通用价值函数方法用于剩余使用寿命与故障模式预测

一篇发表在arXiv上的预印本论文提出了通用价值函数（General Value Functions）框架，用于设备剩余使用寿命预测和故障模式识别。该论文由Hao Yan等四位研究人员共同撰写，于2026年7月提交。研究中将强化学习领域的通用价值函数思想引入预测性维护，通过构建多时间尺度的价值估计模型，对工业系统的退化过程和失效模式进行统一建模与预测。该方法具备灵活适应不同预测任务的能力，有望提升设备的早期故障诊断精度和维修决策效率。目前论文已公开PDF全文，尚未经过正式同行评审，但为相关领域提供了新的研究思路。 #arXiv #论文 #通用价值函数 #剩余寿命 #故障预测 #机器学习 #强化学习 #预测性维护

Rao-Blackwellized E-Processes 实现高效在线 LLM 水印检测

来自 Lu Luo 等研究者的最新论文提出了一种高效的在线大语言模型（LLM）水印检测方法。该方法基于 Rao-Blackwellized E-Processes 框架，能够在流式文本场景下快速、准确地识别机器生成内容中的水印信号，显著提升检测效率并降低计算开销。该工作为 AI 文本溯源与内容安全提供了新的技术路径，有望推动大模型可追溯性研究的发展。 #LLM #水印检测 #RaoBlackwellized #EProcesses #在线检测 #机器学习 #AI安全 #arXiv #人工智能

Variational Low-rank Tensor Decomposition 论文提出多主体时空数据分析新方法

该论文发表在arXiv预印本平台，由Laura M. Montaldo等作者完成，提出了一种变分低秩张量分解框架，用于处理多主体时空数据的复杂分析任务。多主体时空数据在神经影像、流行病学等领域广泛存在，通常呈现高维度、结构化缺失和噪声干扰等特点。传统张量分解方法常需预先指定秩，且难以处理不确定性。该方法基于变分贝叶斯推断，能够自动学习低秩结构，同时量化参数不确定性，并有效应对缺失数据与异质性。论文在多组模拟数据和真实医学影像数据集上验证了算法的高效性和鲁棒性，为大规模多主体时空分析提供了可扩展的解决方案。 #张量分解 #多主体分析 #时空数据 #变分贝叶斯 #低秩模型 #arXiv #数据科学 #统计学 #机器学习 #论文

Bradley–Terry模型的一类Zermelo型迭代收敛性分析

近日，由 Ruijian Han 等学者提交至 arXiv 的论文对 Bradley–Terry 模型中的一类 Zermelo 型迭代方法进行了系统的收敛性分析。研究针对成对比较数据参数估计中广泛使用的迭代算法，建立了一族 Zermelo 迭代过程的收敛理论框架，给出了迭代收敛到唯一解的充分条件，并分析了不同迭代变体的收敛速率。该工作为 Bradley–Terry 模型的可靠参数估计提供了严谨的数学保障，对机器学习、统计建模和运筹学等领域中涉及成对比较的问题具有重要的理论支撑与应用价值。 #BradleyTerry #Zermelo迭代 #

布拉德利-特里模型Zermelo型迭代族的收敛性分析

一篇题为“Convergence analysis of a family of Zermelo-type iterations for the Bradley–Terry model”的学术论文近日在arXiv上预发布。该论文由Ruijian Han等三位作者撰写，针对Bradley-Terry模型中的一类Zermelo型迭代算法进行了系统的收敛性分析。Bradley-Terry模型是统计学中用于处理成对比较数据的经典模型，广泛应用于体育赛事排名、选票统计等领域；Zermelo迭代则是其参数估计的核心方法之一。研究团队证明了一族广义Zermelo迭代的收敛性，拓展了该算法在不同初始条件和数据分布下的适用性。这一理论成果为大规模成对比较数据的稳健估计提供了数学基础，具有重要的机器学习与统计推断意义。 #数学 #机器学习 #统计模型 #收敛性分析 #BradleyTerry #Zermelo #论文预印本

AgentHost 发布：在自有云中运行受管控的持久化 AI 代理

一款名为 AgentHost 的新平台推出，允许用户在私有云中部署和管理多个 AI 代理。该平台集成了 Claude Code、Codex 等主流代理，可执行并交叉审核自动任务；Hermes Agent 与 Gemini CLI 加入聊天工作流；OpenClaw 则作为 Telegram 和 Discord 网关独立运行。所有代理均保留完整的身份信息，包括技能、记忆、MCP 服务器和插件，在同一环境中协同工作，实现了对 AI 代理的持久化管控与安全隔离。 #AI代理 #私有云 #AgentHost #自动化 #Claude #Codex #Hermes #Gemini #OpenClaw #科技

飞书深诺推出Marvy 2.0，打造可信任的出海营销AI智能体

飞书深诺于7月23日发布Marvy 2.0，这是业内首款针对出海营销的Agentic AI产品，旨在解决AI在真实商业中难以落地的痛点。Marvy 2.0将市场洞察、媒体策略、智能创意、智能投放和数据分析五大Agent整合到同一AgentOS中协同工作，并设有Supervisor Agent进行任务协调。产品基于飞书深诺13年服务17万家企业的数据和超过1.3PB真实业务数据训练，结合垂直算法与强化学习，可实现预算分配优化、素材效果预测等功能。例如，某中国品牌开拓尼日利亚市场时，人工耗时减少89%，优化效率提升74%。Marvy 2.0还具备可追溯、可验证、可进化的能力，通过Trace→Eval→Agent机制实现自我迭代，任务有效性提升47%。飞书深诺认为，真正的行业智能需要从业务中长出来，Marvy 2.0正是基于长期行业实践构建的可信任AI营销系统。 #飞书深诺 #Marvy2.0 #出海营销 #AI智能体 #可信任AI #营销科技 #行业智能 #AgentOS #出海企业

AMD AI芯片获大客户订单，软件生态突破但仍面临量产挑战

过去几年，AMD GPU硬件性能出色，但软件生态CUDA的差距使其难以撼动英伟达地位。研究机构SemiAnalysis曾认为AMD缩小软件差距概率为零，但两年后改观：ROCm修复速度加快，AI Agent如Claude、Codex参与代码移植优化，效率提升。OpenAI、Meta、Anthropic等签下大规模合作协议，微软也决定在Azure部署Helios机架。然而，AMD面临两大挑战：软件在大型集群的稳定运行，以及Helios机架的量产问题。Helios采用开放以太网架构，但高速信号传输需大量重定时器和飞线，生产爬坡缓慢。同时，AMD内部测试集群资源不足，影响软件优化速度。若能解决量产和测试问题，AMD首度拥有接近CUDA的机会。 #AMD #英伟达 #CUDA #ROCm #Helios #AI芯片 #AI #科技新闻 #SemiAnalysis