arXiv 新论文探索神经组合优化中 Best-of
一篇题为《Stabilized Best-of-K Training for Neural Combinatorial Optimization》的研究论文近日在 arXiv 上发布，作者包括 Melveena Jolly 等。该研究聚焦于神经组合优化领域，针对 Best-of-K 训练策略的稳定性问题展开探讨。Best-of-K 是强化学习与组合优化中常用的一种采样训练方式，通过从当前策略中生成多个候选解并择优更新模型，以提升求解质量。然而，该类方法在训练中可能面临方差大、收敛不稳定等挑战。论文提出相应的稳定化手段，以期改善神经组合优化模型的训练效果。该论文已提交至 arXiv 计算机科学方向，并提供 PDF 与 HTML 全文访问。 #arXiv #神经网络 #组合优化 #机器学习 #论文
一篇题为《Stabilized Best-of-K Training for Neural Combinatorial Optimization》的研究论文近日在 arXiv 上发布，作者包括 Melveena Jolly 等。该研究聚焦于神经组合优化领域，针对 Best-of-K 训练策略的稳定性问题展开探讨。Best-of-K 是强化学习与组合优化中常用的一种采样训练方式，通过从当前策略中生成多个候选解并择优更新模型，以提升求解质量。然而，该类方法在训练中可能面临方差大、收敛不稳定等挑战。论文提出相应的稳定化手段，以期改善神经组合优化模型的训练效果。该论文已提交至 arXiv 计算机科学方向，并提供 PDF 与 HTML 全文访问。 #arXiv #神经网络 #组合优化 #机器学习 #论文
Similarity-Aware Machine Unlearning 论文提交至 arXiv
据 arXiv 预印本平台信息，一篇题为“Similarity-Aware Machine Unlearning”的学术论文已由 Madhavan Citalamangalam Kumaran 等三位作者提交，并于 2026 年 7 月 31 日发布。该论文聚焦于机器遗忘领域，旨在解决深度学习模型在移除特定数据点时效率与准确性的平衡问题。标题暗示作者提出了一种基于数据相似性感知的遗忘方法，通过利用样本间的相似关系来优化遗忘过程，可能减少对模型全局性能的影响。目前论文的完整 PDF 版本已公开，相关代码与数据链接、引用工具等辅助资源也一并提供，供学界深入研究和复现。该工作对隐私保护与合规性机器学习具有潜在价值。 #机器学习 #机器遗忘 #隐私保护 #arXiv #AI安全 #数据删除 #深度学习
据 arXiv 预印本平台信息，一篇题为“Similarity-Aware Machine Unlearning”的学术论文已由 Madhavan Citalamangalam Kumaran 等三位作者提交，并于 2026 年 7 月 31 日发布。该论文聚焦于机器遗忘领域，旨在解决深度学习模型在移除特定数据点时效率与准确性的平衡问题。标题暗示作者提出了一种基于数据相似性感知的遗忘方法，通过利用样本间的相似关系来优化遗忘过程，可能减少对模型全局性能的影响。目前论文的完整 PDF 版本已公开，相关代码与数据链接、引用工具等辅助资源也一并提供，供学界深入研究和复现。该工作对隐私保护与合规性机器学习具有潜在价值。 #机器学习 #机器遗忘 #隐私保护 #arXiv #AI安全 #数据删除 #深度学习
验证器诱导的支持重塑
据arXiv论文显示，由Shaohang Wei等六位作者共同提交的论文“Verifier-Induced Support Reshaping in On-Policy Optimization”正式上线。该研究聚焦于在线策略优化（on-policy optimization）领域，提出通过验证器（verifier）来重塑策略支持分布的技术路径。论文探讨了在强化学习或大模型对齐场景中，如何利用验证器引导模型探索更优策略空间，从而提升训练效率与稳定性。当前论文已提供PDF和HTML版本，并附有相关工具链接。该工作为优化算法提供了新的理论视角，有望推动强化学习与生成式AI的进一步发展。 #arXiv #论文 #在线策略优化 #验证器 #强化学习 #AI #机器学习
据arXiv论文显示，由Shaohang Wei等六位作者共同提交的论文“Verifier-Induced Support Reshaping in On-Policy Optimization”正式上线。该研究聚焦于在线策略优化（on-policy optimization）领域，提出通过验证器（verifier）来重塑策略支持分布的技术路径。论文探讨了在强化学习或大模型对齐场景中，如何利用验证器引导模型探索更优策略空间，从而提升训练效率与稳定性。当前论文已提供PDF和HTML版本，并附有相关工具链接。该工作为优化算法提供了新的理论视角，有望推动强化学习与生成式AI的进一步发展。 #arXiv #论文 #在线策略优化 #验证器 #强化学习 #AI #机器学习
PCINN: 物理化学信息神经网络实现实时空间ALD覆盖率预测
一篇题为《A Physics-Chemistry-Informed Neural Network (PCINN) for Real-Time Spatial-ALD Coverage Prediction and Reliable Kinetics Inversion》的论文于2026年7月31日提交至arXiv。该研究由Ning Hu等人提出，旨在解决空间原子层沉积（Spatial-ALD）过程中覆盖率实时预测与动力学参数反演的难题。传统的实验测量或物理模型往往耗时且精度有限，而PCINN通过将物理化学先验知识（如反应动力学方程）嵌入神经网络架构，实现了对薄膜生长过程的实时、高精度预测。该方法不仅能快速输出覆盖率分布，还能可靠地反演关键动力学参数，为半导体制造、纳米材料制备等领域提供了一种高效、智能的工艺监控手段。论文展示了PCINN在多种工况下的优越性能，有望推动ALD工艺的数字化与智能化。 #AI #神经网络 #原子层沉积 #半导体 #材料科学 #机器学习 #物理信息网络 #arXiv
一篇题为《A Physics-Chemistry-Informed Neural Network (PCINN) for Real-Time Spatial-ALD Coverage Prediction and Reliable Kinetics Inversion》的论文于2026年7月31日提交至arXiv。该研究由Ning Hu等人提出，旨在解决空间原子层沉积（Spatial-ALD）过程中覆盖率实时预测与动力学参数反演的难题。传统的实验测量或物理模型往往耗时且精度有限，而PCINN通过将物理化学先验知识（如反应动力学方程）嵌入神经网络架构，实现了对薄膜生长过程的实时、高精度预测。该方法不仅能快速输出覆盖率分布，还能可靠地反演关键动力学参数，为半导体制造、纳米材料制备等领域提供了一种高效、智能的工艺监控手段。论文展示了PCINN在多种工况下的优越性能，有望推动ALD工艺的数字化与智能化。 #AI #神经网络 #原子层沉积 #半导体 #材料科学 #机器学习 #物理信息网络 #arXiv
arXiv新论文提出推理时策略对齐方法，促进公平强化学习
一篇以“推理时策略对齐实现公平强化学习”为题的论文近日在arXiv上预发布。该研究由Umer Siddique等学者完成，专注于解决强化学习在应用中可能出现的公平性偏差问题。传统方法多在训练阶段引入公平约束，而该工作创新性地提出在推理阶段进行策略对齐，通过调整已训练模型的输出决策，在保持性能的同时显著提升公平性指标。论文展示了在多种基准任务上的实验效果，验证了该方法在资源分配、推荐系统等场景中的有效性。该研究为构建更负责任、更公平的AI系统提供了新思路，有望推动强化学习在敏感领域的实际部署。 #arXiv #强化学习 #公平性 #AI伦理 #策略对齐 #机器学习
一篇以“推理时策略对齐实现公平强化学习”为题的论文近日在arXiv上预发布。该研究由Umer Siddique等学者完成，专注于解决强化学习在应用中可能出现的公平性偏差问题。传统方法多在训练阶段引入公平约束，而该工作创新性地提出在推理阶段进行策略对齐，通过调整已训练模型的输出决策，在保持性能的同时显著提升公平性指标。论文展示了在多种基准任务上的实验效果，验证了该方法在资源分配、推荐系统等场景中的有效性。该研究为构建更负责任、更公平的AI系统提供了新思路，有望推动强化学习在敏感领域的实际部署。 #arXiv #强化学习 #公平性 #AI伦理 #策略对齐 #机器学习
响应幅度成为CRISPRi扰动效应预测的主导信号
一项发表于arXiv预印本的研究表明，在预测CRISPRi（CRISPR干扰）扰动效应时，响应幅度可作为主导信号。该研究由Mehrdad Shoeibi和Niloofar Yousefi完成，论文标题为“Response Magnitude as a Dominant Signal for Held-Out CRISPRi Perturbation Effect Prediction”。研究团队通过分析基因扰动实验数据，发现响应幅度这一特征在预测未观测到的扰动效应中表现突出，优于其他传统信号。该发现有助于改进基因功能预测模型，为理解基因调控网络和开发精准基因编辑策略提供新思路。论文已提供PDF全文及HTML版本，并附有相关代码与数据链接。 #arXiv #CRISPRi #基因编辑 #响应幅度 #扰动效应预测 #生物信息学 #科研论文
一项发表于arXiv预印本的研究表明，在预测CRISPRi（CRISPR干扰）扰动效应时，响应幅度可作为主导信号。该研究由Mehrdad Shoeibi和Niloofar Yousefi完成，论文标题为“Response Magnitude as a Dominant Signal for Held-Out CRISPRi Perturbation Effect Prediction”。研究团队通过分析基因扰动实验数据，发现响应幅度这一特征在预测未观测到的扰动效应中表现突出，优于其他传统信号。该发现有助于改进基因功能预测模型，为理解基因调控网络和开发精准基因编辑策略提供新思路。论文已提供PDF全文及HTML版本，并附有相关代码与数据链接。 #arXiv #CRISPRi #基因编辑 #响应幅度 #扰动效应预测 #生物信息学 #科研论文
Leak It: 一种从黑盒语言模型中提取训练数据的概率方法
一篇题为《Leak It: A Probabilistic Approach to Training-Data Extraction from Black-Box Language Models》的学术论文于2026年7月31日提交至预印本平台arXiv。该论文由Victor Maricato Oliveira撰写，提出了一种基于概率的方法，旨在从黑盒语言模型中提取训练数据。这一研究方向关乎大语言模型的安全性与隐私保护，通过分析模型输出，逆向推断其训练集中的信息。论文目前以PDF及HTML格式公开，并附有相关代码与数据链接，供研究者复现与评估。 #论文 #AI #语言模型 #数据提取 #arXiv #黑盒模型 #隐私安全 #概率方法
一篇题为《Leak It: A Probabilistic Approach to Training-Data Extraction from Black-Box Language Models》的学术论文于2026年7月31日提交至预印本平台arXiv。该论文由Victor Maricato Oliveira撰写，提出了一种基于概率的方法，旨在从黑盒语言模型中提取训练数据。这一研究方向关乎大语言模型的安全性与隐私保护，通过分析模型输出，逆向推断其训练集中的信息。论文目前以PDF及HTML格式公开，并附有相关代码与数据链接，供研究者复现与评估。 #论文 #AI #语言模型 #数据提取 #arXiv #黑盒模型 #隐私安全 #概率方法
研究重新思考专门设计数据的预训练方法，JONES
一篇发表于arXiv的论文《Rethinking Pretraining for Specialized Design Data: Evidence from the JONES-19 Cultural Design Dataset》提出，当前主流的预训练策略在处理专门设计数据（如文化设计数据集）时可能效果有限。作者通过构建并分析JONES-19文化设计数据集，提供了实证证据，表明需要针对这类特殊领域重新设计预训练方法。该研究对设计领域的人工智能模型训练具有重要参考价值，可能推动行业更关注数据特性和领域适配性。论文由Alexandros Haridis等人撰写，目前已在arXiv平台公开。 #预训练 #设计数据 #JONES19 #文化设计 #AI #论文 #arXiv
一篇发表于arXiv的论文《Rethinking Pretraining for Specialized Design Data: Evidence from the JONES-19 Cultural Design Dataset》提出，当前主流的预训练策略在处理专门设计数据（如文化设计数据集）时可能效果有限。作者通过构建并分析JONES-19文化设计数据集，提供了实证证据，表明需要针对这类特殊领域重新设计预训练方法。该研究对设计领域的人工智能模型训练具有重要参考价值，可能推动行业更关注数据特性和领域适配性。论文由Alexandros Haridis等人撰写，目前已在arXiv平台公开。 #预训练 #设计数据 #JONES19 #文化设计 #AI #论文 #arXiv
智能体工作流路由研究新基准
一篇题为《为智能体工作流学习组合式元路由：一项可执行基准》的论文于2026年7月31日提交至arXiv预印本平台。该论文由Natan Vidra与其他三位作者共同撰写，聚焦于智能体工作流中的路由决策问题。随着AI代理在复杂任务中的广泛应用，如何高效组合并调度多个子任务成为关键挑战。论文标题表明其核心关注点在于通过组合式元路由优化工作流，并以可执行基准作为研究载体。论文页面还列出了代码、数据、媒体及相关工具链接，为其他研究者提供复现与扩展的便利。这一工作有望为智能体工作流的自动化设计提供新的评估视角，并对多智能体系统的协作与资源分配产生积极影响。 #arXiv #论文 #智能体 #AI #机器学习 #工作流 #元路由
一篇题为《为智能体工作流学习组合式元路由：一项可执行基准》的论文于2026年7月31日提交至arXiv预印本平台。该论文由Natan Vidra与其他三位作者共同撰写，聚焦于智能体工作流中的路由决策问题。随着AI代理在复杂任务中的广泛应用，如何高效组合并调度多个子任务成为关键挑战。论文标题表明其核心关注点在于通过组合式元路由优化工作流，并以可执行基准作为研究载体。论文页面还列出了代码、数据、媒体及相关工具链接，为其他研究者提供复现与扩展的便利。这一工作有望为智能体工作流的自动化设计提供新的评估视角，并对多智能体系统的协作与资源分配产生积极影响。 #arXiv #论文 #智能体 #AI #机器学习 #工作流 #元路由
大语言模型结合不确定性感知仿真推演，助力运筹学决策
一项来自arXiv预印本的研究提出了一种新型运筹学方法，将大语言模型与不确定性感知的仿真推演技术相结合。该论文由Liang Guo、Lin Shaochong、Shen Zuo-Jun Max和Zhang Kun共同撰写，于2026年7月1日提交。传统运筹学模型在处理复杂、高维决策问题时往往难以量化不确定性，而大语言模型虽能提供语义理解，但缺乏严谨的概率推理。新方法通过仿真推演框架，让大语言模型在生成决策方案的同时，主动评估并输出置信度，从而提升在资源分配、物流调度等场景下的鲁棒性。研究团队表示，该技术有望降低运筹优化对精确数学模型的依赖，并为AI辅助决策提供更可靠的置信区间。 #arXiv #大语言模型 #运筹学 #仿真推演 #不确定性量化 #AI决策 #论文
一项来自arXiv预印本的研究提出了一种新型运筹学方法，将大语言模型与不确定性感知的仿真推演技术相结合。该论文由Liang Guo、Lin Shaochong、Shen Zuo-Jun Max和Zhang Kun共同撰写，于2026年7月1日提交。传统运筹学模型在处理复杂、高维决策问题时往往难以量化不确定性，而大语言模型虽能提供语义理解，但缺乏严谨的概率推理。新方法通过仿真推演框架，让大语言模型在生成决策方案的同时，主动评估并输出置信度，从而提升在资源分配、物流调度等场景下的鲁棒性。研究团队表示，该技术有望降低运筹优化对精确数学模型的依赖，并为AI辅助决策提供更可靠的置信区间。 #arXiv #大语言模型 #运筹学 #仿真推演 #不确定性量化 #AI决策 #论文
《青年AI隐私法案》引发隐私悖论，专家呼吁全面保护
美国参议院商业委员会即将审议《青年AI隐私法案》，该法案要求AI公司为未成年人制定专属隐私规则并实施“安全设计功能”。然而，批评者指出，法案仅保护特定用户群体，反而迫使企业通过年龄验证收集更多数据，导致所有用户隐私风险上升。法案中模糊的“用户伤害”条款更允许企业以测试和解决伤害为由收集未成年人个人信息，加剧了数据泄露和身份欺诈风险。尽管法案禁止将聊天记录用于训练和披露等部分条款值得肯定，但法院过去已多次否决类似“年龄适宜设计规范”，因其违反宪法第一修正案，限制所有用户（包括未成年人）的言论自由和在线服务权利。专家认为，更合理的做法是为所有用户提供同等隐私保护，而非仅针对特定群体。 #AI隐私 #青少年保护 #数据安全 #言论自由 #美国立法 #隐私悖论 #年龄验证
美国参议院商业委员会即将审议《青年AI隐私法案》，该法案要求AI公司为未成年人制定专属隐私规则并实施“安全设计功能”。然而，批评者指出，法案仅保护特定用户群体，反而迫使企业通过年龄验证收集更多数据，导致所有用户隐私风险上升。法案中模糊的“用户伤害”条款更允许企业以测试和解决伤害为由收集未成年人个人信息，加剧了数据泄露和身份欺诈风险。尽管法案禁止将聊天记录用于训练和披露等部分条款值得肯定，但法院过去已多次否决类似“年龄适宜设计规范”，因其违反宪法第一修正案，限制所有用户（包括未成年人）的言论自由和在线服务权利。专家认为，更合理的做法是为所有用户提供同等隐私保护，而非仅针对特定群体。 #AI隐私 #青少年保护 #数据安全 #言论自由 #美国立法 #隐私悖论 #年龄验证