arXiv 新论文提出 Data-Centric Parallel 方法，应对变长序列训练挑战
近日，一篇题为《Training Variable Long Sequences with Data-Centric Parallel》的学术论文提交至 arXiv 平台，作者为 Geng Zhang 及其三位合作者。该论文聚焦深度学习模型在训练可变长度序列时面临的计算与内存瓶颈，提出一种以数据为中心的并行策略，有望提升长序列场景下的训练效率和可扩展性。目前论文页面已提供 PDF 全文、HTML 实验预览和 TeX 源码，方便研究者阅读与复现。稿件提交于 2026 年 7 月，属于当年 8 月批次内容。页面还列出了引用、关联论文及代码链接等辅助工具，但具体实验细节和数据集尚未公开。这一研究方向对自然语言处理、语音识别、时间序列预测等领域具有潜在参考价值，也反映出数据并行思路在变长序列建模中的进一步探索。 #arXiv #论文 #深度学习 #长序列 #数据并行 #AI #科技新闻
近日，一篇题为《Training Variable Long Sequences with Data-Centric Parallel》的学术论文提交至 arXiv 平台，作者为 Geng Zhang 及其三位合作者。该论文聚焦深度学习模型在训练可变长度序列时面临的计算与内存瓶颈，提出一种以数据为中心的并行策略，有望提升长序列场景下的训练效率和可扩展性。目前论文页面已提供 PDF 全文、HTML 实验预览和 TeX 源码，方便研究者阅读与复现。稿件提交于 2026 年 7 月，属于当年 8 月批次内容。页面还列出了引用、关联论文及代码链接等辅助工具，但具体实验细节和数据集尚未公开。这一研究方向对自然语言处理、语音识别、时间序列预测等领域具有潜在参考价值，也反映出数据并行思路在变长序列建模中的进一步探索。 #arXiv #论文 #深度学习 #长序列 #数据并行 #AI #科技新闻
《结构理论中的确定性：基于闭包、可比性与联合可采纳性的统一框架》
一篇题为“Determinization in Structure Theories: A Unified Framework via Closure, Comparability, and Joint Admissibility”的学术论文已提交至 arXiv 预印本平台。该论文作者为傅海海（Hai Hai Fu），于2026年4月27日首次提交，全文共33KB。论文围绕结构理论中的“确定性”问题展开，提出通过闭包（Closure）、可比性（Comparability）与联合可采纳性（Joint Admissibility）等概念构建统一分析框架。该研究可能为形式化方法、自动机理论或数学结构建模中的确定性判定提供新思路。目前论文提供 PDF、HTML 实验版及 TeX 源码等多种访问方式，并已进入 arXiv 相关浏览类别。 #arXiv #论文 #结构理论 #确定性 #统一框架 #数学 #计算机科学 #预印本
一篇题为“Determinization in Structure Theories: A Unified Framework via Closure, Comparability, and Joint Admissibility”的学术论文已提交至 arXiv 预印本平台。该论文作者为傅海海（Hai Hai Fu），于2026年4月27日首次提交，全文共33KB。论文围绕结构理论中的“确定性”问题展开，提出通过闭包（Closure）、可比性（Comparability）与联合可采纳性（Joint Admissibility）等概念构建统一分析框架。该研究可能为形式化方法、自动机理论或数学结构建模中的确定性判定提供新思路。目前论文提供 PDF、HTML 实验版及 TeX 源码等多种访问方式，并已进入 arXiv 相关浏览类别。 #arXiv #论文 #结构理论 #确定性 #统一框架 #数学 #计算机科学 #预印本
《揭秘预测驱动推断》论文在arXiv平台发布
一篇题为《Demystifying Prediction Powered Inference》的学术论文在arXiv预印本平台公开，作者为Yilin Song等四人。论文于2026年1月首次提交，同年8月更新至第二版，内容涉及计算机科学与统计学领域。平台提供PDF、HTML及TeX源码等多种访问形式，并配有参考文献引用、关联论文推荐及代码数据链接等辅助工具。该研究围绕“预测驱动推断”这一前沿方法展开，旨在厘清其数学原理与应用边界，为利用机器学习预测提升统计推断效率提供理论支撑与实践指引。 #arXiv #论文 #预测驱动推断 #机器学习 #统计推断 #科研成果
一篇题为《Demystifying Prediction Powered Inference》的学术论文在arXiv预印本平台公开，作者为Yilin Song等四人。论文于2026年1月首次提交，同年8月更新至第二版，内容涉及计算机科学与统计学领域。平台提供PDF、HTML及TeX源码等多种访问形式，并配有参考文献引用、关联论文推荐及代码数据链接等辅助工具。该研究围绕“预测驱动推断”这一前沿方法展开，旨在厘清其数学原理与应用边界，为利用机器学习预测提升统计推断效率提供理论支撑与实践指引。 #arXiv #论文 #预测驱动推断 #机器学习 #统计推断 #科研成果
通信高效的异质多中心生存数据分布式风险差异估计
该论文提出了一种通信高效的分布式风险差异估计方法，专门用于处理异质性多站点生存数据。研究由Ziwen Wang等四位作者完成，于2026年1月提交至arXiv平台，并在后续进行了版本更新。在多中心临床研究中，各站点数据存在异质性且受隐私限制无法直接汇总，传统集中式分析方法面临通信成本高和数据分布差异的挑战。该方法旨在通过优化通信策略，在减少数据传递开销的同时，实现对风险差异的准确估计，并有效应对站点间数据异质性问题。论文涉及分布式统计推断、生存分析和通信效率等交叉领域，为大规模多中心生存数据的协作分析提供了新的技术思路，对推动真实世界医疗数据研究具有参考价值。 #论文 #生存分析 #分布式估计 #通信效率 #异质性 #多中心数据 #统计方法 #arXiv
该论文提出了一种通信高效的分布式风险差异估计方法，专门用于处理异质性多站点生存数据。研究由Ziwen Wang等四位作者完成，于2026年1月提交至arXiv平台，并在后续进行了版本更新。在多中心临床研究中，各站点数据存在异质性且受隐私限制无法直接汇总，传统集中式分析方法面临通信成本高和数据分布差异的挑战。该方法旨在通过优化通信策略，在减少数据传递开销的同时，实现对风险差异的准确估计，并有效应对站点间数据异质性问题。论文涉及分布式统计推断、生存分析和通信效率等交叉领域，为大规模多中心生存数据的协作分析提供了新的技术思路，对推动真实世界医疗数据研究具有参考价值。 #论文 #生存分析 #分布式估计 #通信效率 #异质性 #多中心数据 #统计方法 #arXiv
通用 OOD 检测新方法
近日，一篇题为《General OOD Detection via Model-aware and Subspace-aware Variable Priority》的论文在 arXiv 上发布，作者为 Min Lu 和 Hemant Ishwaran。该研究聚焦分布外（OOD）检测这一机器学习关键问题，提出了一种融合模型感知与子空间感知的变量优先级策略，旨在提升模型对未知或异常样本的识别能力。论文于 2025 年 12 月首次提交，并在 2026 年 8 月更新版本，目前提供 PDF 及 HTML 格式全文。该方法有望为高可靠性场景下的模型安全性提供新的解决思路。 #OOD检测 #机器学习 #arXiv #论文 #模型安全
近日，一篇题为《General OOD Detection via Model-aware and Subspace-aware Variable Priority》的论文在 arXiv 上发布，作者为 Min Lu 和 Hemant Ishwaran。该研究聚焦分布外（OOD）检测这一机器学习关键问题，提出了一种融合模型感知与子空间感知的变量优先级策略，旨在提升模型对未知或异常样本的识别能力。论文于 2025 年 12 月首次提交，并在 2026 年 8 月更新版本，目前提供 PDF 及 HTML 格式全文。该方法有望为高可靠性场景下的模型安全性提供新的解决思路。 #OOD检测 #机器学习 #arXiv #论文 #模型安全
低秩矩阵推断中的稀疏损坏问题新论文在 arXiv 发布
一篇题为“Sparse corruption in low-rank matrix inference: the PCA benchmark”的学术论文近日在 arXiv 预印本平台发布，作者为 Urte Adomaityte 及其他两位合作者。论文聚焦低秩矩阵推断中因稀疏异常值（即少数元素被破坏）所引发的问题，并以主成分分析（PCA）作为研究基准。低秩矩阵推断是机器学习和统计学中的基础性课题，广泛应用于降维、信号处理和推荐系统等领域，而稀疏损坏会干扰模型对潜结构的估计。论文第一版于2025年11月提交，后于2026年8月发布更新版本。目前，读者可通过 arXiv 访问论文的 PDF 和 HTML 全文，并可获取 BibTeX 引用信息。这一研究或为相关领域的鲁棒推断方法提供新的视角。 #学术论文 #arXiv #机器学习 #统计学 #低秩矩阵 #主成分分析 #稀疏异常值
一篇题为“Sparse corruption in low-rank matrix inference: the PCA benchmark”的学术论文近日在 arXiv 预印本平台发布，作者为 Urte Adomaityte 及其他两位合作者。论文聚焦低秩矩阵推断中因稀疏异常值（即少数元素被破坏）所引发的问题，并以主成分分析（PCA）作为研究基准。低秩矩阵推断是机器学习和统计学中的基础性课题，广泛应用于降维、信号处理和推荐系统等领域，而稀疏损坏会干扰模型对潜结构的估计。论文第一版于2025年11月提交，后于2026年8月发布更新版本。目前，读者可通过 arXiv 访问论文的 PDF 和 HTML 全文，并可获取 BibTeX 引用信息。这一研究或为相关领域的鲁棒推断方法提供新的视角。 #学术论文 #arXiv #机器学习 #统计学 #低秩矩阵 #主成分分析 #稀疏异常值
可扩展的给定数据Sobol指数估计器方法研究发布
近期，一篇题为《Scalable extensions to given-data Sobol' index estimators》的学术论文在arXiv平台公开，作者为Teresa Portone等人。该研究聚焦于敏感性分析中的Sobol指数估计问题，提出了一种可扩展的扩展方法，旨在提升在给定数据条件下估计效率与计算性能。Sobol指数是量化模型输入变量对输出方差贡献的重要工具，广泛应用于工程、金融和环境科学等领域。论文针对传统估计器在数据量大或维度较高时计算成本高昂的瓶颈，设计了新的扩展策略，有望进一步推动高维复杂模型的不确定性量化分析。目前该论文已提供PDF、HTML及TeX源码等访问形式，并收录于arXiv的统计与计算机科学相关板块。 #学术论文 #Sobol指数 #敏感性分析 #统计学 #arXiv
近期，一篇题为《Scalable extensions to given-data Sobol' index estimators》的学术论文在arXiv平台公开，作者为Teresa Portone等人。该研究聚焦于敏感性分析中的Sobol指数估计问题，提出了一种可扩展的扩展方法，旨在提升在给定数据条件下估计效率与计算性能。Sobol指数是量化模型输入变量对输出方差贡献的重要工具，广泛应用于工程、金融和环境科学等领域。论文针对传统估计器在数据量大或维度较高时计算成本高昂的瓶颈，设计了新的扩展策略，有望进一步推动高维复杂模型的不确定性量化分析。目前该论文已提供PDF、HTML及TeX源码等访问形式，并收录于arXiv的统计与计算机科学相关板块。 #学术论文 #Sobol指数 #敏感性分析 #统计学 #arXiv
可逆生成模型提出新框架，统一求解正反问题
一篇题为《An invertible generative model for forward and inverse problems》的学术论文已上传至arXiv预印本平台，作者包括Christoph Brune等人。该研究围绕可逆生成模型展开，旨在为正向与逆向问题提供统一的求解框架。在科学计算中，正向问题关注从已知参数生成观测数据，而逆向问题则需从观测中反推未知参数，两者在成像、信号处理等领域具有广泛需求。论文提出的模型或通过可逆网络结构实现双向映射，以提升求解的稳定性和效率。相关预印本已提供PDF、HTML及TeX源码等访问方式，并已获得arXiv分配的DOI。该工作的发布为生成模型在科学计算中的应用提供了新的思路和参考。 #生成模型 #正反问题 #arXiv #科学计算 #机器学习 #预印本
一篇题为《An invertible generative model for forward and inverse problems》的学术论文已上传至arXiv预印本平台，作者包括Christoph Brune等人。该研究围绕可逆生成模型展开，旨在为正向与逆向问题提供统一的求解框架。在科学计算中，正向问题关注从已知参数生成观测数据，而逆向问题则需从观测中反推未知参数，两者在成像、信号处理等领域具有广泛需求。论文提出的模型或通过可逆网络结构实现双向映射，以提升求解的稳定性和效率。相关预印本已提供PDF、HTML及TeX源码等访问方式，并已获得arXiv分配的DOI。该工作的发布为生成模型在科学计算中的应用提供了新的思路和参考。 #生成模型 #正反问题 #arXiv #科学计算 #机器学习 #预印本
neuralGAM：用于拟合广义加性神经网络的R包正式发布
一篇题为《neuralGAM: An R Package for Fitting Generalized Additive Neural Networks》的学术论文于2025年5月提交至arXiv，并于2026年8月更新。该论文介绍了一个名为neuralGAM的R软件包，专门用于拟合广义加性神经网络模型。该模型结合了广义加性模型的可解释性与深度神经网络的灵活性，能够有效捕捉高维数据中的非线性关系和交互效应。论文作者为Ines Ortega-Fernandez等人，相关成果已被《The R Journal》接收发表。该软件包的发布为统计建模和机器学习领域提供了新的工具，有望在生物医学、经济学等复杂数据场景中得到广泛应用。 #R语言 #神经网络 #广义加性模型 #统计建模 #机器学习 #学术论文 #开源软件
一篇题为《neuralGAM: An R Package for Fitting Generalized Additive Neural Networks》的学术论文于2025年5月提交至arXiv，并于2026年8月更新。该论文介绍了一个名为neuralGAM的R软件包，专门用于拟合广义加性神经网络模型。该模型结合了广义加性模型的可解释性与深度神经网络的灵活性，能够有效捕捉高维数据中的非线性关系和交互效应。论文作者为Ines Ortega-Fernandez等人，相关成果已被《The R Journal》接收发表。该软件包的发布为统计建模和机器学习领域提供了新的工具，有望在生物医学、经济学等复杂数据场景中得到广泛应用。 #R语言 #神经网络 #广义加性模型 #统计建模 #机器学习 #学术论文 #开源软件
深层Heaviside网络的表达能力
这篇题为《论深度Heaviside网络的表达能力》的论文由Insung Kong等人撰写，作为预印本发布于arXiv平台。Heaviside网络指采用阶跃函数作为激活函数的神经网络，其输出具有离散性，与传统连续激活函数网络有显著差异。论文聚焦于深度结构下这类网络的表达能力问题，探讨了网络深度如何影响其能够表示的函数类与复杂度边界，并为理解离散激活神经网络的机理提供理论视角。该工作可能对神经网络模型设计及可解释性研究有所启发。论文于2025年4月提交初版，并在2026年8月完成更新，相关全文可通过arXiv获取。 #arXiv #论文 #神经网络 #Heaviside #深度学习 #表达能力
这篇题为《论深度Heaviside网络的表达能力》的论文由Insung Kong等人撰写，作为预印本发布于arXiv平台。Heaviside网络指采用阶跃函数作为激活函数的神经网络，其输出具有离散性，与传统连续激活函数网络有显著差异。论文聚焦于深度结构下这类网络的表达能力问题，探讨了网络深度如何影响其能够表示的函数类与复杂度边界，并为理解离散激活神经网络的机理提供理论视角。该工作可能对神经网络模型设计及可解释性研究有所启发。论文于2025年4月提交初版，并在2026年8月完成更新，相关全文可通过arXiv获取。 #arXiv #论文 #神经网络 #Heaviside #深度学习 #表达能力
BDH-CQ
一篇题为《BDH-CQ: In-Context Learning with Recurrent Latent Reasoning》的论文已提交至arXiv预印本平台，由Björn Engdahl与另外8位合作者共同完成，于2026年8月10日发布。论文标题显示，其研究方向聚焦于循环潜在推理与上下文学习的结合，可能为提升大语言模型在少样本场景下的推理能力提供新思路。目前该论文已开放PDF、HTML及TeX源码等访问方式，供相关领域研究者查阅与引用。该工作或对机器学习、自然语言处理等方向产生一定影响。 #arXiv #论文 #机器学习 #深度学习 #上下文学习 #自然语言处理 #AI #推理
一篇题为《BDH-CQ: In-Context Learning with Recurrent Latent Reasoning》的论文已提交至arXiv预印本平台，由Björn Engdahl与另外8位合作者共同完成，于2026年8月10日发布。论文标题显示，其研究方向聚焦于循环潜在推理与上下文学习的结合，可能为提升大语言模型在少样本场景下的推理能力提供新思路。目前该论文已开放PDF、HTML及TeX源码等访问方式，供相关领域研究者查阅与引用。该工作或对机器学习、自然语言处理等方向产生一定影响。 #arXiv #论文 #机器学习 #深度学习 #上下文学习 #自然语言处理 #AI #推理
朗之万动力学在实解析势零集上的行为研究获新进展
一篇题为《Langevin dynamics along the zero set of real-analytic potentials》的数学论文近日在arXiv预印本平台发布，作者为Martin Larsson。论文主要研究朗之万动力学在实解析势函数零集上的运动性质，属于随机过程与动力系统交叉领域。朗之万方程常用于描述粒子在势场中的随机运动，而势函数零集的结构对系统长期行为具有关键影响。该研究可能为随机采样、优化算法及统计物理中的相关模型提供理论支撑。论文当前以HTML和PDF格式开放获取，并可通过DataCite获取DOI。作者于2026年8月10日提交初稿，浏览分类涵盖数学与统计学方向。 #数学 #随机过程 #朗之万动力学 #arXiv #预印本
一篇题为《Langevin dynamics along the zero set of real-analytic potentials》的数学论文近日在arXiv预印本平台发布，作者为Martin Larsson。论文主要研究朗之万动力学在实解析势函数零集上的运动性质，属于随机过程与动力系统交叉领域。朗之万方程常用于描述粒子在势场中的随机运动，而势函数零集的结构对系统长期行为具有关键影响。该研究可能为随机采样、优化算法及统计物理中的相关模型提供理论支撑。论文当前以HTML和PDF格式开放获取，并可通过DataCite获取DOI。作者于2026年8月10日提交初稿，浏览分类涵盖数学与统计学方向。 #数学 #随机过程 #朗之万动力学 #arXiv #预印本
SR-OPSD论文发布
近日，由Zhuo Sun等十位研究者共同撰写的论文《SR-OPSD: Self-Referenced On-Policy Self-Distillation》在arXiv预印本平台正式公开。该研究提出一种名为SR-OPSD的自蒸馏方法，核心思路是利用模型自身的预测结果作为学习信号，结合在线策略更新机制进行持续优化，从而减少对外部教师模型或静态标签的依赖。这一方法有望提升模型在复杂任务中的适应能力与训练效率，尤其在强化学习等需要在线决策的场景中具有潜在应用价值。论文已通过arXiv存档，并提供PDF、HTML及TeX源码等多种访问方式，便于学术界进一步阅读与引用。目前该论文仍处于预印本阶段，尚未经过同行评审。 #arXiv #自蒸馏 #强化学习 #机器学习 #AI #论文 #预印本 #深度学习
近日，由Zhuo Sun等十位研究者共同撰写的论文《SR-OPSD: Self-Referenced On-Policy Self-Distillation》在arXiv预印本平台正式公开。该研究提出一种名为SR-OPSD的自蒸馏方法，核心思路是利用模型自身的预测结果作为学习信号，结合在线策略更新机制进行持续优化，从而减少对外部教师模型或静态标签的依赖。这一方法有望提升模型在复杂任务中的适应能力与训练效率，尤其在强化学习等需要在线决策的场景中具有潜在应用价值。论文已通过arXiv存档，并提供PDF、HTML及TeX源码等多种访问方式，便于学术界进一步阅读与引用。目前该论文仍处于预印本阶段，尚未经过同行评审。 #arXiv #自蒸馏 #强化学习 #机器学习 #AI #论文 #预印本 #深度学习