测试时训练在近似采样中的威力

一篇由Noah Golowich、Ankur Moitra和Dhruv Rohatgi共同完成的论文《The Power of Test-Time Training for Approximate Sampling》在arXiv上发布。该研究探讨了在近似采样任务中，测试时训练（Test-Time Training）方法的有效性。论文通过理论分析展示了如何利用测试时训练来提升近似采样的性能，为机器学习中的采样算法提供了新的洞见。该研究对于理解复杂分布下的高效采样策略具有重要意义，可能对生成模型和概率推理等领域产生积极影响。 #机器学习 #近似采样 #测试时训练 #arXiv #论文 #AI #算法

Signed Compression Progress on a Sealed Audit 提出抗古德哈特定律的压缩审计机制

一篇由 Ayush Mittal 等人提交至 arXiv 的论文提出了一种名为“Signed Compression Progress on a Sealed Audit”的新方法，该机制被证明具有抗古德哈特定律（Goodhart's Law）的特性。古德哈特定律指出，当一项指标被作为目标时，它就不再是一个好的指标，即指标容易被操纵。该研究通过在密封审计环境中对压缩进度进行签名，确保指标的真实性和不可篡改性，从而有效抵抗因目标导向导致的指标扭曲。论文探讨了该方法在机器学习模型评估、数据压缩及安全审计等领域的潜在应用，为设计更鲁棒的评估指标提供了理论依据。相关论文已可在 arXiv 上查看。 #arXiv #机器学习 #古德哈特定律 #审计 #压缩 #论文 #安全 #AI

GraphGP 论文提出可扩展高斯过程新方法

一篇题为《GraphGP: Scalable Gaussian Processes with Vecchia's Approximation》的学术论文于2026年6月9日提交至arXiv预印本平台。该论文由Benjamin Dodge等三位作者完成，主要研究如何利用Vecchia近似实现高斯过程模型的可扩展计算。高斯过程是机器学习中重要的非参数方法，但传统算法在大规模数据集上计算成本高昂。GraphGP通过引入图结构和Vecchia近似，显著降低了计算复杂度，同时保持了预测精度。该方法有望在空间统计、时间序列分析等领域得到广泛应用。目前论文已提供PDF和HTML版本供读者查阅。 #机器学习 #高斯过程 #可扩展算法 #Vecchia近似 #GraphGP #arXiv #学术论文

量化随机原始-对偶方法

来自印度理工学院等机构的研究人员提交了一篇题为《Quantized Stochastic Primal-Dual Methods for Distributed Optimization under Relaxed Global Geometry》的论文，该论文已预印本形式在arXiv发布。论文针对分布式优化问题，提出了一种创新的量化随机原始-对偶算法。传统方法通常要求目标函数满足强凸性或全局几何条件，而新方法放宽了这一假设，使得算法在更一般的非凸和非光滑环境下仍能高效收敛。研究团队通过理论分析证明了算法的收敛速率，并展示了其在通信受限场景中的优势，例如在传感器网络、机器学习分布式训练等应用中，该方法能有效降低节点间的数据传输量，同时保持接近最优的收敛性能。该工作为大规模分布式优化提供了一种更实用、更鲁棒的解决方案，有望推动边缘计算和联邦学习等领域的发展。 #分布式优化 #量化算法 #原始对偶 #机器学习 #arXiv #论文 #AI #通信效率

私有合成数据的固定参数可处理性研究取得进展

一篇题为《私有合成数据生成的固定参数可处理性》的学术论文在arXiv平台预发布，作者包括Badih Ghazi等五位研究人员。该论文探讨了在差分隐私约束下，如何高效生成高质量合成数据的问题。研究团队引入固定参数可处理性理论，分析了不同参数维度下合成数据生成算法的复杂度边界，并提出了一种新的算法框架，能够在保证隐私预算的前提下显著提升数据效用。该工作为隐私保护机器学习及数据共享场景提供了理论支撑，有望推动差分隐私技术在医疗、金融等敏感数据领域的实际应用。 #差分隐私 #合成数据 #固定参数可处理性 #机器学习 #隐私保护 #数据安全 #arXiv #学术论文

注意力中的相变

一篇发表于arXiv的预印本论文提出了注意力机制中“复制头”（copy head）涌现的贝叶斯理论，将其视为一种相变过程。研究由Itay Lavie等五位学者完成，论文从统计物理与贝叶斯推断的视角出发，分析了Transformer模型中注意力头如何通过信息压缩与噪声抑制，自发地分化出专用于复制输入信息的“复制头”。作者通过理论推导和实验验证，展示了这种涌现行为与经典相变在数学结构上的相似性，并揭示了其与模型容量、训练数据分布之间的深层关联。该工作为理解大规模语言模型内部结构的形成机理提供了新的理论框架，有望推动注意力机制的可解释性研究和模型优化设计。 #arXiv #注意力机制 #复制头 #相变 #贝叶斯理论 #Transformer #AI #机器学习 #深度学习 #可解释性

从持久性到生存：拓扑特征的假设检验、效应量与向量化方法

arXiv预印本平台近日发布一篇由Juliette Murris等人合著的论文《From Persistence to Survival: Hypothesis Testing, Effect Sizes and Vectorisation for Topological Features》。该研究聚焦于拓扑数据分析领域，重点关注从“持久性”到“生存”概念的转换，提出了一套针对拓扑特征的假设检验、效应量计算及向量化方法。论文旨在为复杂数据的拓扑结构分析提供更可靠的统计工具，进一步推动拓扑方法在机器学习与数据科学中的应用。目前全文已以PDF和HTML形式开放访问，并附有相关参考文献与代码链接。 #arXiv #拓扑数据分析 #假设检验 #效应量 #向量化 #机器学习 #数据科学 #学术论文

标签偏移下的共形贝叶斯

Seungjin Choi 于 2026 年 6 月 10 日提交了一篇题为《Conformal Bayes under Label Shift: Post-Hoc Calibration vs. In-Training Adaptation》的论文。该研究聚焦于标签分布偏移场景下的共形贝叶斯方法，系统比较了事后校准与训练中适应两种策略的效果。共形预测作为一种有效的不确定性量化工具，在现实应用中常面临标签分布变化带来的挑战。论文通过理论分析与实验验证，揭示了两种方法在不同偏移程度下的优势与局限，为提升模型在非平稳环境下的可靠性提供了新的技术路径。该工作对机器学习中的分布鲁棒性研究具有参考价值。 #共形贝叶斯 #标签偏移 #事后校准 #训练中适应 #机器学习 #不确定性量化 #论文 #学术研究 #AI #鲁棒性

可再生日志（Lasso）无需批次数量约束的梯度增强方法

一篇来自arXiv的学术论文提出了一种名为“可再生Lasso无需批次数量约束的梯度增强方法”的新算法。该方法针对传统Lasso回归在大规模流式数据中需要预先设定批次数量的问题，引入梯度增强策略，使得模型能够在不依赖批次数量约束的情况下持续更新。实验表明，该算法在保持统计效率的同时，显著降低了对存储和计算资源的需求，适用于实时数据流分析场景。论文由Junzhuo Gao等四位作者共同完成，目前已在arXiv上公开全文。 #机器学习 #Lasso回归 #梯度增强 #流式数据 #arXiv #学术论文 #数据科学

通过稳健灵活的知识迁移增强电子健康记录中的谱嵌入

近日，一篇提交至arXiv的学术论文提出了一种新的方法，旨在通过稳健且灵活的知识迁移技术，增强电子健康记录（EHR）中的谱嵌入效果。该方法由Feiqing Huang等四位研究人员共同提出，针对医疗数据高维、稀疏且噪声多的特点，利用知识迁移提升谱嵌入的鲁棒性和泛化能力。研究有望为临床决策支持、疾病预测等任务提供更可靠的数据表示，推动医疗AI在真实场景中的应用。该论文目前已在arXiv平台公开，相关代码和数据可能后续发布。 #arXiv #电子健康记录 #谱嵌入 #知识迁移 #医疗AI #机器学习 #数据科学 #论文 #深度学习

退火熵分配算法

一篇题为《Annealed Entropic Allocation for Ranking and Selection》的论文近日在arXiv预印本平台上线，作者为Xin Fei和Juergen Branke。该研究提出了一种名为“退火熵分配”的新算法，旨在解决随机环境下的排序与选择问题——即如何在有限采样预算下，从多个备选方案中找出最优者。传统方法常面临探索与利用的权衡困境，而该算法通过引入退火机制和熵正则化，在采样过程中动态调整分配策略，从而在保证统计效率的同时降低计算复杂度。理论分析和实验结果表明，新方法在多种基准问题上均优于现有算法，为运筹学、机器学习及人工智能领域的决策优化提供了有力工具。 #arXiv #论文 #排序与选择 #退火熵分配 #机器学习 #运筹学 #算法

腾讯控股2025年营收7518亿元，AI与游戏双轮驱动增长

腾讯控股（股票代码700）2025年全年营收达7518亿元人民币，同比增长14%，非国际财务报告准则净利润2596亿元，增长17%。公司AI战略从实验期进入收获期，混元大模型已集成至微信、腾讯会议等600余项内部产品，并推动广告业务增长，2025年第四季度营销服务收入因AI精准投放同比飙升17.5%。游戏业务迎来新增长周期，国际游戏收入首次突破100亿美元，得益于《三角洲行动》《无畏契约》手游等全球爆款。分析师普遍看多，超90%给予“买入”评级，平均目标价约717港元，花旗给出787港元。风险方面，需关注国内消费疲软影响支付业务、AI芯片出口限制及海外合规挑战。 #腾讯 #AI #财报 #游戏 #港股 #大模型 #投资

黄仁勋推出128G电脑

英伟达CEO黄仁勋在Computex主题演讲中发布RTX Spark电脑，配备128GB统一内存，引发市场困惑。表面看，这是英伟达从数据中心回归PC市场，实则揭示了AI产业的下一个战略转折点。当大模型训练不再是瓶颈，行业竞争正从基础设施转向终端入口。黄仁勋认为，未来AI能力需要大规模进入普通人工作生活，而本地推理将解决成本、隐私和延迟问题。128GB内存并非简单参数升级，而是为同时运行多个AI Agent（如写作、编程、研究助手）准备的新型计算架构。这意味着电脑将从传统工具演变为拥有长期记忆和自主能力的数字伙伴，人与计算机的关系正在被根本重构。英伟达正从算力基础设施商转向终端平台定义者，AI PC或将成为下一代个人计算的核心载体。 #英伟达 #黄仁勋 #AI革命 #AIPC #128GB内存 #终端计算 #大模型 #Computex #科技趋势

360再披露13个AI基础设施漏洞 政企AI安全引关注

近日，360安全团队再次公开披露13个AI基础设施高危漏洞，涉及多个主流AI平台与框架。这些漏洞可能导致数据泄露、模型篡改或远程代码执行等严重风险。360指出，随着政企加速部署AI业务，安全体检滞后问题日益突出，建议机构立即开展全面漏洞排查与修复。这是360继此前数次披露同类漏洞后的又一次集中曝光，再次凸显AI安全防护的紧迫性。 #360 #AI安全 #漏洞 #基础设施 #政企 #网络安全 #数据保护 #AI #安全漏洞

数云原力2026·原力论坛成功举办，聚焦AI for Process驱动企业级AI质变

由神州数码、神州控股、神州信息联合举办的“数云原力2026·原力论坛”圆满落幕。论坛以“AI for Process”为核心主题，探讨AI如何从个人工具转向深度嵌入企业核心业务流程，实现从技术“智变”到运营生产力“质变”的跨越。神州数码发布“神州问学2.0：Agentic Process Workspace”，旨在重塑软件形态，推动AI从工具层进入运行层。神州控股推出供应链AI控制塔解决方案，通过燕云三件套打破数据孤岛，将AI从“看见数据”升级为“驱动决策”，并发布「xᴬᴵ・供应链」生态共创计划。神州信息则发布金融智能体工厂，聚焦财富营销、对公授信等四大场景，推动AI在金融核心流程的端到端闭环落地。各方表示，将聚合产业生态之力，以深度共创共同破解企业级AI落地深水区的挑战。 #数云原力 #AIforProcess #企业级AI #神州数码 #神州控股 #神州信息 #供应链AI #金融智能体 #数字化转型 #产业AI