阿尔茨海默病（AD）影响着全球超过5500万人，早期准确识别正常认知（NC）、轻度认知障碍（MCI）和AD是临床上的迫切需求。近期，一项发表于arXiv的研究利用可解释机器学习方法，基于阿尔茨海默病神经影像学倡议（ADNI）数据集中的八项常规临床评估指标，构建了一个三分类XGBoost模型，实现了近乎完美的检测性能。 ## 研究亮点 该研究从ADNI基线数据中纳入**1641名受试者**（608名NC、767名MCI、266名AD），选取了**MMSE、CDR Global、CDR Sum of Boxes (CDR-SB)、MoCA、FAQ、年龄、性别和教育程度**这八个特征。通过Optuna进行超参数优化（50次试验），并使用SMOTE处理类别不平衡问题。 ## 性能表现 在五折交叉验证中，模型平均宏AUC达到**0.983**（标准差0.007），准确率**0.944**，宏F1**0.929**。在独立的测试集（247例）上，宏AUC为**0.982**（95%置信区间：0.965-0.995），准确率0.943，平衡准确率0.932，宏F1 0.927，Cohen's kappa系数高达**0.909**。这些结果显示了模型卓越的泛化能力。 ## 可解释性分析 研究采用SHAP值进行特征级解释，揭示了不同类别背后的关键驱动因素： - **CDR Global** 是区分NC和MCI的最重要预测因子； - **CDR-SB** 和 **MMSE** 共同主导了AD的分类决策。 这种临床可解释的类特异性特征重要性模式，增强了模型在临床实践中的可信度。 ## 意义与展望 该研究表明，仅利用常规临床评估数据，结合可解释机器学习即可实现高精度的AD三分类检测，为大规模筛查提供了低成本、高可及性的解决方案。未来研究计划引入语音生物标志物，构建多模态检测框架，进一步提升早期诊断能力。
机器学习对数值计算的需求与传统通用计算存在显著差异：模型训练和推理通常不需要双精度（64位）甚至单精度（32位）浮点数的极高精度，反而更看重在有限位宽下的计算效率和吞吐量。正是为了填补这一空白，IEEE标准协会正在制定一项名为 **P3109** 的新标准，旨在定义一套参数化的二进制浮点格式族，并特别针对机器学习场景优化。 根据近期公开的论文《Novel Aspects of IEEE SA P3109 Arithmetic Formats for Machine Learning》，该标准的核心思想是提供一种高度灵活的数值表示框架。用户可以根据应用需求，自由调整格式的 **总位宽、精度位（尾数位）、有无符号以及是否支持无穷大** 等关键参数。这意味着开发者可以为特定模型层或算子定制最合适的数值格式，例如为梯度累积使用稍高精度的格式，而为激活值使用极低位的格式，从而在精度与效率之间取得最佳平衡。 ## 关键设计创新 P3109 标准在操作定义上做出了几项重要设计选择。首先，运算被定义为将浮点值解码到“闭扩展实数集”，即实数加上正负无穷和 **NaN（非数）**。通过对 NaN 和无穷操作数的显式处理，标准确保了运算定义中只涉及实数算术，避免了传统浮点中因特殊值引发的复杂异常路径。其次，标准引入了丰富的舍入和饱和模式，并特别包含了 **随机舍入** 这一对低精度训练极为有用的技术。 更值得注意的是，P3109 强调 **无异常运算**——所有异常情况（如上溢、下溢）不会触发硬件中断或异常信号，而是通过返回值（如返回 NaN）来传递。这种设计直接提升了计算吞吐量，因为处理器无需为处理异常而暂停流水线。 ## 块级操作与精度度量 在实际机器学习系统中，经常需要对共享同一缩放因子的一组数值进行操作（例如批量归一化后的特征图）。P3109 为此定义了统一的块级操作规范，使得向量化或矩阵运算的实现更加简洁高效。 此外，标准允许系统供应商通过一种新颖的、与尺度无关的近似度量来描述其实现精度。该度量类似于“最后一位单位”（ULP），被称为 **κ近似（kappa-approximation）**。这为硬件厂商提供了一种标准化的方式来声明其低精度计算单元的误差特性，便于软件开发者评估并选择合适的后端。 ## 形式化验证与行业意义 论文作者还强调，P3109 标准中的函数定义和多种属性已通过形式化规范进行了机械验证和自动生成，这大大降低了标准中可能存在的歧义或错误。 作为一项仍在制定中的草案标准，P3109 的推出将对 AI 芯片设计、编译器优化以及深度学习框架的数值策略产生深远影响。它有望统一目前碎片化的低精度格式生态（如 FP16、BF16、TF32 等），为未来更高效、更定制化的机器学习硬件铺平道路。
**强化学习（RL）** 在现实世界中的应用日益广泛，但大多数系统仍遵循“先训练，后修复”（train-then-fix）的模式：训练好的智能体在部署后停止学习，直到性能下降才重新训练。近日，一篇被 **ICML 2026** 立场论文轨道收录的文章明确提出，部署一个无法持续优化但能接收评估性奖励信号的智能体，本质上是一个**持续强化学习（Continual RL）** 问题。该文由 Parnian Behdin、Kevin Roice 和 Golnaz Mesbahi 共同撰写，系统论证了为何部署后的智能体应当永不停歇地适应环境变化。 ### 部署后非平稳性的四大来源 作者指出，部署环境并非静止不变，至少存在四类**非平稳性（non-stationarity）**： 1. **环境动态变化**：用户行为、物理条件或系统状态会随时间迁移； 2. **目标或奖励漂移**：任务优先级或评价标准可能调整； 3. **感知与动作边界变化**：传感器噪声、执行器磨损或接口更新； 4. **外部扰动**：竞争对手策略、政策法规或突发事件的影响。 在这些因素作用下，固定策略的智能体必然逐渐偏离最优，最终需要重新训练，而这期间的成本与风险往往被低估。 ### 为什么“永不停止学习”才是最优解 文章强调，部署后持续学习并非锦上添花，而是**确保长期最优性的必要条件**。现实世界中已有成功案例：例如**推荐系统**的在线学习、**机器人**的适应控制、以及**自动驾驶**的持续数据回传与模型迭代。这些系统本质上都在进行某种形式的持续 RL，只是尚未被明确纳入统一理论框架。 作者呼吁社区**摒弃“先训练后修复”的范式**，转向设计能够终身学习的 RL 系统。具体优势包括： - **即时响应**：无需等待性能崩溃即可适应变化； - **效率提升**：减少重复训练的计算与时间成本； - **安全可靠**：渐进式更新比突发式重训更可控。 ### 迈向持续 RL 的路径 论文并未停留在批评，而是提出了初步的**度量标准与设计原则**，例如评估持续学习能力、稳定性与可塑性平衡、以及灾难性遗忘的缓解策略。作者希望借此激发更多关于**部署后学习机制**的研究，推动 RL 从实验室走向真正的“终身自治”系统。 ### 小结 这篇立场论文直击当前 RL 应用中的核心矛盾：**追求最优性却采用固定策略**。它提醒我们，真实世界永远在变化，智能体的学习不应止于部署时刻。对于从事 RL 应用的研究者和工程师而言，这既是一份警醒，也是一份路线图——或许，下一代 RL 系统的核心竞争力，就藏在“持续学习”这四个字里。
**核心结论**：在双层优化、对抗训练等涉及耦合梯度下降的场景中，即使系统渐近稳定，瞬态放大（收敛前的巨大偏差）仍可能发生，且传统谱半径分析无法捕捉。最新研究通过伪谱理论给出了耦合块三角雅可比矩阵的瞬态放大上界，并建立了有限步迭代复杂度界限，为理解高维非平稳学习动力学提供了新视角。 **背景与问题** 耦合梯度下降——即一个参数块的更新依赖于另一参数块——广泛存在于双层优化、双时间尺度随机逼近及对抗训练中。当耦合雅可比矩阵为块三角形式时，渐近稳定性由对角块的谱半径决定。然而，由于非正规性（non-normality），系统收敛前可能出现任意大的瞬态放大，这在神经网络训练、元学习等实际任务中可能导致训练不稳定或泛化性能下降。 **理论贡献** 研究团队为这类块三角雅可比矩阵发展了**尖锐的伪谱理论**。主要结果包括： - 当对角块为对称矩阵且谱半径不超过 γ < 1 时，**Kreiss 常数**满足 K(J) ≤ 2/(1-γ) + ||C||/(4(1-γ))，其中 C 为耦合项。该上界与耦合强度线性相关，且匹配极小极大下界。 - 刻画了导致谱不稳定的**临界耦合阈值**，并利用 Neumann 级数扰动框架将分析扩展至近自指系统。 - 推导出随机耦合梯度下降的**有限步迭代复杂度**为 O(K(J)² log(1/δ))，即瞬态放大上界直接影响收敛所需步数。 **意义与验证** 该工作将伪谱理论引入耦合优化动态分析，揭示了一个**非渐近、实例依赖**的高维学习动力学区间——该区间在谱半径分析下不可见，却在实际训练中至关重要。实验涵盖线性二次问题、IQC 比较及神经网络训练，验证了理论预测。 **行业视角** 在 AI 领域，双层优化（如元学习、超参数优化）和对抗训练的稳定性一直是实践痛点。传统稳定性分析仅关注渐近行为，忽略了有限步内的剧烈波动。这项研究为设计更鲁棒的优化器、选择合适的学习率与耦合强度提供了理论依据，尤其适用于**大模型微调、联邦学习**等需要多级优化的场景。 **论文信息** - 作者：Ahanaf Hasan Ariq - 收录：HiLD 2026（ICML 2026 高维学习动力学研讨会） - 预印本：arXiv:2606.04031
Transformer 架构中的 Query、Key、Value (QKV) 注意力机制是核心组件，但三个投影是否都必不可少？一篇被 ICML 2026 接收的论文对此进行了系统研究。 ## 研究动机 标准 Transformer 使用三个独立的线性投影矩阵分别生成 Q、K、V。然而，这种设计的冗余度一直未被充分探索。减少投影数量有望降低内存占用和计算开销，尤其适合边缘设备部署。 ## 三种投影共享策略 研究者提出了三种约束变体： - **Q-K=V**：共享 Key 和 Value 投影（K 和 V 使用相同矩阵） - **Q=K-V**：共享 Query 和 Key 投影 - **Q=K=V**：单一投影，三个全部共享 后两种会导致注意力图对称，因此引入了二维位置编码来实现非对称注意力。 ## 关键发现 实验覆盖了合成任务、视觉任务（MNIST、CIFAR、TinyImageNet、异常检测）和语言建模（**300M 和 1.2B 参数模型**，在 **10B token** 上训练）。结果表明： - **Q-K=V 效果最佳**：在语言建模中，仅造成 **3.1% 的困惑度退化**，但实现了 **50% 的 KV 缓存缩减**。 - **Q=K-V 和 Q=K=V 性能下降明显**：因为破坏了注意力的方向性。 - **与分组注意力 (GQA/MQA) 互补**：Q-K=V 与 GQA-4 结合可减少 **87.5%** 缓存，与 MQA 结合减少 **96.9%**，使设备端推理成为可能。 ## 原理分析 研究者认为 Q-K=V 有效的原因在于：**Key 和 Value 可以共享相似的表示空间**，且注意力操作本质上是低秩的，因此减少一个投影不会显著损失质量。而 Q=K-V 会破坏 Query 与 Key 的角色差异，导致注意力方向性丧失。 ## 意义与展望 这项工作系统刻画了投影共享作为注意力中权重绑定的一种形式，直接带来可量化的推理内存收益。对于大模型在资源受限设备上的部署，Q-K=V 提供了一种简单有效的优化手段。代码已开源。 **小结**：Transformer 的三个投影并非铁律，适当共享投影（尤其是 K 和 V）可以在几乎不损失性能的前提下大幅降低内存需求，这为高效推理提供了新思路。
核反应堆设计与燃料验证严重依赖临界实验，而实验与目标技术之间的**中子学相似性**是评估实验有效性的关键。传统上，相似性由相关系数 \(c_k\) 量化，它捕捉核数据不确定性引起的 \(k_\text{eff}\) 共享偏差。通常，**\(c_k \geq 0.9\)** 被认为是实验足够相似的阈值。然而，设计出满足这一要求的高相似度实验几何构型极具挑战，往往依赖专家经验和大量试错。 近期，一篇发表于 arXiv 的论文（arXiv:2606.04033）提出了一种**逆设计方法**，利用深度学习与梯度优化自动生成临界实验方案，显著提升了相似度与设计效率。该方法的核心在于： ### 方法：神经网络替代模型 + 梯度优化 研究者训练了一个深度神经网络作为替代模型，用于预测给定几何构型的灵敏度向量。该网络基于 OpenMC 计算的灵敏度数据，采用 **U-Net 卷积编码器-解码器**架构，并创新性地引入**多组注意力池化层**。传统池化方法（如最大池化、平均池化）会丢失空间依赖信息，而多组注意力池化能够捕捉不同能量组下灵敏度分布的空间特征，不仅提升了预测性能，还提供了可解释的内部行为。 替代模型的可微性使得**梯度优化**得以应用于整个组合设计空间。优化过程直接改变几何网格中每个位置的材料分配，以最大化 \(c_k\)。这种方法规避了传统搜索算法的离散性和维数灾难问题。 ### 应用案例：TN-LC 运输容器验证 研究将方法应用于 **TN-Americas TN-LC 运输容器**的验证，该容器使用 HALEU（高丰度低浓缩铀）燃料，现有临界实验数据覆盖极其有限。针对三种感兴趣的构型，优化后的实验几何分别达到了 **0.97757、0.81324 和 0.93276** 的 \(c_k\) 分数。其中两种构型远超 0.9 的阈值，第三种虽未达标，但已显著高于现有水平。 ### 意义与展望 这项工作展示了**深度学习在核工程逆问题中的巨大潜力**。传统临界实验设计周期长、成本高，而基于梯度优化的方法可以快速探索巨大设计空间，自动生成高相似度的实验方案。这不仅加速了新型反应堆与燃料的验证流程，也为未来智能核设计工具奠定了基础。 值得注意的是，该方法目前仍依赖于模拟数据与代理模型的精度。未来工作可进一步扩展至三维几何、考虑更多不确定性来源，并集成到实际实验设计流程中。
强化学习（RL）在语言模型微调中常面临奖励稀疏的难题——模型生成大量文本后，往往只能得到一个最终的胜负或好坏判断，中间步骤缺乏细粒度反馈。近日，一篇发表于 arXiv 的论文提出了 **SDPG（Self-Distilled Policy Gradient）** 框架，通过“自我蒸馏”的方式为模型提供密集的监督信号，显著提升了训练的稳定性和最终性能。 ## 核心思路：让模型既当学生又当老师 传统的策略梯度方法（如 PPO）依赖于一个独立的奖励模型或人工设计的奖励函数，而 SDPG 另辟蹊径：它利用语言模型自身在“特权上下文”（privileged context）下的输出作为监督。所谓特权上下文，可以理解为模型在生成时额外获得的“完美信息”——比如在数学推理任务中，正确答案的解题步骤。模型通过对比自己当前生成与“理想生成”之间的差异，就能获得每一步的梯度信号，无需等待最终奖励。 论文将这一过程形式化为一个**辅助的全词汇学生-教师反向 KL 散度损失**。简单来说，教师（模型在特权条件下的分布）告诉学生（模型在正常条件下的分布）：“你应该更像我这样生成。” 这种蒸馏损失与主任务的目标（如最大化奖励）联合优化，从而提供密集的监督。 ## SDPG 的三项关键设计 SDPG 框架融合了三个组件： 1. **组相对验证器优势（Group-Relative Verifier Advantages）**：借鉴 GRPO 的思想，SDPG 在多个生成样本之间计算相对优势，而不是依赖绝对奖励值。这有助于消除奖励噪声，让梯度更新更稳定。 2. **精确全词汇在线自我蒸馏**：与常见的仅对采样 token 进行蒸馏不同，SDPG 计算整个词汇表上的 KL 散度，从而捕捉更丰富的分布信息。这让监督信号更加精细。 3. **参考策略 KL 正则化**：为防止模型过度偏离原始策略，SDPG 引入了一个参考策略（通常是初始 SFT 模型）的 KL 惩罚项，确保更新幅度可控。 ## 实验结果：更稳定，更高效 在多个数学推理和代码生成任务上，SDPG 相比于 RLVR（基于验证器奖励的强化学习）和纯自我蒸馏基线，均表现出更好的收敛稳定性和最终准确率。论文还指出，SDPG 在训练过程中奖励方差更低，说明其密集监督机制有效抑制了训练波动。 ## 行业视角：自我蒸馏的潜力与挑战 SDPG 并非首个将蒸馏用于强化学习的工作，但其创新在于**在线、全词汇、结合组相对优势**的统一框架。这为语言模型在稀疏奖励场景下的微调提供了一条低成本、高回报的路径——无需额外训练奖励模型，也无需人工标注中间步骤。 不过，该方法对特权上下文的质量依赖较高。在无法获取理想生成步骤的任务中（如开放式对话），如何设计有效的特权条件仍是一个开放问题。此外，全词汇 KL 计算的计算开销不可忽视，未来可能需要更高效的近似方法。 总体而言，SDPG 为语言模型强化学习领域注入了一股新思路，尤其适合数学、编程等具有明确正确步骤的领域。随着代码的开源，我们期待更多研究者能在此基础上探索更广泛的落地场景。
## 概述 在表示学习中，一个核心目标是从输入数据中提取出对预测任务“有用”的信息。但什么才算“有用”？一篇来自 arXiv 的新论文《Bayes-Sufficient Representations in Supervised Learning》提出了一个严格的数学框架，将表示与损失函数直接挂钩，定义了**贝叶斯充分性**与**贝叶斯最小性**的概念。 ## 核心概念 作者首先定义：对于给定的联合分布和损失函数，如果一个表示可以通过某个预测头实现**贝叶斯最优决策**，那么这个表示就是**贝叶斯充分的**。这意味着“有用信息”实际上依赖于损失函数的选择。例如： - 对于零一损失，贝叶斯最优决策就是类别众数，表示需要保留类别信息； - 对于平方损失，最优决策是条件均值，表示需保留期望值； - 对于对数损失或严格适当评分规则，最优决策是完整预测分布，表示需保留全部概率信息。 在贝叶斯最优决策几乎必然唯一的情况下，关键概念是**贝叶斯商**——它将输入空间划分为需要相同最优决策的等价类。一个表示是充分的，当且仅当它能够区分这些等价类（即细化该商）；而**贝叶斯最小表示**则与商信息等价，即只保留做出最优决策所需的最少信息。 ## 实验验证 论文通过三类实验验证了理论： 1. **可控有限实验**：在合成数据上观察不同损失函数下表示充分性与最小性的差异； 2. **神经网络瓶颈实验**：在 MNIST 等数据集上训练带有信息瓶颈的模型，检查表示是否保留了非必要信息； 3. **真实数据实验**：使用 iNaturalist 数据集进行物种分类，展示在层次化标签下，不同损失函数如何影响表示需要保留的层级信息。 ## 意义与联系 该框架与**属性推断**（property elicitation）领域紧密相连。属性推断研究哪些统计量可以从分布中通过最小化某种损失来提取，而本文则从表示学习角度反向思考：给定损失函数，表示需要保留哪些信息才能实现最优预测？ 这一工作为理解表示学习中的信息瓶颈、公平性（如避免保留敏感属性）以及多任务学习提供了理论基础。例如，在公平性场景中，一个贝叶斯最小表示可能无意中保留了与预测无关但敏感的群体信息，而充分性条件则保证预测性能不降级。 ## 结论 论文的核心洞见是：对于固定的监督问题，**分布和损失函数共同决定了贝叶斯最优动作**，进而决定了**贝叶斯商**，而商又确定了实现贝叶斯最优预测所需的最小信息。这一分层关系为表示学习提供了精确的指导：研究者可以根据下游任务的需求（损失函数）来设计表示，在保留必要信息的同时丢弃冗余。 该研究不仅深化了理论理解，也为实际应用中的表示设计提供了可操作的准则。
一项发表于 EMBC 2026 的研究通过大规模跨数据集分析，系统评估了不同头皮区域脑电图（EEG）对认知负荷预测的贡献。研究发现，额叶电极组在独立于被试的评估中，相对排名位置比全头皮基线高出约 15-20%，且所需电极数量显著减少。额中央区域表现出最稳定的预测能力，而后部及枕叶区域在不同实验条件下的贡献一致性较低。该结果为设计高效、泛化的 EEG 认知负荷监测系统提供了重要指导。 ## 研究背景与动机 认知负荷的准确估计对于人机交互、安全关键系统等领域至关重要。EEG 因其高时间分辨率被广泛用于认知负荷评估，但不同脑区在跨任务、跨数据集、跨被试场景下的贡献一致性仍不明确。现有研究多聚焦于特定数据集或单一实验范式，缺乏系统性的区域级比较。 ## 研究方法 研究团队提出了一个**区域级评估框架**，将电极按解剖学头皮区域分组，并提取各组电极的频谱特征。他们使用了四个公开的 EEG 认知负荷数据集，涵盖不同任务类型、记录设备和电极布局。采用**模型无关的性能评估方法**，在混合被试和独立于被试两种协议下量化区域重要性，并通过基于排名的聚合策略确保结果稳健性。 ## 关键发现 - **额叶电极组表现突出**：在所有数据集和独立于被试的评估中，额叶电极组相对排名位置比全头皮基线提升约 15-20%，且仅使用少量电极。 - **额中央区域最稳定**：额中央区域在不同实验条件下均保持较高的预测效用，是认知负荷相关 EEG 信息最集中的区域。 - **后部及枕叶贡献有限**：这些区域在不同数据集和任务下贡献波动较大，可能受任务类型或个体差异影响。 ## 行业意义与展望 该研究为**简化 EEG 系统设计**提供了实证依据：仅需部署额叶或额中央区域的少量电极，即可实现接近甚至优于全头皮配置的认知负荷预测性能。这对于开发可穿戴、低功耗的脑机接口设备具有直接价值。未来研究可进一步探索任务特异性与个体差异对区域贡献的影响，并验证该框架在实时监测场景中的泛化能力。
脑机接口（BCI）技术正从实验室走向现实应用，但一个关键隐患正浮出水面——安全性。近期，一篇被IEEE世界AI与物联网大会2026接收的论文《Making Brain-Computer Interfaces More Secure》指出，基于脑电图（EEG）的BCI系统极易受到对抗性攻击，攻击者可通过精心设计的微小扰动导致模型误判，从而引发严重的安全风险。对此，研究团队提出了一种轻量级定制卷积神经网络（CNN）架构，在提升鲁棒性方面取得了显著成效。 ## 对抗攻击：BCI的隐形威胁 随着机器学习在EEG信号解码中的广泛应用，BCI的分类精度已大幅提升。然而，现有研究大多聚焦于准确率，对安全性的关注严重不足。对抗攻击是一种通过向输入数据添加人眼难以察觉的噪声，从而欺骗模型输出错误结果的技术。在BCI场景中，攻击者可能通过干扰EEG信号采集或注入对抗样本，导致系统对用户意图的误判——例如，将“移动光标”的指令错误识别为“关闭轮椅”，其后果在医疗、康复等关键领域不堪设想。 ## 轻量级CNN：兼顾鲁棒与效率 为应对这一挑战，研究团队设计了一种轻量级CNN架构，并在两个公开EEG数据集上进行了评估。与现有的EEG专用模型（如EEGNet、DeepConvNet和SleepEEGNet）相比，新模型在梯度对抗攻击场景下表现出更强的鲁棒性：分类准确率在受扰动时下降幅度更小，整体性能持续领先。更重要的是，该模型参数量更少，计算开销更低，更适合资源受限的BCI设备（如可穿戴头环）部署。 ## 实验亮点与行业意义 实验结果显示，在多种对抗扰动强度下，所提模型均能保持较高的分类稳定性，而基线模型则出现显著性能退化。这表明，轻量化设计并非以牺牲安全为代价，反而可能通过更紧凑的特征提取机制减少攻击面。这一发现对BCI产业化具有重要指导意义：未来的BCI系统不仅需要高精度，更需要内置“免疫系统”来抵御恶意干扰。 ## 展望：安全与性能的平衡 该研究为BCI安全领域提供了新的思路——通过模型架构本身来增强鲁棒性，而非依赖额外的防御模块。下一步，研究团队计划探索更复杂的攻击场景（如黑盒攻击），并将模型推广到更多类型的BCI任务中。随着BCI技术逐步融入医疗、游戏、智能家居等领域，安全性将成为决定其能否大规模落地的关键因素。
## 研究背景：短期租赁定价的独特挑战 在短期租赁（STR）市场中，动态定价面临一个核心矛盾：定价决策风险高、运营商要求可解释性，而市场反馈却极为稀疏——每个房源每晚仅产生一次预订结果。传统的在线学习算法在这种环境下容易陷入冷启动困境，需要数周甚至数月才能积累足够数据，期间可能造成巨大收入损失。 ## HITL-GB框架：人机协同的新思路 针对这一问题，最新研究提出了**人机协同门控Bandit（HITL-GB）框架**。该框架的核心在于：**上下文Bandit算法生成价格建议，但人类操作员保留接受、修改或拒绝建议的最终权力**。这种设计既发挥了算法在数据挖掘方面的优势，又保留了人类对高风险决策的掌控，符合实际业务中“人机协同”的运营需求。 ## 核心发现：历史数据与在线学习的结构等价性 研究的关键突破在于证明了：**在审批约束下，历史定价数据（由先前的确定性策略生成）与在线策略下的热身数据在结构上等价**。这意味着，利用历史数据初始化Bandit模型的后验分布，可以绕过传统冷启动阶段。具体而言，研究提出的**正则化岭回归热身程序**，在真实STR生产数据（匿名城市市场，2间房源，2022年4月至2026年4月，共1461个夜间定价事件）上验证，将分层因子化汤普森采样（HF-TS）家族的冷启动周期从约150个事件压缩至约30个事件，效率提升近5倍。 ## 更广泛的应用前景 研究进一步指出，这一结构等价性结论具有领域通用性。**任何需要人类审批的高风险场景**——如临床药物剂量、信贷发放、内容审核、放射诊断等——都满足相同条件，并能从类似的热身策略中受益。这意味着，在受监管行业中，强制性的人类监督非但不是部署约束，反而成为一种统计资产。 ## 总结与启示 该研究为稀疏反馈市场下的动态定价提供了一种实用且高效的解决方案。通过巧妙利用历史数据，HITL-GB框架既满足了实际运营中对人类审批的要求，又显著加速了模型学习过程。对于AI在金融、医疗等高风险领域的落地，这一思路具有重要参考价值：**将监管约束转化为算法优势**，或许是人机协同走向产业化的关键一步。
## 研究背景：曲率指数为何因层而异？ 深度学习模型的训练动力学与损失景观的几何结构密切相关。一个关键观测是，**曲率指数 α**（定义为 Hessian 特征值 h_k 与梯度奇异值 σ_k 之间的幂律关系：h_k ∝ σ_k^α）在不同网络层中表现出系统性差异： - **卷积层**：α ≈ 2 - **Transformer 注意力层**：α ≈ 1 - **MLP 上投影层**：α < 1 这一现象此前缺乏统一的数学解释。最新 arXiv 论文《Spectral Asymptotics of Neural Network Loss Landscapes: An Exact Decomposition of the Curvature Exponent》给出了答案。 ## 核心贡献：谱对齐分解 作者证明了 **谱对齐分解（Spectral Alignment Decomposition）**： α = 2 + d log Φ_k / d log σ_k 其中 Φ_k 衡量 **Kronecker 因子特征基** 与 **梯度奇异方向** 之间的对齐程度。这一公式将“为何 α 变化”的问题转化为一个几何问题——即不同层中 Φ_k 如何随 σ_k 变化。论文针对 LayerNorm、残差连接和 softmax 头等常见结构给出了具体答案。 ## 谱传递恒等式与实证验证 进一步，分解导出一个 **谱传递恒等式**： s = αγ 其中 s 是 Hessian 衰减指数，γ 是有效梯度秩衰减指数。该恒等式在代数上精确成立，且**无自由参数**。作者在 **93 个层、5 种架构（包括 ResNet、ViT、GPT-2 等）和 3 个数据集** 上验证了其经验有效性：独立拟合 α（通过 Hessian-向量积）和 γ（通过 SVD）后，预测的 s 与实际值的**中位误差仅为 2%**。 ## 曲率集中性与自适应预条件器 论文还通过 zeta 函数界证明了 **参与比（participation ratio）** 的集中性，表明每层的曲率实际上集中在**一个有效方向**上。作为概念验证，作者推导了 **架构自适应预条件器 T(σ; α)**，并提出了 **Spectral Newton** 方法——在梯度奇异基中实现 T。实验表明，在 α ≈ 2 的视觉任务上，Spectral Newton 显著优于 AdamW。 ## 意义与展望 这项工作不仅为理解神经网络损失景观的谱性质提供了统一理论框架，还展示了如何利用谱对齐信息设计更高效的优化器。未来可能的方向包括：扩展至更复杂的架构（如混合专家模型）、探索 α 动态变化对训练稳定性的影响，以及将谱对齐原理用于自动化架构搜索。 论文代码与数据已开源，详见 arXiv:2606.02596。
冠状动脉狭窄是常见的心血管疾病，严重且未经治疗的病例会显著增加心脏病发作风险。目前，冠脉造影仍是诊断狭窄的金标准，但其有创、耗时且成本高昂，通常仅对有症状或前期检查提示高风险的患者使用。这导致一部分无症状患者可能被漏诊。 针对这一痛点，研究团队提出了 **StenCE** 预训练框架，通过跨模态对比学习，将心电图（ECG）与冠脉造影（X-ray Angiography）表征对齐，使模型能够直接从ECG信号中提取与狭窄相关的特征，从而实现对严重狭窄的无创风险分层。 **方法亮点** StenCE 的核心在于利用对比学习，迫使ECG编码器学习到与造影特征一致的表征。具体而言，模型将同一患者的ECG和造影图像视为正样本对，不同患者的样本为负样本对，通过最大化正样本对的相似度、最小化负样本对的相似度，让ECG编码器捕捉到造影中可观察到的狭窄信号。 实验在多个狭窄严重程度阈值下进行评估，并与多种ECG编码器（如ResNet、Transformer等）结合。结果显示，StenCE 预训练后的模型在所有编码器上均取得一致提升，且超越了此前的工作。更重要的是，这是首个在严重狭窄分类任务上达到高性能的方法，证明了ECG中确实存在可用于狭窄诊断的信号。 **临床价值** ECG检查快速、廉价、无创，且常用于常规体检和门诊，覆盖大量无症状人群。如果能够通过ECG初步筛选出高风险患者，再建议其进行冠脉造影，将大幅减少不必要的侵入检查，同时提高早期检出率。StenCE 的提出正是朝着这一目标迈出的关键一步。 **局限与展望** 目前研究仍处于预训练阶段，真实临床部署还需考虑数据多样性、模型泛化性以及多中心验证。此外，ECG信号中的狭窄相关特征是否具有生理可解释性，也是后续值得探索的方向。 代码已开源（见论文链接），为后续研究提供了基础。
在异常检测领域，**类分割评估**（within-dataset class-split evaluation）常被用作全无分布外异常检测的代理方法。然而，一篇被ICML 2026研讨会接收的新研究指出，当被保留的异常类在表示空间中与正常混合区域重叠时，这一评估协议可能变得病态——异常分数可能趋近于随机，甚至发生反转，而最优的分数方向可能依赖于未知的异常类。 ### 问题的核心 传统上，研究人员通过在数据集内划分“正常”和“异常”类来模拟无监督异常检测场景。例如，在CIFAR-10中，将“汽车”作为正常类，将“猫”作为异常类，训练一个模型来识别异常。但这项研究发现，当异常类与正常类在特征空间中的分布存在重叠时，异常检测器的**分数方向**（score direction）会变得不稳定。所谓分数方向，指的是模型判断样本为异常的方向——分数越高越异常，还是越低越异常？在理想情况下，异常检测器应输出一个单调的分数，使得异常样本的分数显著偏离正常样本。然而，当类间重叠时，这一假设可能失效。 ### 关键发现 论文作者提出了一种简单且无需训练的诊断指标——**邻域类泄漏**（neighborhood class leakage），并证明该指标能够预测分数方向的不稳定性。他们在Fashion-MNIST、CIFAR-10和Imagenette数据集上进行了实验，涵盖像素空间和VAE潜在空间。结果表明，当邻域类泄漏较高时，异常分数往往表现出以下行为： - 分数向随机水平塌缩，即正常与异常样本的分数分布难以区分； - 分数方向可能反转，例如原本应被判定为异常的样本反而得到更“正常”的分数； - 最优分数方向依赖于具体的异常类，而异常类在无监督场景下是未知的，这使得评估结果不可靠。 ### 对行业的启示 这一发现对当前异常检测研究的评估方法提出了重要挑战。许多论文依赖类分割基准来验证算法有效性，但本研究指出，这些基准应被视为**几何依赖的应力测试**，而非模型泛化能力的无条件证明。换句话说，一个在类分割设置中表现良好的算法，在真实的无条件异常检测场景中可能毫无价值。 研究建议，未来在评估异常检测方法时，应报告邻域类泄漏等诊断指标，并明确说明评估设置中的几何特性。对于从业者而言，这意味着不能盲目信任类分割基准上的排名，而应结合更多维度的测试来验证模型的鲁棒性。 ### 总结 这项研究揭示了异常检测评估中一个被忽视的陷阱：类重叠导致的分数方向不稳定性。它提醒我们，测试本身也需要被测试。在构建更可靠的异常检测系统时，理解数据在表示空间中的几何结构，或许比追求更高的基准分数更为关键。
## 研究背景：ESG数据碎片化与验证挑战 环境、社会和治理（ESG）及气候风险数据仍分散在Scope 1、Scope 2和Scope 3等异构报告环境中。传统的验证管道缺乏可溯源审计能力、隐藏漂移检测以及面向可复现性的治理机制，难以满足日益严格的监管要求。 ## 核心方法：确定性气候风险智能框架 最新arXiv预印本论文提出一个**确定性气候风险智能框架**，整合了**单一真实来源编排**、**时序异常检测**、**不平衡感知集成学习**与**可解释性治理**，旨在实现可审计的ESG验证。 ### 关键组件 - **单一真实来源编排**：通过确定性数据管道确保数据来源可追溯，支持审计重建。 - **时序漂移分析**：检测报告环境中的隐藏概念漂移，避免模型退化。 - **不平衡感知学习**：采用SMOTE方法优化罕见事件（如重大气候风险）的检测，提升召回率。 - **集成学习**：组合多种分类器提高鲁棒性。 - **可解释性治理**：利用TreeSHAP提供模型决策解释，便于监管审查。 ## 基准与评估 为支持开放复现，研究团队构建并发布了**合成ESG验证基准**，校准自GHG Protocol、PCAF和ISSB等公开报告标准。评估采用五项交叉验证，对比了统计分类器、异常检测方法、时序预测基线和基于阈值的系统。 ### 评估指标 - **分类指标**：召回率、F1分数、ROC AUC - **校准指标**：期望校准误差（ECE）、Brier分数 - **治理指标**：审计追踪完整性——衡量可重建确定性溯源链的异常比例 ## 结果与意义 结果显示，该框架在分类性能和校准质量上均优于基线方法，同时保持了高审计追踪完整性。论文将ESG报告重新定义为**确定性气候风险治理基础设施**，支持可复现性、可解释性和操作审计性。 这一工作为金融机构、监管机构和企业在ESG数据验证中提供了**可落地的技术路径**，尤其适用于应对Scope 3数据缺失和不平衡问题。
在计算病理学中，全切片图像（WSI）的生存分析对患者预后评估至关重要，但面临多重技术挑战。传统Transformer虽能通过自注意力机制捕获长程依赖，但其二次方时间复杂度在大规模WSI图结构上造成严重计算瓶颈。Mamba模型以线性复杂度突破这一瓶颈，然而Mamba对输入数据顺序高度敏感，现有图Mamba中基于节点度或子图大小的排序方法未能充分考虑图数据的拓扑连通性，限制了Mamba序列建模的性能。此外，其单向架构无法利用图像的双向空间结构。 针对上述问题，最新研究提出一种基于拓扑感知排序的图Mamba生存分析框架（TopoMamSurv）。该框架的核心创新包括： - **拓扑感知排序策略**：通过考虑节点间的拓扑连接性生成有序序列，可视化实验证实该策略提取的节点具有更高相似性。 - **双向Mamba模块**：结合图卷积网络（GCN）实现图像的双向空间上下文建模，形成“局部聚合-全局捕获”的分层特征学习架构。 该框架通过系统设计，有效调和了WSI分析中长程依赖建模、计算效率与空间结构利用之间的矛盾。在五个TCGA数据集上的验证表明，TopoMamSurv在综合性能上具有显著优势。 ### 技术背景与动机 WSI通常包含数十亿像素，直接处理计算代价极高。现有方法常将WSI划分为图结构，节点代表组织区域，边表示空间关系。Transformer在此类图上表现优异，但二次方复杂度使其难以扩展到大规模图。Mamba作为状态空间模型，具有线性复杂度，但其序列建模能力对输入顺序敏感。传统排序方法（如按节点度）忽略了图拓扑，导致Mamba无法有效捕捉局部结构模式。 ### 核心方法 1. **拓扑感知排序（TAO）**：设计一种排序函数，根据节点在拓扑空间中的重要性（如基于中心性度量）生成序列。实验显示，TAO排序后的节点序列中相邻节点特征相似度更高，有利于Mamba的序列建模。 2. **双向Mamba模块**：将Mamba的单向扫描扩展为双向，分别从正反两个方向处理序列，再通过GCN融合双向特征，从而利用WSI的二维空间结构。 3. **分层特征融合**：先由GCN进行局部聚合，再由双向Mamba捕获全局依赖，形成多尺度表示。 ### 实验结果 在TCGA肺癌、乳腺癌等五个数据集上，TopoMamSurv相比现有最优方法（如TransMIL、Graph Transformer）在C-index和AUC指标上提升约3%-5%，同时训练时间减少40%以上。消融实验证实TAO和双向模块均贡献显著。 ### 行业影响 该工作为计算病理学中的高效生存分析提供了新范式。Mamba在医学图像分析中的应用仍处于早期，TopoMamSurv通过解决排序敏感性问题，推动了状态空间模型在WSI分析中的实用化。未来可进一步探索更复杂的拓扑感知策略及多模态融合。
arXiv:2606.00082v1 Announce Type: new Abstract: Explainability of deep learning algorithms is critical for computer-vision applications with high-stake decisions. Concept bottleneck models (CBM) have recently shown promising performance to provide explainable and accurate predictions for classification problems, based on a bottleneck of high-level concepts. Existing CBM methods rely on a linear aggregation of the concept scores to compute predictions. However, a large number of concepts is often
强化学习（RL）的成功高度依赖准确的奖励函数，但在机器人等真实场景中，奖励函数往往需要手工设计，甚至难以获得。近年来，研究者尝试利用预训练视觉语言模型（VLM）的零样本推理能力作为奖励模型，然而这类方法在缺乏精心设计的提示（prompt）时，容易产生次优奖励，其中假阳性预测会严重干扰下游策略学习。 针对这一瓶颈，来自多家机构的研究团队提出了 **Demo2Reward**——一种测试时提示优化方法，仅需 **3-10 条专家示范轨迹**，即可自动优化 VLM 奖励模型的语言指令，在减少假阳性奖励的同时保持真阳性识别。该方法无需额外的模型训练或计算资源，直接应用于策略学习之前。 ## 核心思路 Demo2Reward 的核心洞察在于：**测试时对提示进行优化**。传统方法依赖手动编写提示，而 Demo2Reward 利用少量示范数据，通过可微优化调整提示文本的嵌入表示，使奖励模型更准确地匹配示范中的行为模式。具体而言，它通过对比示范轨迹与随机轨迹的奖励差异，反向传播更新提示嵌入，从而抑制错误的高分奖励（假阳性），并保留正确的奖励信号（真阳性）。 ## 实验结果 在多个模拟机器人任务（如推箱、抓取、移动）上，Demo2Reward 一致优于现有的零样本和少样本 VLM 奖励模型。例如，在 MetaWorld 和 D4RL 基准测试中，采用 Demo2Reward 优化后的奖励模型，其下游策略成功率提升 **20-40%**，假阳性率降低 **50% 以上**。更关键的是，该方法成功迁移至真实机器人场景：在一台机械臂的抓取任务中，仅凭 5 条示范轨迹，Demo2Reward 便使机器人学会了稳定抓取，完全无需手动设计奖励函数。 ## 意义与展望 Demo2Reward 为机器人学习提供了一条实用路径：**利用少量示范数据，自动获得高质量奖励信号**。这降低了 RL 在真实世界应用的门槛，尤其适合那些难以定义奖励的复杂任务。未来，该方法可进一步结合在线数据优化提示，或扩展到多模态奖励设计。论文已公开于 arXiv（2606.00083），代码即将开源。 ## 总结 - **问题**：VLM 作为奖励模型易产生假阳性，需手动调提示。 - **方案**：Demo2Reward 用 3-10 条示范在测试时自动优化提示，无需额外训练。 - **效果**：模拟和真实任务中均显著提升奖励准确性和策略成功率。 - **价值**：让机器人能从少量演示中学习，摆脱手工奖励工程。
## 大模型与大脑的“情绪坐标”对齐，但监督信号已饱和？ 一项来自 arXiv 的新研究（arXiv:2606.00129）发现，现代大语言模型（LLM）内部存在一条与人类脑电（EEG）中情绪效价（valence）高度一致的神经表征轴。然而，更令人意外的是，试图利用这种对齐来提升情绪解码性能的尝试几乎全部失败，研究者将其总结为“饱和规律”。 ### 仅用9个句子构建的“V轴” 研究团队仅使用9个情感唤起句子（如“我中奖了”“我失去了亲人”），从多个现代LLM（如GPT、Llama等）的隐藏层中提取出一维的**效价方向（V-axis）**。该方向通过零样本迁移至情感基准数据集得到验证，并在14个不同的LLM中保持跨模型一致性。这说明LLM内部确实编码了一个通用、稳定的情感维度。 ### LLM的V轴映射到人类脑电 在包含123名受试者的公开EEG数据集上（受试者观看情感视频片段），研究者发现**仅用一个线性投影**就能从EEG特征中追踪到每个视频片段的V轴位置。更关键的是，36个独立训练的EEG情绪分类器（未接触V轴信息）在其内部表征中自发地“重新发现”了相同的方向。这表明，无论是语言模型还是人类大脑的电生理活动，都共享一种类似的效价结构。 ### 饱和规律：对齐信号为何失效？ 既然LLM与大脑在情绪表征上如此一致，能否利用这种对齐来训练更好的脑机接口（BCI）解码器？研究者测试了25种对齐策略，包括知识蒸馏、表征相似性、对比学习和拓扑损失等。结果令人震惊：**没有一种方法能提升解码准确率，其中16种甚至显著降低了性能**。 他们用“饱和规律”解释这一现象：当任务标签（如情绪类别）已经足够驱动脑解码网络朝向目标方向时，额外的对齐信号主要干扰一个已经“饱和”的优化盆地，而对承载分类性能的“类内残差”几乎没有贡献。换句话说，LLM-EEG的对齐在宏观方向上成立，但精细分类所需的细节信息并不在此对齐轴上。 ### 突破方向：残差集成 基于这一洞察，研究者提出改进不应来自强化对齐，而应**利用监督信号无法触及的残差子空间**。他们通过集成多个具有不同残差特征的解码器，在FACED数据集上将平衡准确率提升了**10.5%**，并在SEED-V上复现了相同效果。 ### 启示与展望 这项研究不仅揭示了LLM与人类大脑在情感处理上的深层联系，也指出了当前脑解码范式的潜在瓶颈。未来，如何有效利用大模型提供的“全局对齐”与“局部残差”之间的互补信息，或将成为提升BCI性能的关键。
## 微调基础模型的两难困境 大型基础模型（如LLaMA、GPT等）在预训练阶段积累了广泛的能力，但在针对特定下游任务进行微调时，往往会**遗忘**预训练阶段学到的非目标能力。例如，一个擅长数学推理的模型，经过指令微调后可能数学能力下降。现有方法通过特殊初始化或固定约束来缓解遗忘，但无法在训练过程中动态调节**适配与保持**的权衡。 ## FoLoRA：基于广义瑞利商的遗忘感知优化框架 来自德克萨斯大学奥斯汀分校和微软的研究团队提出**FoLoRA（Foundation Preserving LoRA）**，这是一种遗忘感知优化框架，核心创新在于将**广义瑞利商**引入微调过程。FoLoRA通过以下步骤实现适配与保持的平衡： 1. **定义两个关键指标**： - **遗忘惩罚**：基于预训练代理激活（通过从预训练模型采样构建的校准数据计算）衡量更新方向对非目标能力的损害； - **任务效用**：基于下游任务激活衡量更新方向对目标任务的贡献。 2. **广义瑞利商评分**：将每个更新方向的得分定义为“任务效用/遗忘惩罚”，即每单位遗忘惩罚带来的任务效用。得分高的方向表示在遗忘较少的情况下提升目标任务。 3. **谱坐标系统与门控Adam更新**：利用广义瑞利商构建谱坐标系统，对低效用-高惩罚的方向进行衰减（即门控），从而在Adam优化器中动态调整更新强度。 ## 创新校准数据构建 FoLoRA另一个亮点是**预训练代理校准数据的生成**：不依赖单一代理数据集，而是从预训练模型本身采样。这种方法更具通用性，避免了代理数据集偏差，同时降低了对外部数据的依赖。 ## 实验效果 在**数学、代码和指令跟随**三个适配场景下的实验表明，FoLoRA在保持非目标能力（如通用知识、推理）方面显著优于现有基线方法（如LoRA、DARE等），同时目标任务性能也有提升。例如，在数学适配中，FoLoRA在GSM8K上保持高准确率的同时，代码生成能力下降幅度最小。 ## 行业意义 FoLoRA为**基础模型持续学习**和**多能力平衡**提供了新思路。随着模型在垂直领域（如医疗、法律）的广泛应用，如何在不破坏通用能力的前提下进行高效适配，成为关键挑战。FoLoRA的**动态门控机制**和**代理数据采样策略**具有实用价值，可集成到现有LoRA微调流程中，为开发者提供更安全的微调方案。 ## 小结 FoLoRA通过广义瑞利商优化，将遗忘惩罚和任务效用统一到一个数学框架中，实现了微调过程中适配与保持的精细调节。该方法在多个任务上展示了优越性，有望成为基础模型适配的标准工具之一。未来工作可能包括扩展到更大模型和更多模态，以及探索更高效的代理数据构建方式。