cs.LG（2025-07-29）

📊 共 10 篇论文 | 🔗 1 篇有代码

🎯 兴趣领域导航

支柱九：具身大模型 (Embodied Foundation Models) (5 🔗1) 支柱二：RL算法与架构 (RL & Architecture) (4) 支柱五：交互与反应 (Interaction & Reaction) (1)

🔬 支柱九：具身大模型 (Embodied Foundation Models) (5 篇)

#	题目	一句话要点	标签	🔗	⭐
1	Foundation Models for Demand Forecasting via Dual-Strategy Ensembling	提出双策略集成框架，提升基础模型在需求预测中的准确性和泛化性	foundation model
2	TRIBE: TRImodal Brain Encoder for whole-brain fMRI response prediction	TRIBE：用于全脑fMRI响应预测的三模态脑编码器	multimodal	✅
3	Measuring Time-Series Dataset Similarity using Wasserstein Distance	提出基于Wasserstein距离的时间序列数据集相似度度量方法，用于模型选择和迁移学习。	foundation model
4	SLA-Centric Automated Algorithm Selection Framework for Cloud Environments	提出面向云环境SLA的自动化算法选择框架，优化组合问题。	large language model
5	Representations in vision and language converge in a shared, multidimensional space of perceived similarities	视觉与语言表征在感知的相似性共享多维空间中融合	large language model

🔬 支柱二：RL算法与架构 (RL & Architecture) (4 篇)

#	题目	一句话要点	标签	🔗	⭐
6	Structure-Informed Deep Reinforcement Learning for Inventory Management	提出结构感知深度强化学习，解决复杂库存管理问题，性能优于传统方法。	reinforcement learning deep reinforcement learning DRL
7	Improving Generative Ad Text on Facebook using Reinforcement Learning	提出基于强化学习的AdLlama模型，提升Facebook广告文本生成效果	reinforcement learning large language model
8	Weighted Conditional Flow Matching	提出加权条件流匹配以提升生成效率与准确性	flow matching
9	Teach Me to Trick: Exploring Adversarial Transferability via Knowledge Distillation	利用知识蒸馏提升对抗样本迁移性，加速黑盒攻击。	distillation

🔬 支柱五：交互与反应 (Interaction & Reaction) (1 篇)

#	题目	一句话要点	标签	🔗	⭐
10	Representation biases: will we achieve complete understanding by analyzing representations?	揭示表征偏差对系统理解的挑战：分析方法可能导致有偏推断	OMOMO

⬅️ 返回 cs.LG 首页 · 🏠 返回主页