EPFL（洛桑联邦理工学院）

OLIVE: View-Augmented Latent Prediction with Waveform Reconstruction for Speech SSL

OLIVE: 基于视图增强的潜在预测与波形重构的语音自监督学习

Karl El Hajal, Mathew Magimai. -Doss

机构 * Idiap Research Institute（Idiap研究 institute） ； EPFL（瑞士联邦理工学院） 纠错

AI总结 提出OLIVE框架，联合优化视图增强掩码潜在预测与波形重构，使早期编码器保留信号信息、后期表示具有不变性，提升生成与说话人任务性能。

Uncertainty Estimation in Pathology Foundation Models via Deep Mutual Learning

病理基础模型中的不确定性估计：基于深度互学习

Gbègninougbo Aurel Davy Tchokponhoue, Sevda Öğüt, Ali Idri, Dorina Thanou, Pascal Frossard

机构 * UM6P（摩洛哥穆萨-阿卜杜勒-阿齐兹大学） ； EPFL（瑞士联邦理工学院） ； UM5（摩洛哥穆萨-阿卜杜勒-阿齐兹大学） 纠错

AI总结 提出DICE框架，通过集成多个冻结的病理基础模型并利用深度互学习对齐，以模型分歧作为不确定性代理，实现可靠的不确定性估计、异常定位，并在分类、校准和定位上匹配或超越现有方法。

Stabilizing Extrapolation in Looped Transformers via Learned Stochastic Stopping

通过学习的随机停止稳定循环Transformer中的外推

Hsun-Yu Kuo, El Mahdi Chayti, Patrik Reizinger, Wieland Brendel, Martin Jaggi

机构 * EPFL（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems & ELLIS Institute（马克斯·普朗克智能系统研究所及ELLIS研究所） 纠错

AI总结 针对循环Transformer在变长算法任务中长度泛化脆弱的问题，提出在训练中引入循环次数的随机性，并分析RL-Halting作为学习随机调度策略，能有效降低分布外方差并稳定预测。

Product-of-Gaussian-Mixture Diffusion Models for Joint Nonlinear MRI Reconstruction

基于高斯混合积的扩散模型用于联合非线性MRI重建

Laurenz Nagler, Martin Zach, Thomas Pock

机构 * Graz University of Technology（格拉茨技术大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Biomedical Imaging Group and Center for Biomedical Imaging（生物医学成像组和生物医学成像中心） 纠错

AI总结 本文提出结合参数高效高斯混合积扩散模型与经典平滑先验的联合重建方法，提升MRI重建的效率和鲁棒性，同时改善去噪和图像重建效果。

Neural Galerkin Normalizing Flow for Transition Probability Density Functions of Diffusion Models

神经伽辽金正则化流用于扩散模型的转移概率密度函数

Riccardo Saporiti, Fabio Nobile

机构 * CSQI, École Polytechnique Fédérale de Lausanne（CSQI，洛桑联邦理工学院） 纠错

AI总结 本文提出基于神经伽辽金正则化流的方法，通过求解对应的福克-普朗克方程近似扩散过程的转移概率密度函数，利用正则化流保证结构保持性和正性约束，数值结果表明该方法能有效捕捉真实解的关键特征。

Comments 13 pages, 5 figures

Large and Deep Factor Models

大规模和深度因子模型

Bryan Kelly, Boris Kuznetsov, Semyon Malamud, Yuan Zhang

机构 * Yale School of Management（耶鲁管理学院） ； AQR Capital Management（AQR资本管理公司） ； NBER（美国国家经济研究局） ； Swiss Finance Institute（瑞士金融研究所） ； EPFL（瑞士联邦理工学院） ； CEPR（欧洲央行研究中心） ； Shanghai University of Finance and Economics（上海财经大学） 纠错

AI总结 本文提出深度神经网络构建随机折现因子的分解方法，通过线性因子表示提升经济和统计显著性，但谱复杂度限制了有限样本定价。

When, How Long and How Much? Interpretable Neural Networks for Time Series Regression by Learning to Mask and Aggregate

何时、多久和多少？通过学习遮蔽和聚合构建可解释的神经网络用于时间序列回归

Florent Forest, Amaury Wei, Olga Fink

机构 * EPFL（瑞士联邦理工学院洛桑分校） ； IMOS Laboratory（IMOS实验室） 纠错

AI总结 本文提出MAGNETS模型，通过学习遮蔽和聚合来构建可解释的时间序列回归神经网络，无需标注即可学习人类可理解的概念，揭示预测驱动因素及时间影响。

Comments 31 pages, 6 figures, 6 tables