Invariance-Based Dynamic Regret Minimization
基于不变性的动态遗憾最小化
机构 * University of Copenhagen（哥本哈根大学） ； ETH Zürich（苏黎世联邦理工学院） ； Lakera Zürich（苏黎世拉凯拉）
AI总结 本文提出ISD-linUCB算法，通过学习奖励模型中的不变性来减少问题维度，从而在快速变化环境中提升在线性能。
Comments 32 pages, 7 figures
高校专区
ETH Zurich（苏黎世联邦理工学院）
Learning in an Echo Chamber: Online Learning with Replay Adversary
在回放室中学习：带有回放对抗的在线学习
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Copenhagen（哥本哈根大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出回放设置下的在线学习框架，引入扩展阈值维度ExThD(H)作为学习能力的度量，证明了在对抗环境下学习的界限，并展示了正规学习与非正规学习的分离特性。
Journal ref Proceedings of the 2026 Annual ACM-SIAM Symposium on Discrete Algorithms (SODA)
Extremely Simple Multimodal Outlier Synthesis for Out-of-Distribution Detection and Segmentation
极简多模态异常合成用于分布外检测与分割
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zürich（苏黎世联邦理工学院） ； Fraunhofer IKS（弗劳恩霍夫研究所） ； EPFL（苏黎世联邦理工学院）
AI总结 本文提出极简多模态异常合成方法Feature Mixing，通过理论支持提升OOD检测性能，实验表明其在多个数据集上达到最优效果，速度提升显著。
Comments NeurIPS 2025
AuToMATo: An Out-Of-The-Box Persistence-Based Clustering Algorithm
AuToMATo：一种基于持久性的聚类算法
机构 * Department of Computational Linguistics University of Zürich（苏黎世大学计算语言学系） ； Department of Mathematics Pennsylvania State University（宾夕法尼亚州立大学数学系） ； Department of Mathematics and Computer Science University of Basel（巴塞尔大学数学与计算机科学系） ； Department of Computer Science ETH Zürich（苏黎世联邦理工学院计算机科学系）
AI总结 AuToMATo是一种基于持久性的聚类算法，通过默认参数设置实现即开式操作，结合自助法分离密度峰，并在多个基准测试中表现优异。
Comments Code: https://doi.org/10.5281/zenodo.17279740
Journal ref TMLR (October 2025)
Towards Self-Robust LLMs: Intrinsic Prompt Noise Resistance via CoIPO
迈向自适应鲁棒大语言模型：通过CoIPO实现内在提示噪声抵抗力
机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Meituan LongCat Interaction Team（美团LongCat交互团队） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出CoIPO方法，通过对比学习提升大语言模型对提示噪声的内在鲁棒性，实验表明其在NoisyPromptBench上表现优于现有方法。
