Huazhong University of Science and Technology（华中科技大学）

Minimum Block Width for Universal Approximation by Residual Neural Networks with Inner Width One

具有内部宽度为一的残差神经网络通用逼近的最小块宽度

Qi Zhou, Xuan Zhou, Xiao-Song Yang

机构 * School of Mathematics and Statistics, Huazhong University of Science and Technology（华中科技大学数学与统计学院） ； Hubei Key Laboratory of Engineering Modeling and Scientific Computing, Huazhong University of Science and Technology（湖北省工程建模与科学计算重点实验室） 纠错

AI总结 研究残差神经网络通用逼近性质，针对特定激活函数建立块宽度上下界，证明内部宽度为1时在紧致域上实现\(L^p\)逼近的最小块宽度，还给出特定块宽度网络能实现一致逼近及宽度小于某值不能逼近所有目标函数的结论。

SPROUT: A Scalable Diffusion Foundation Model for Agricultural Vision

SPROUT：一种用于农业视觉的可扩展扩散基础模型

Shuai Xiang, James Burridge, Shouyang Liu, Hao Lu, Tokihiro Fukatsu, Yinqiang Zheng, Wei Guo

机构 * Graduate School of Agricultural and Life Sciences, The University of Tokyo（东京大学大学院农学生命科学研究科） ； National Key Laboratory of Multispectral Information Intelligent Processing Technology, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学多谱信息智能处理技术全国重点实验室、人工智能与自动化学院） ； Institute of Agricultural Machinery, NARO（日本国立研究开发法人农业·食品产业技术综合研究机构农业机械研究所） ； Institute of Life and Environmental Sciences, University of Tsukuba（筑波大学生命环境科学研究所） 纠错

AI总结 SPROUT是一种基于扩散去噪的多作物多任务农业基础模型，通过大规模未标注数据预训练，在多种下游任务中表现优异，且预训练成本较低。

Comments Code: https://github.com/UTokyo-FieldPhenomics-Lab/SPROUT Dataset: https://huggingface.co/datasets/XIANG-Shuai/MCD-2.6m

Diving into Kronecker Adapters: Component Design Matters

深入Kronecker适配器：组件设计至关重要

Jiayu Bai, Danchen Yu, Zhenyu Liao, TianQi Hou, Feng Zhou, Robert C. Qiu, Zenan Ling

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息学院） ； Huawei（华为） ； Center for Applied Statistics and School of Statistics, Renmin University of China（中国人民大学应用统计中心和统计学院） 纠错

AI总结 本文通过分析Kronecker适配器的组件维度和数量，提出组件设计的Kronecker适配器（CDKA），并给出参数预算感知的配置指南和训练稳定策略，实验证明其有效性。

Comments Accepted by ICML 2026