Johns Hopkins University（约翰斯·霍普金斯大学）

Learning to Choose: An Empowerment-Guided Multi-Agent System with semantic communication for Adaptive Method Selection

学会选择：一种基于赋权与语义通信的自适应方法选择多智能体系统

Geremy Loachamín-Suntaxi, Robert Lazar, Dimitrios G. Giovanis, Ioannis G. Kevrekidis, Eleni D. Koronaki

机构 * Faculty of Science, Technology and Medicine（科学、技术与医学学院） ； University of Luxembourg（卢森堡大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Luxembourg Institute of Science and Technology（卢森堡科学与技术研究院） 纠错

AI总结 提出一种结合上下文赌博机、结构化智能体间通信和语义检查点的多智能体框架，通过保持动作-结果因果一致性来提升科学计算工作流中自适应决策的收敛性、鲁棒性和泛化能力。

Joint Model and Data Sparsification via the Marginal Likelihood

通过边际似然进行联合模型与数据稀疏化

Alexander Timans, Thomas Möllenhoff, Christian A. Naesseth, Mohammad Emtiyaz Khan, Eric Nalisnick

机构 * RIKEN Center for AI Project, Tokyo, Japan（日本东京RIKEN人工智能项目中心） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） 纠错

AI总结 提出通过边际似然联合学习特征和样本相关性，实现同时模型与数据稀疏化的贝叶斯方法，在保持共轭性和闭式更新的同时提升鲁棒性。

Comments 36 pages, 8 figures, 12 tables (incl. appendix); published at ICML 2026

SMolLM: Small Language Models Learn Small Molecular Grammar

SMolLM: 小型语言模型学习小型分子语法

Akhil Jindal, Harang Ju

机构 * Carey Business School Johns Hopkins University（约翰霍普金斯大学Carey商学院） 纠错

AI总结 本文提出SMolLM，一个53K参数的小型权重共享Transformer，通过固定层次结构学习SMILES语法，在ZINC-250K数据集上以95%的有效性生成分子，优于参数多10倍的GPT模型。

Comments 19 pages, 5 figures, 11 tables

Computationally Efficient Replicable Learning of Parities and Applications

奇偶性的计算高效可复现学习及其应用

Moshe Noivirt, Jessica Sorrell, Eliad Tsfadia

机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Department of Computer Science, Bar-Ilan University（巴伊兰大学计算机科学系） 纠错

AI总结 本文提出首个计算高效的奇偶性可复现学习算法，证明可复现学习在一般分布上严格超越SQ学习，并揭示其与差分隐私在样本复杂度上的分离。

An Interpretable Vision Transformer as a Fingerprint-Based Diagnostic Aid for Kabuki and Wiedemann-Steiner Syndromes

一种可解释的基于指纹的视觉Transformer辅助诊断Kabuki和Wiedemann-Steiner综合征

Marilyn Lionts, Arnhildur Tomasdottir, Viktor I. Agustsson, Yuankai Huo, Hans T. Bjornsson, Lotta M. Ellingsen

机构 * Dept. of Computer Science, Vanderbilt University（范德比尔特大学计算机科学系） ； Dept. of Genetics and Molecular Medicine, Landspitali University Hospital（陆斯帕蒂医院遗传学与分子医学系） ； Louma G. Laboratory of Epigenetics Research, Faculty of Medicine, University of Iceland（爱沙尼亚大学医学系表观遗传学研究实验室） ； McKusick-Nathans Dept. of Genetic Medicine, Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院遗传医学部） ； Faculty of Electrical and Computer Engineering University of Iceland（爱沙尼亚大学电气与计算机工程系） 纠错

AI总结 本研究提出一种基于视觉Transformer的深度学习模型，利用指纹图像区分Kabuki综合征（KS）和Wiedemann-Steiner综合征（WSS）患者与健康对照，并通过注意力可视化增强可解释性，为罕见遗传病的非侵入性诊断提供新工具。

TelecomTS: A Multi-Modal Observability Dataset for Time Series and Language Analysis

TelecomTS：面向时间序列与语言分析的多模态可观测性数据集

Austin Feng, Andreas Varvarigos, Ioannis Panitsas, Daniela Fernandez, Jinbiao Wei, Yuwei Guo, Jialin Chen, Ali Maatouk, Leandros Tassiulas, Rex Ying

机构 * Yale University（耶鲁大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出TelecomTS，一个来自5G电信网络的大规模多模态可观测性数据集，通过保留绝对尺度信息的异质协变量和多样化下游任务（异常检测、根因分析、多模态问答），揭示了现有模型在处理可观测性数据的高噪声、突变特性时的不足。

Controlling the Risk of Corrupted Contexts for Language Models via Early-Exiting

通过早退机制控制语言模型中有害上下文的风险

Andrea Wynn, Metod Jazbec, Charith Peris, Rinat Khaziev, Anqi Liu, Daniel Khashabi, Eric Nalisnick

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Amsterdam（阿姆斯特丹大学） ； Amazon AGI（亚马逊人工智能实验室） ； Amazon Alexa（亚马逊Alexa） 纠错

AI总结 提出一种结合动态早退预测与无分布风险控制的方法，限制有害上下文对语言模型性能的退化，并在有益上下文中实现计算效率提升。

Comments Accepted to ICML 2026