University of Michigan（密歇根大学安娜堡分校）

2607.15242 2026-07-17 cs.LG 新提交

Mutable Low-Rank Sketches for Retrain-Free Recommendation

用于无再训练推荐的可变低秩草图

Hector J. Garcia, Nick Clayton

机构 * University of Michigan（密歇根大学）； Criteo

AI总结研究两阶段推荐中嵌入陈旧性问题，提出可变草图方法，将用户偏好存于KP树，一次拟合低秩投影，即时重算嵌入。证明可收紧预测误差范围，实验显示该方法在KuaiRec上效果好、更新快，新用户获推荐快，还比较了不同采样策略。

Comments 6 pages, 3 figures, 8 tables

2607.14468 2026-07-17 cs.RO cs.MA cs.SY eess.SY 新提交

混合智能体博物馆导游设计提升性别化学习成果及游客偏好

Annette M. Masterson, Wonse Jo, Helena C. Sieh, Lionel P. Robert,, Dawn Tilbury

机构 * University of Michigan（密歇根大学）； Incheon National University（仁川国立大学）

AI总结研究博物馆中机器人导游，提出结合实体与虚拟智能体的混合导游系统，经30人受试者内研究验证，发现其提升女性学习表现，各条件下参与度和体验质量一致，且无论性别参与者都更偏好混合智能体团队。

Comments Accepted on IROS 2026, 8 pages

2607.14367 2026-07-17 cs.LG 新提交

Dysco：动态子空间增强以减轻联邦学习中的LoRA干扰

Haobo Zhang, Jiankun Wang, Suraj Rajendran, Weishen Pan, Lam Tsoi, Yong Chen, Fei Wang, Jiayu Zhou

机构 * University of Michigan（密歇根大学）； Cornell University（康奈尔大学）； University of Pennsylvania（宾夕法尼亚大学）

AI总结研究针对联邦学习中异构客户端使LoRA聚合不稳定的问题，提出动态子空间增强方法Dysco，通过联邦动态分配特定客户端LoRA子空间，经实验验证其能减少干扰、降低训练损失、提升算法性能且开销小。

Comments 33 pages, 10 figures, 11 tables