New York University（纽约大学）

Online Convex Optimization with Heavy Tails: Old Algorithms, New Regrets, and Applications

在线凸优化与重尾：旧算法、新遗憾与应用

Zijian Liu

机构 * Stern School of Business, New York University（纽约大学斯特恩商学院） 纠错

AI总结 本文研究了在重尾环境下在线凸优化的旧算法，证明了无需修改算法即可获得最优遗憾界，且在无梯度裁剪情况下有效解决非光滑非凸优化问题。

Comments A short, self-contained version has been accepted at ALT 2026. Update to include the change in the camera-ready version

Revisiting the Last-Iterate Convergence of Stochastic Gradient Methods

重新审视随机梯度方法的最后迭代收敛性

Zijian Liu, Zhengyuan Zhou

机构 * Stern School of Business, New York University（纽约大学斯特恩商学院） 纠错

AI总结 本文研究随机梯度方法的最后迭代收敛性，提出统一证明方法，适用于一般领域、复合目标、非欧几里得范数、Lipschitz条件、光滑性和强凸性，并扩展到重尾和亚Weibull噪声。

Comments The preliminary version has been accepted at ICLR 2024. For the update history, please refer to the PDF

Transfer Learning for Contextual Joint Assortment-Pricing under Cross-Market Heterogeneity

基于多市场异质性的上下文联合 assortment-定价转移学习

Elynn Chen, Xi Chen, Yi Zhang

机构 * New York University, Stern School of Business（纽约大学， Stern 商学院） ； Tsinghua University, School of Economics and Management（清华大学， 经济管理学院） 纠错

AI总结 本文研究了在多努利Logit选择模型下，利用带反馈的转移学习进行上下文联合 assortment-定价问题。通过结构化效用转移模型，提出TJAP框架，结合聚合后去偏估计与UCB策略，建立最小最大遗憾界，证明转移加速学习的同时需承担异质性适应成本。

Generative Replica-Exchange: A Flow-based Framework for Accelerating Replica Exchange Simulations

生成性复制交换：一种基于流的框架，用于加速复制交换模拟

Shengjie Huang, Sijie Yang, Jianqiao Yi, Rui Zheng, Haocong Liao, Muzammal Hussain, Yaoquan Tu, Xiaoyun Lu, Yang Zhou

机构 * State Key Laboratory of Bioactive Molecules and Druggability Assessment, International Cooperative Laboratory of Traditional Chinese Medicine Modernization and Innovative Drug Discovery of Chinese Ministry of Education (MOE), School of Pharmacy, Jinan University（生物活性分子与药物性评估国家重点实验室，中国传统医药现代化与创新药物发现国际合作实验室，中国教育部（MOE）药学院，暨南大学） ； Department of Biochemistry and Molecular Pharmacology, NYU Grossman School of Medicine（生物化学与分子药理学系，纽约大学格罗斯曼医学院） ； Howard Hughes Medical Institute, NYU Grossman School of Medicine（霍华德·休斯医学研究所，纽约大学格罗斯曼医学院） ； Department of Theoretical Chemistry and Biology, KTH Royal Institute of Technology（理论化学与生物学系，皇家理工学院（KTH）） 纠错

AI总结 本文提出GREX，通过深度生成模型整合到复制交换框架中，消除温度阶梯，提高分子模拟效率。

DynaRAG: Bridging Static and Dynamic Knowledge in Retrieval-Augmented Generation

DynaRAG：连接静态与动态知识的检索增强生成

Penghao Liang, Mengwei Yuan, Jianan Liu, Jing Yang, Xianyou Li, Weiran Yan, Yichao Wu

机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究员） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； New York University（纽约大学） 纠错

AI总结 DynaRAG通过动态知识整合处理静态和时效性信息需求，采用LLM重排器、充分性分类器和Gorilla v2模型提升回答准确性与鲁棒性。

$K-$means with learned metrics

基于学习度量的$K$-means

Pablo Groisman, Matthieu Jonckheere, Jordan Serres, Mariela Sued

机构 * NYU-ECNU Institute of Mathematical Sciences at NYU Shanghai（纽约大学-上海纽约大学数学科学研究所） ； LAAS, CNRS, 7 Avenue Colonel Roche, 31400 Toulouse, France（法国图卢兹CNRS LAAS研究所） 纠错

AI总结 本文研究了在度量空间中未知测度和距离下的$K$-means，证明了$K$-means在测度Gromov-Hausdorff拓扑下的连续性，并探讨了其在不同度量学习方法中的应用。