Technion - Israel Institute of Technology（以色列理工学院）

2605.19625 2026-05-20 cs.LG

Optimal Reconstruction from Linear Queries

从线性查询中最优重建

Yuval Filmus, Shay Moran, Elizaveta Nesterova

机构 * Technion – Israel Institute of Technology（技术学院 – 以色列理工学院）； Google Research（谷歌研究）

AI总结研究如何从近似线性查询中重建未知点，分析查询数量、维度和噪声参数对重建误差的影响，并提出一种改进的重建问题变体。

Comments Accepted to COLT 2026. 46 pages, 4 figures

2512.01152 2026-05-20 cs.LG cs.AI cs.CV

Open-Set Domain Adaptation Under Background Distribution Shift: Challenges and A Provably Efficient Solution

开放集域适应在背景分布偏移下的挑战：挑战与一种可证明高效的解决方案

Shravan Chaudhari, Yoav Wald, Suchi Saria

机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系）； Faculty of Data and Decision Sciences, Technion（技术学院数据与决策科学学院）； Center for Data Science, New York University（纽约大学数据科学中心）； Bayesian Health（贝叶斯健康）

AI总结本文研究了在背景分布偏移情况下开放集域适应的挑战，并提出了一种可证明高效的解决方案CoLOR，通过理论分析和实验证明其在简化过参数化设置中优于基线方法，同时展示了其在图像和文本数据上的广泛适用性。

Comments Project page at https://github.com/Shra1-25/CoLOR

Journal ref Transactions on Machine Learning Research (TMLR) 2026/May ISSN: 2835-8856

2605.18849 2026-05-20 cs.LG cs.AI

INSIGHTS: Demonstration-Based Summaries of Time Series Predictors

INSIGHTS: 时间序列预测器的基于演示的摘要

Bar Eini Porat, Rom Gutman, Uri Shalit, Ofra Amir

机构 * Technion Israel Institute of Technology（技术学院以色列理工学院）； Tel-Aviv University（特拉维夫大学）

AI总结本文提出INSIGHTS方法，一种模型无关、以用户为中心的方法，用于提供时间序列模型的全局解释。该方法通过生成样本摘要，平衡时间序列样本的重要性与多样性，为用户提供全面的模型行为概述。