University of Toronto（多伦多大学）

The Latent Color Subspace: Emergent Order in High-Dimensional Chaos

潜在颜色子空间：高维混沌中的涌现秩序

Mateusz Pach, Jessica Bader, Quentin Bouniot, Serge Belongie, Zeynep Akata

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文揭示了FLUX.1变分自编码器潜在空间中颜色表示的HSL结构，并提出一种无需训练的闭式潜在空间操作方法，实现对生成图像颜色的预测与显式控制。

Comments Accepted at ICML 2026

FOCUS: DLLMs Know How to Tame Their Compute Bound

FOCUS: DLLMs 知道如何驯服它们的计算瓶颈

Kaihua Liang, Xin Tan, An Zhong, Hong Xu, Marco Canini

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学） 纠错

AI总结 针对扩散大语言模型解码中大部分计算浪费在不可解码令牌上的问题，提出 FOCUS 推理系统，通过动态聚焦可解码令牌并驱逐不可解码令牌，提升有效批大小，实现高达 3.52 倍的吞吐量提升。

Comments ICML 2026 camera-ready version

Semantic search for 100M+ galaxy images using AI-generated captions

基于AI生成描述的1亿+星系图像语义搜索

Nolan Koblischke, Liam Parker, Francois Lanusse, Jo Bovy, Irina Espejo, Shirley Ho

机构 * New York University（纽约大学） ； University of Toronto（多伦多大学） ； Dunlap Institute for Astronomy & Astrophysics（达伦普天文与天体物理研究所） ； University of California, Berkeley（加州大学伯克利分校） ； Center for Data Science（数据科学中心） ； Lawrence Berkeley National Lab（伯克利国家实验室） ； Flatiron Institute（Flatiron研究所） ； Université Paris-Saclay（巴黎-萨克莱大学） ； CEA（法国原子能委员会） ； CNRS（法国国家科学研究中心） ； AIM（应用数学研究所） ； Princeton University（普林斯顿大学） 纠错

AI总结 提出利用视觉语言模型生成星系图像描述，并对比对齐预训练天文学基础模型，构建可搜索嵌入，实现大规模星系图像的语义搜索，在稀有现象发现上取得最先进性能。

Comments ApJ, in press

Reinforcement Learning with Action-Triggered Observations

具有动作触发观测的强化学习

Alexander Ryabchenko, Wenlong Mou

机构 * Department of Statistical Sciences, University of Toronto（统计科学系，多伦多大学；向量研究所） ； Vector Institute 纠错

AI总结 提出动作触发稀疏可追踪MDP框架，推导Bellman方程并证明最优策略存在，利用观测间动作序列的线性表示实现基于回归的方法，在几何分布情节下达到与完全可观测线性MDP匹配的遗憾界。