University of Chinese Academy of Sciences（中国科学院大学）

Towards Principled Dataset Distillation: A Spectral Distribution Perspective

迈向原则化的数据集蒸馏：从谱分布视角

Ruixi Wu, Shaobo Wang, Jiahuan Chen, Zhiyuan Liu, Yicun Yang, Zhaorun Chen, Zekai Li, Kaixin Li, Xinming Wang, Hongzhu Yi, Kai Wang, Linfeng Zhang

机构 * EPIC Lab, SJTU（上海交通大学EPIC实验室） ； UChicago（芝加哥大学） ； NUS（新加坡国立大学） ； CASIA（中国科学院自动化研究所） ； UCAS（中国科学院自动化研究所） 纠错

AI总结 本文提出CSDM方法，通过谱分布匹配解决长尾数据集中的分布对齐问题，实现性能提升并增强稳定性。

Comments 30 pages, 5 tables, 4 figures

ProtRLSearch: A Multi-Round Multimodal Protein Search Agent with Large Language Models Trained via Reinforcement Learning

ProtRLSearch: 一种基于大语言模型的多轮多模态蛋白质搜索代理，通过强化学习进行训练

Congying Liu, Taihao Li, Ming Huang, Xingyuan Wei, Peipei Liu, Yiqing Shen, Yanxu Mao, Tiehan Cui

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Hangzhou Institute for Advanced Study（杭州高等研究院） ； Shenzhen Institutes of Advanced Technology（深圳先进技术研究所） ； Institute of Information Engineering（信息工程研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； Henan University（河南大学） 纠错

AI总结 ProtRLSearch通过强化学习训练，利用多模态输入提升蛋白质搜索的准确性和效率，解决传统方法在多模态整合和搜索过程约束上的不足。

DIVA-GRPO: Enhancing Multimodal Reasoning through Difficulty-Adaptive Variant Advantage

DIVA-GRPO：通过难度自适应变体优势增强多模态推理

Haowen Gao, Zhenyu Zhang, Liang Pang, Fangda Guo, Hongjian Dou, Guannan Lv, Shaoguo Liu, Tingting Gao, Huawei Shen, Xueqi Cheng

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS, Beijing, China（人工智能安全国家重点实验室，计算技术研究所，中国科学院，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； Kuaishou Technology, Beijing, China（快手科技，北京，中国） 纠错

AI总结 DIVA-GRPO通过难度自适应变体优势方法提升多模态推理能力，解决GRPO在困难问题上的奖励稀疏性和优势消失问题，提升训练稳定性与推理性能。

Comments Accepted to ICLR 2026. Code and models are available at https://github.com/Siaaaaaa1/DIVA-GRPO

TriMoE: Augmenting GPU with AMX-Enabled CPU and DIMM-NDP for High-Throughput MoE Inference via Offloading

TriMoE：通过卸载增强GPU与AMX启用的CPU和DIMM-NDP实现高吞吐量MoE推理

Yudong Pan, Yintao He, Tianhua Han, Lian Liu, Shixin Zhao, Zhirong Chen, Mengdi Wang, Cangyuan Li, Yinhe Han, Ying Wang

机构 * SKLP, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（SKLP，计算技术研究所，中国科学院，北京） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京） 纠错

AI总结 TriMoE通过结合AMX启用的CPU和DIMM-NDP，优化MoE推理的计算单元分配，提升高吞吐量性能。

Comments Accepted by DAC 2026

Learning Ordinal Probabilistic Reward from Preferences

从偏好中学习序概率奖励

Longze Chen, Lu Wang, Renke Shan, Ze Gong, Run Luo, Jiaming Li, Jing Luo, Qiyao Wang, Min Yang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Ritzz-AI ； Shenzhen University of Advanced Technology（深圳先进技术大学） 纠错

AI总结 本文提出序概率奖励模型，通过区域淹没微调提升奖励模型的准确性和数据效率，有效捕捉绝对文本质量。

Comments 28 pages, 5 figures, ICLR 2026

CloDS: Visual-Only Unsupervised Cloth Dynamics Learning in Unknown Conditions

CloDS: 未知条件下的视觉-only 无监督布料动力学学习

Yuliang Zhan, Jian Li, Wenbing Huang, Wenbing Huang, Yang Liu, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） 纠错

AI总结 CloDS通过无监督学习从多视角视觉数据中学习布料动力学，解决未知条件下的动态模拟问题。

Comments ICLR 2026

Prune2Drive: A Plug-and-Play Framework for Accelerating Vision-Language Models in Autonomous Driving

Prune2Drive: 一种用于自动驾驶中加速视觉-语言模型的即插即用框架

Minhao Xiong, Zichen Wen, Zhuangcheng Gu, Xuyang Liu, Rui Zhang, Hengrui Kang, Jiabing Yang, Junyuan Zhang, Weijia Li, Conghui He, Yafei Wang, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； Sichuan University（四川大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 Prune2Drive通过视觉令牌修剪框架在自动驾驶中加速视觉-语言模型，实现显著速度提升和内存节省，性能影响小。

Comments Accepted by CVPR 2026

OJBench: A Competition Level Code Benchmark For Large Language Models

OJBench: 一个面向大语言模型的竞赛级代码基准

Zhexu Wang, Yiping Liu, Yejie Wang, Wenyang He, Bofei Gao, Muxi Diao, Yanxu Chen, Kelin Fu, Flood Sung, Zhilin Yang, Tianyu Liu, Weiran Xu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； Moonshot AI 纠错

AI总结 OJBench是一个用于评估大语言模型竞赛级代码推理能力的基准，通过232个编程竞赛问题揭示了现有模型在复杂推理任务中的局限性。

Comments 9 pages, 5 figures

BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation

BitVLA：用于机器人操作的1位视觉-语言-动作模型

Hongyu Wang, Chuyan Xiong, Ruiping Wang, Xilin Chen

机构 * Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences University of Chinese Academy of Sciences（人工智能安全重点实验室，计算技术研究所，中国科学院，中国科学院大学） 纠错

AI总结 BitVLA是一种用于机器人操作的1位视觉-语言-动作模型，通过模型设计和优化提升部署效率，实现内存和延迟的显著降低。

Comments Work in progress

Multi-PA: A Multi-perspective Benchmark on Privacy Assessment for Large Vision-Language Models

多视角：面向大视觉-语言模型隐私评估的基准测试

Jie Zhang, Xiangkui Cao, Zhouyu Han, Shiguang Shan, Xilin Chen

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 Multi-PA是一个多视角的隐私评估基准，用于评估大视觉-语言模型在隐私意识和泄露方面的保护能力，揭示了当前模型在隐私保护方面的风险和漏洞。

Random Wins All: Rethinking Grouping Strategies for Vision Tokens

随机胜出：重新思考视觉token的分组策略

Qihang Fan, Yuang Ai, Huaibo Huang, Ran He

机构 * MAIS & NLPR, Institute of Automation, Chinese Academy of Sciences, Beijing, China（自动化研究所，中国科学院，北京） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（人工智能学院，中国科学院大学，北京） 纠错

AI总结 本文提出随机分组策略，通过简单方法提升视觉token处理效率，实验显示其在多种任务中表现优异。

Comments Accepted by CVPR2026

Leveraging Causal Reasoning Method for Explaining Medical Image Segmentation Models

利用因果推理方法解释医学图像分割模型

Limai Jiang, Ruitao Xie, Bokai Yang, Huazhen Huang, Juan He, Yufu Huo, Zikai Wang, Yang Wei, Yunpeng Cai

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Shenzhen Polytechnic University（深圳职业技术大学） ； University of Macau（澳门大学） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 本文提出利用因果推理框架解释医学图像分割模型，通过量化输入区域和网络组件对分割区域的影响，提升模型可解释性与优化潜力。

Comments Preprint

Echo: Towards Advanced Audio Comprehension via Audio-Interleaved Reasoning

Echo：通过音频交错推理实现高级音频理解

Daiqing Wu, Xuan Zhang, Dongbao Yang, Jiashu Yao, Longfei Chen, Qingsong Liu, Sicheng Zhao, Can Ma, Yangyang Kang, Yu Zhou

机构 * IIE, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Zhejiang University（浙江大学） ； ByteDance China（字节跳动中国） ； VCIP & TMCC & DISSec, College of Computer Science, Nankai University（VCIP与TMCC与DISSec，南开大学计算机学院） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 Echo通过音频交错推理方法，提升音频理解能力，在基准测试中表现出色。

Comments Accepted by ICLR 2026

UniFlow: A Unified Pixel Flow Tokenizer for Visual Understanding and Generation

UniFlow：一种统一的像素流标记器用于视觉理解和生成

Zhengrong Yue, Haiyu Zhang, Xiangyu Zeng, Boyu Chen, Chenting Wang, Shaobin Zhuang, Lu Dong, Yi Wang, Limin Wang, Yali Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学） ； Shenzhen Key Lab of Computer Vision and Pattern Recognition, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳计算机视觉与模式识别重点实验室，深圳先进技术研究院，中国科学院） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 UniFlow是一种统一的像素流标记器，通过灵活适配视觉编码器和轻量级解码器，在视觉理解和生成任务中实现了性能的双赢。

Comments ICLR 2026

Customizing Visual Emotion Evaluation for MLLMs: An Open-vocabulary, Multifaceted, and Scalable Approach

为MLLMs定制视觉情绪评估：一种开放词汇、多维且可扩展的方法

Daiqing Wu, Dongbao Yang, Sicheng Zhao, Can Ma, Yu Zhou

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； VCIP & TMCC & DISSec, College of Computer Science, Nankai University（南开大学计算机学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出一种开放词汇、多维且可扩展的方法，用于定制MLLMs的视觉情绪评估，通过情绪陈述判断任务和自动化流程，评估现有模型在情绪识别和上下文判断中的表现，并揭示其局限性。

Comments Accepted by ICLR 2026

FiLo++: Zero-/Few-Shot Anomaly Detection by Fused Fine-Grained Descriptions and Deformable Localization

FiLo++: 通过融合细粒度描述和变形定位实现零/少样本异常检测

Zhaopeng Gu, Bingke Zhu, Guibo Zhu, Yingying Chen, Ming Tang, Jinqiao Wang

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（基础模型研究中心，自动化研究所，中国科学院） ； School of Artifcial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Wuhan AI Research（武汉AI研究所） ； Peng Cheng Laboratory（鹏城实验室） ； Guangdong Provincial Key Laboratory of Intellectual Property & Big Data, Guangdong Polytechnic Normal University（广东省知识产权与大数据重点实验室，广东工业大学） 纠错

AI总结 FiLo++通过融合细粒度描述和变形定位技术，提升零/少样本异常检测的准确性和鲁棒性。

FiLo: Zero-Shot Anomaly Detection by Fine-Grained Description and High-Quality Localization

FiLo：通过细粒度描述和高质量定位实现零样本异常检测

Zhaopeng Gu, Bingke Zhu, Guibo Zhu, Yingying Chen, Hao Li, Ming Tang, Jinqiao Wang

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所基础模型研究中心） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Objecteye Inc., Beijing, China（Objecteye公司） ； Central South University, Hunan, China（中南大学） 纠错

AI总结 FiLo通过细粒度描述和高质量定位实现零样本异常检测，提升检测和定位性能。

Comments Accepted by ACM MM 2024

Taming Momentum: Rethinking Optimizer States Through Low-Rank Approximation

驯服动量：通过低秩近似重新思考优化器状态

Zhengbo Wang, Jian Liang, Ran He, Zilei Wang, Tieniu Tan

机构 * University of Science and Technology of China（中国科学技术大学） ； NLPR & MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 LoRA-Pre通过低秩近似优化器状态，提升预训练和微调效率，实现内存节省与性能提升

Comments Camera-ready version. Accepted as Oral at ICLR 2026

CC-VQA: Conflict- and Correlation-Aware Method for Mitigating Knowledge Conflict in Knowledge-Based Visual Question Answering

CC-VQA: 一种考虑冲突和相关性的方法，用于缓解基于知识的视觉问答中的知识冲突

Yuyang Hong, Jiaqi Gu, Yujin Lou, Lubin Fan, Qi Yang, Ying Wang, Kun Ding, Yue Wu, Shiming Xiang, Jieping Ye

机构 * School of Artificial Intelligence, UCAS（中国科学技术大学人工智能学院） ； MAIS, Institute of Automation（自动化研究所MAIS） ； Alibaba Cloud Computing（阿里云计算） 纠错

AI总结 CC-VQA提出了一种无训练、考虑冲突和相关性的方法，通过视觉中心的上下文冲突推理和相关性引导的编码解码，提升基于知识的视觉问答的准确率。

Comments Accepted by CVPR2026

TSC: Topology-Conditioned Stackelberg Coordination for Multi-Agent Reinforcement Learning in Interactive Driving

TSC：基于拓扑条件的Stackelberg协调用于交互驾驶中的多智能体强化学习

Xiaotong Zhang, Gang Xiong, Yuanjing Wang, Siyu Teng, Alois Knoll, Long Chen

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Department of Natural Sciences, University of Durham（达勒姆大学自然科学系） ； College of Civil and Transportation Engineering, Shenzhen University（深圳大学土木与交通工程学院） ； Chair of Robotics, Artificial Intelligence and Realtime Systems, Technical University of Munich（慕尼黑技术大学机器人、人工智能与实时系统教授职位） 纠错

AI总结 TSC通过拓扑条件的Stackelberg协调方法，在无通信执行下实现密集交通中的去中心化多智能体强化学习，提升训练稳定性和安全性。

Comments 12 pages, 8 figures

From Flat Logs to Causal Graphs: Hierarchical Failure Attribution for LLM-based Multi-Agent Systems

从平面日志到因果图：面向基于大语言模型的多智能体系统的分层故障归因

Yawen Wang, Wenjie Wu, Junjie Wang, Qing Wang

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； State Key Laboratory of Complex System Modeling and Simulation Technology（复杂系统建模与仿真技术国家重点实验室） ； Science & Technology on Integrated Information System Laboratory（信息系统集成技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Wuhan University of Technology（武汉理工大学） 纠错

AI总结 本文提出CHIEF框架，通过分层因果图和反事实归因方法，提升基于大语言模型的多智能体系统故障归因的准确性和效率。

SpikingTac: A Miniaturized Neuromorphic Visuotactile Sensor for High-Precision Dynamic Tactile Imprint Tracking

SpikingTac：一种用于高精度动态触觉印模跟踪的微型神经形态视觉触觉传感器

Tianyu Jiang, Chaofan Zhang, Shaolin Zhang, Shaowei Cui, Shuo Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 SpikingTac是一种低成本、高精度的神经形态触觉传感器，通过创新的动态状态地图和无监督去噪网络实现高精度动态触觉印模跟踪。

ForesightSafety Bench: A Frontier Risk Evaluation and Governance Framework towards Safe AI

ForesightSafety Bench: 面向安全人工智能的前沿风险评估与治理框架

Haibo Tong, Feifei Zhao, Linghao Feng, Ruoyu Wu, Ruolin Chen, Lu Jia, Zhou Zhao, Jindong Li, Tenglong Li, Erliang Lin, Shuai Yang, Enmeng Lu, Yinqian Sun, Qian Zhang, Zizhe Ruan, Jinyu Fan, Zeyang Yue, Ping Wu, Huangrui Li, Chengyi Sun, Yi Zeng

机构 * Beijing Institute of AI Safety and Governance（北京人工智能安全与治理研究院） ； Beijing Key Laboratory of Safe AI and Superalignment（北京安全人工智能与超对齐重点实验室） ； BrainCog Lab, Institute of Automation, Chinese Academy of Sciences（脑认知实验室，中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Long-term AI（长期人工智能） 纠错

AI总结 本文提出ForesightSafety Bench框架，通过94个细化风险维度系统评估前沿AI安全风险，揭示多领域安全漏洞。

MMSD3.0: A Multi-Image Benchmark for Real-World Multimodal Sarcasm Detection

MMSD3.0：一个多图像基准用于现实世界多模态讽刺检测

Haochen Zhao, Yuyao Kong, Yongxiu Xu, Gaopeng Gou, Hongbo Xu, Yubin Wang, Haoliang Zhang

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

AI总结 MMSD3.0是一个多图像基准，用于现实世界多模态讽刺检测，引入了跨图像推理模型和相关引导的细粒度跨模态融合机制，验证了其在单图像和多图像场景中的有效性。

Veritas: Generalizable Deepfake Detection via Pattern-Aware Reasoning

Veritas：通过模式感知推理实现通用的深度伪造检测

Hao Tan, Jun Lan, Zichang Tan, Ajian Liu, Chuanbiao Song, Senyuan Shi, Huijia Zhu, Weiqiang Wang, Jun Wan, Zhen Lei

机构 * School of Advanced Interdisciplinary Sciences (SAIS), University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； Ant Group（蚂蚁集团） ； Shenzhen Institute of Advanced Technology (SIAT), Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 Veritas通过模式感知推理，基于多模态大语言模型实现通用深度伪造检测，提升对未知伪造技术和数据领域的检测能力。

Comments ICLR 2026 Oral. Project: https://github.com/EricTan7/Veritas

From Agnostic to Specific: Latent Preference Diffusion for Multi-Behavior Sequential Recommendation

从无偏到特定：基于潜在偏好的多行为序列推荐扩散模型

Ruochen Yang, Xiaodong Li, Jiawei Sheng, Jiangxia Cao, Xinkui Lin, Shen Wang, Shuang Yang, Zhaojie Liu, Tingwen Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, UCAS（UCAS网络安全学院） 纠错

AI总结 FatsMB通过潜在空间中的偏好生成，实现从无偏到特定的多行为序列推荐，提升推荐的多样性和准确性。

FactGuard: Agentic Video Misinformation Detection via Reinforcement Learning

FactGuard：通过强化学习进行代理视频虚假信息检测

Zehao Li, Hongwei Yu, Hao Jiang, Qiang Sheng, Yilong Xu, Baolong Bi, Yang Li, Zhenlong Yuan, Yujun Cai, Zhaoqi Wang

机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； University of Science and Technology Beijing（北京科技大学） ； The University of Queensland, Brisbane, Australia（昆士兰大学） 纠错

AI总结 FactGuard通过强化学习和代理框架，提升视频虚假信息检测的鲁棒性和泛化能力。

Fine-tuning Done Right in Model Editing

在模型编辑中正确进行微调

Wanli Yang, Rui Tang, Hongyu Zang, Du Su, Qi Cao, Jingang Wang, Huawei Shen, Xueqi Cheng, Fei Sun

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS University of Chinese Academy of Sciences（人工智能安全国家重点实验室、计算技术研究所、中国科学院大学） 纠错

AI总结 本文提出LocFT-BF方法，通过恢复微调的广度优先管道并改进调参策略，在模型编辑中显著提升了效果，实现了大规模编辑任务的高效处理。

Comments Accepted as a conference paper at ICLR 2026

Differential Privacy of Quantum and Quantum-Inspired Classical Recommendation Algorithms

量子与受量子启发的经典推荐算法的差分隐私

Chenjian Li, Mingsheng Ying, Ji Guan

机构 * Key Laboratory of System Software, CAS（系统软件重点实验室，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Centre for Quantum Software and Information（量子软件与信息中心） ； University of Technology Sydney（悉尼大学） 纠错

AI总结 本文研究了量子和受量子启发的经典推荐算法的差分隐私特性，证明了在特定条件下无需额外噪声即可实现隐私保护，并通过实验验证了其有效性。

Comments 18 pages, 3 figures in total(including appendix)

Orthogonal Weight Modification Enhances Learning Scalability and Convergence Efficiency without Gradient Backpropagation

正交权重修改提升学习可扩展性和收敛效率而不使用梯度反向传播

Guoqing Ma, Shan Yu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院） ； Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Chinese Academy of Sciences（中国科学院脑认知与类脑智能技术重点实验室） 纠错

AI总结 LOCO通过正交权重修改提升神经网络的学习可扩展性和收敛效率，无需梯度反向传播，实现高效持续学习。