University of Pennsylvania（宾夕法尼亚大学）

Average Gradient Outer Product in kernel regression provably recovers the central subspace for multi-index models

核回归中的平均梯度外积在多索引模型中可证明恢复中心子空间

Libin Zhu, Damek Davis, Dmitriy Drusvyatskiy, Maryam Fazel

机构 * Department of Mathematics, University of Washington, Seattle, WA 98195（华盛顿大学数学系，华盛顿州西雅图98195） ； Wharton Department of Statistics and Data Science, University of Pennsylvania, Philadelphia, PA 19104, USA（宾夕法尼亚大学沃顿统计与数据科学系，美国费城19104） ； Department of Mathematics, U. Washington, Seattle, WA 98195（华盛顿大学数学系，华盛顿州西雅图98195） ； Department of Electrical & Computer Engineering, University of Washington, Seattle, WA 98195, and Amazon, Inc（华盛顿大学电气与计算机工程系，华盛顿州西雅图98195，亚马逊公司） 纠错

AI总结 本文研究了在有限样本下通过核岭回归恢复多索引模型中心子空间的方法，证明了平均梯度外积的前r个特征空间能有效恢复中心子空间，展示了预测与表示的分离性。

Comments 95 pages, 12 figures

InfoSFT: Learn More and Forget Less with Information-Aware Token Weighting

InfoSFT: 通过信息感知的标记加权学习更多并忘记更少

Mahdi Sabbaghi, George Pappas, Adel Javanmard, Hamed Hassani

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） 纠错

AI总结 InfoSFT通过信息感知的标记加权方案改进监督微调，提升泛化能力并保留原有能力，适用于数学、代码和推理任务。

A Mutual Information Lower Bound for Multimodal Regression Active Learning

多模态回归主动学习的互信息下界

Leonardo Ferreira Guilhoto, Akshat Kaushal, Paris Perdikaris

机构 * Graduate Group on Applied Mathematics & Computational Science（应用数学与计算科学研究生组） ； Department of Computer and Information Science（计算机与信息科学系） ； University of Pennsylvania（宾夕法尼亚大学） ； Department of Mechanical Engineering and Applied Mechanics（机械工程与应用力学系） 纠错

AI总结 本文提出多模态回归主动学习的互信息下界方法，通过两个索引框架区分epistemic和aleatoric不确定性，证明其在数据集增长时趋于零，且在多模态系统基准中优于其他基线方法。

Contraction and Hourglass Persistence for Learning on Graphs, Simplices, and Cells

收缩与hourglass持久性用于图、单纯形和细胞上的学习

Mattie Ji, Indradyumna Roy, Vikas Garg

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Aalto University（艾尔沃斯大学） ； Indian Institute of Technology Bombay（印度班加罗尔理工学院） ； YaiYai Ltd（YaiYai公司） 纠错

AI总结 本文提出收缩同调和hourglass持久性，通过结合包含和收缩操作提升图神经网络的表达能力与稳定性，适用于图、单纯形和细胞网络。

Comments 31 pages, 6 figures, 4 algorithms, 2 tables. Accepted at ICLR 2026