高校专区
Prudent-Banker: 对抗性赌博机中无延迟与有延迟下的基线安全保障无额外代价
机构 * Department of Economics University of Wisconsin–Madison（经济学系威斯康星大学麦迪逊分校） ； Department of Finance University of Wisconsin–Madison（金融系威斯康星大学麦迪逊分校） ； Department of Computer Sciences University of Wisconsin–Madison（计算机科学系威斯康星大学麦迪逊分校）
AI总结 针对对抗性多臂赌博机问题，提出Prudent-Banker算法，通过延迟校准的在线镜像下降和修改的分阶段攻击机制，在无延迟和有延迟反馈下同时实现最优最坏情况遗憾和近乎恒定的安全基线遗憾。
视觉与语言模型的经验贝叶斯共形预测
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Xiamen University（厦门大学）
AI总结 提出经验贝叶斯共形预测框架，利用r值将得分变异性转化为不确定性感知的非一致性得分，在保持目标覆盖的同时减少高方差假候选的包含。
MadEvolve: 基于大型语言模型的交易系统进化优化
机构 * Department of Physics, University of Wisconsin–Madison（威斯康星大学麦迪逊分校物理系） ； Event Horizon Labs（事件地平线实验室）
AI总结 提出 MadEvolve 框架，利用大型语言模型驱动的进化算法优化量化金融中的交易策略与 alpha 生成，以比特币交易为例，在特征集演化、策略组件优化及联合演化上取得显著改进，并对比了其他智能搜索方法。
不遗漏任何硬币：对抗无遗憾动态的最大化战略剩余
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 研究在零和博弈中，先知优化者对抗恒定步长FTRL学习器所能获取的战略剩余，揭示了剩余规模与学习器次优动作数量的关系，并分析了正则化器陡峭性对剩余饱和的影响。
通过隐秘视角：检索增强生成中针对投毒攻击的注意力感知防御
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； ServiceNow Research（ServiceNow研究）
AI总结 针对检索增强生成系统在低污染率下仍易受投毒攻击的问题，提出基于注意力权重的归一化段落注意力分数和注意力方差滤波器，实现高精度检测与防御，并揭示真正隐秘投毒的挑战。
Comments Accepted at ICML 2026
ConjNorm: 面向分布外检测的可处理密度估计
机构 * University of Technology Sydney（悉尼大学） ； The University of Queensland（昆士兰大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 提出基于Bregman散度的理论框架，通过共轭约束设计密度函数，并利用蒙特卡洛重要性采样实现可处理归一化，在OOD检测中达到SOTA。
Comments ICLR24 poster
MAS-Orchestra：通过整体编排和受控基准理解与改进多智能体推理
机构 * Salesforce Research（Salesforce研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出MAS-Orchestra框架，将多智能体系统编排形式化为函数调用的强化学习问题，并引入受控基准MASBENCH，揭示MAS收益依赖于任务结构等因素，在数学推理等任务上取得一致改进且效率提升10倍以上。
Comments ICML 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈