TMLR

Hypothesis-Driven Feature Manifold Analysis in LLMs via Supervised Multi-Dimensional Scaling

基于监督多维缩放的LLMs特征流形分析假设

Federico Tiblias, Irina Bigoulaeva, Jingcheng Niu, Simone Balloccu, Iryna Gurevych

机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； Ubiquitous Knowledge Processing Lab (UKP Lab)（泛在知识处理实验室 (UKP Lab)） ； National Research Center for Applied Cybersecurity ATHENE（国家应用网络安全研究中心 ATHENE） ； Zuse School ELIZA, Technical University of Darmstadt（Zuse School ELIZA, 达姆施塔特工业大学） 纠错

AI总结 本文提出SMDS方法，通过分析特征流形几何结构揭示语言模型的语义表示机制，发现不同特征呈现不同的几何形态并支持动态推理。

Comments Published in TMLR (March 2026) | OpenReview: https://openreview.net/forum?id=vCKZ40YYPr | Code: https://github.com/UKPLab/tmlr2026-manifold-analysis

Journal ref Transactions on Machine Learning Research (TMLR) 2026

First-Mover Bias in Gradient Boosting Explanations: Mechanism, Detection, and Resolution

梯度提升解释中的首 mover 偏差：机制、检测与解决

Drake Caraker, Bryan Arnold, David Rhoads

AI总结 本文探讨了梯度提升中SHAP特征重要性因序列残差拟合导致的首 mover 偏差机制，提出DASH和随机重训练方法可缓解该问题，提升模型稳定性。

Comments v2: 38 pages, 12 tables, 6 figures, 7 appendices. Major revision for TMLR: 50-rep experiments (was 20), crossed ANOVA with F-statistics, FSI quantitative validation, LIME attribution-agnostic demo, 2-tree analytical example, impossibility theorem cross-references, model governance framing. All results from SageMaker ml.g5.16xlarge (64 vCPU). Code: https://github.com/DrakeCaraker/dash-shap

On The Landscape of Spoken Language Models: A Comprehensive Survey

关于语音语言模型的景观：全面综述

Siddhant Arora, Kai-Wei Chang, Chung-Ming Chien, Yifan Peng, Haibin Wu, Yossi Adi, Emmanuel Dupoux, Hung-Yi Lee, Karen Livescu, Shinji Watanabe

机构 * Carnegie Mellon University（卡内基梅隆大学） ； National Taiwan University（国立台湾大学） ； Toyota Technological Institute at Chicago（丰田芝加哥技术研究所） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； ENS - PSL, EHESS, CNRS（巴黎高等师范学院 - 巴黎文理研究大学、社会科学高等研究院、法国国家科学研究中心） 纠错

AI总结 本文综述了语音语言模型的发展，分析了其架构、训练和评估方法，探讨了关键挑战与未来方向。

Comments Published in Transactions on Machine Learning Research