TMLR

Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation

自适应与分层抽样用于高维稳健估计

Prateek Mittal, Joohi Chauhan

机构 * Motilal Nehru National Institute of Technology Allahabad, Prayagraj 211004, India（Motilal Nehru国家理工学院Allahabad, Prayagraj 211004, 印度） 纠错

AI总结 本文提出自适应重要抽样和分层抽样方法，用于高维稳健估计，在有限方差厚尾噪声和alpha混合依赖下实现最优估计性能。

Journal ref Transactions on Machine Learning Research (06/2026)

Regularity and Stability Properties of Selective SSMs with Discontinuous Gating

具有不连续门控的选择性状态空间模型的正则性和稳定性属性

Nikola Zubić, Davide Scaramuzza

机构 * University of Zurich（苏黎世大学） 纠错

AI总结 研究选择性状态空间模型稳定性，通过无源性等方法得到多项成果，推导采样块LMI作正则化器，在多数据集验证其能减少Mamba核心LMI违规，提升内部被动性和状态规范诊断。

Comments 41 pages

Journal ref Transactions on Machine Learning Research (TMLR), 2026

BitLogic: Training Framework for Gradient-Based FPGA-Native Neural Networks

BitLogic：基于梯度的FPGA原生神经网络训练框架

Simon Bührer, Andreas Plesner, Aczel Till, Roger Wattenhofer

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 研究基于梯度的FPGA原生神经网络训练框架选择对精度和硬件成本的影响，提出统一框架BitLogic，将领域分解为五轴设计空间并在共享协议下实例化先前方法，结合各轴获胜者确定新配置，评估后得出该配置在多数据集上表现优且能耗低的结论。

Comments Accepted at TMLR (Transactions on Machine Learning Research)

FlexAct: Why Learn when you can Pick?

FlexAct：当你可以选择时为何还要学习？

Ramnath Kumar, Kyle Ritscher, Junmin Judy, Lawrence Liu, Cho-Jui Hsieh

机构 * University of California Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 研究聚焦深度学习中激活函数学习，核心方法是用Gumbel-Softmax技巧在预定义函数集里离散可微选优，主要贡献是提升预测精度与架构灵活性，为复杂场景下神经架构发展助力。

Comments Transactions on Machine Learning Research, 2026

Medix: Out-of-Distribution Detection from Unlabeled Wild Data via Robust Gradient Statistics

Medix：通过稳健梯度统计从未标记的野生数据中进行分布外检测

Momin Abbas, Ali Falahati, Hossein Goli, Mohammad Mohammadi Amiri

机构 * IBM（IBM公司） ； University of Waterloo（多伦多大学） ； CUHK（香港中文大学） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） 纠错

AI总结 研究利用未标记野生数据进行分布外检测的问题，提出Medix框架，通过基于中位数的稳健梯度统计识别异常值，结合标记InD数据训练分类器，理论推导与实证结果表明该方法全面优于现有方法。

Comments Accepted to TMLR. Camera-ready version