generalization

本文介绍了滤波后验均值集合（FPMCs），一种用于扩散泛化分析模型的统一框架，整合了现有方法，并通过软松弛和源分布增强展示了改进效果。

本文介绍了ASAM（面向多模态知识编辑的对抗性子空间对齐），该方法通过生成对抗但语义一致的变体，并强制对表示进行低秩对齐，提升了内在多模态知识编辑的泛化性，解决了现有方法泛化能力有限的问题。

一场由Percy Liang主讲的免费斯坦福讲座，关于AI泛化，解释了为什么模型在基准测试中表现出色，但在实际代码库中却失败，内容涵盖基准记忆、偏差-方差权衡和幻觉。

本文引入表示差距（Representation Gap），一个具有更好渐近动态的神经网络泛化误差度量。通过几何视角和最优量化理论，作者证明该度量由任务的内在维度主导，并在合成和真实数据集上进行了实证验证。

介绍了均衡推理器（EqR），一种学习任务条件神经吸引子的模型，在数独极难版（99.8%）和迷宫（93%）等困难推理任务上实现了高准确率。

Geo-Align 提出了一个用于相机可控视频重新渲染的强化学习框架，通过尺度感知的感知奖励和用于相机轨迹提取的度量三维估计来提高泛化能力。

本讨论探讨了基于历史深度伪造样本训练的活体检测模型是否能泛化到新的合成媒体生成技术，质疑声称具备深度伪造检测能力的供应商的更新周期。

Weasel是一种用于Web代理离线训练的轨迹选择方法，通过平衡重要性与多样性来提升域外泛化能力。该方法在多个基准测试中实现了高达12.5倍的训练加速并提升了性能。

本文提出了强化学习中分布外泛化的首个理论模型，表明更小的抽象状态空间能够在POMDP中实现跨尺度泛化。

本文首次对AdamW优化器下的grokking延迟进行了定量预测，推导出封闭形式的定律，并在算法任务上以高精度进行了验证。

本文介绍了用于图组合优化的投影智能体，采用强化学习和图神经网络，在连续动作嵌入空间中运行，以提升泛化能力和可扩展性，并发布了LaGCO-RL库。

本文提出Emo-Boost，一种多模态深度伪造检测框架，利用情绪线索（视听情绪识别）作为高层语义信号，提升对未见操纵类型的泛化能力，在FakeAVCeleb数据集上实现了平均AUC提升2.1%。

GRLO 提出了一种新颖的强化学习后训练方法，仅使用 5000 条提示和 22.7 GPU 小时，就在多个领域（数学、代码等）实现了强大的泛化能力，在效率和数据需求上显著优于领域内的 RLVR 基线。

本文提出了一种针对LLM作为评判系统的基于边际的置信度排序方法，通过学习专用估计器来确保置信度与人类分歧风险之间的单调性，具有泛化保证，并在多个数据集上提高了排序准确性。

本文通过有限理性决策理论的视角研究学习中的泛化问题，其中学习者的响应规律在训练损失和样本依赖性之间产生权衡。作者表明这种权衡由 f-散度正则化器控制，并且泛化可以从学习者的对冲行为中得到验证。

AgentKernelArena是一个开源基准测试，用于评估AI编码代理在GPU内核优化方面的表现，涵盖完整的代理工作流程以及跨196个任务对未见配置的泛化能力。

本文介绍了一种分布感知算法设计框架，其中LLM代理学习生成针对目标分布特化的求解器代码，实现了高求解质量，并相比标准求解器取得了显著的加速效果。

本文指出自主探索是大语言模型智能体的关键能力，并提出了先探索后行动范式，该范式将信息收集与任务执行解耦，以提升适应性和实际性能。同时引入了探索检查点覆盖率作为可验证的指标，用于评估探索的广度。

本文认为，单一模型的单体型扩展不足以实现AGI，并提出具有多智能体协作的Agentic AI是必要的范式，理论上证明了代理系统在泛化和样本效率上具有指数级优势。

本文系统研究了视觉语言模型的长上下文持续预训练，通过高效的数据混合设计，实现了超越128K上下文的泛化，并介绍了MMProLong模型。