标签
提出了一个非参数混合框架 DECO，通过从观测数据中提取依赖性与方向性证据，在精确 DAG 结构学习之前剪除不受数据支持的父集配置，从而指数级缩小搜索空间，同时在基准贝叶斯网络与合成 DAG 上保持竞争力的结构恢复性能。
该论文提出了一种针对IJCAI 2025反事实路由竞赛的解决方案，利用整数规划与约束生成来寻找道路网络的最小变化以实现反事实解释，达到了快速的运行时间和有竞争力的解决方案质量。
本文介绍了基于边的连续p-中位（ECpM）问题，用于将道路网络划分为紧凑的区域，提出了两个带有连续性约束的0-1规划模型，并在大型道路网络上进行了测试。最短路径约束模型相比基于割集的分支切割方法实现了显著的加速，并与物流分区相关。
本文提出了一种无需领域知识的元认知层，用于融合多个基于预训练ViT的感知模型，利用标签向量池和基于一致性的溯因。在干净数据上，它可与多数投票基线持平，并且对协同标签翻转攻击尤其鲁棒。
本文提出JOLT，一种整数规划方法，用于优化基于从左到右贪心最长匹配解码（WordPiece）的子词分词。JOLT实现了近乎最优的压缩，缩小了BPE与理论下界之间的大部分差距，使token数量相比BPE最多减少0.78%。
本文提出混合整数目标规划（MIGP）用于个性化膳食优化，解决了分数份额和硬约束导致的不可行性的局限性。它引入整数变量用于实际份数，并通过逆目标归一化实现目标规划偏差，达到100%可行性，且优于基于四舍五入的方法，并提供开源Python实现。