标签
该论文研究了无限混合可适当损失类别下的全能预测问题，证明了对所有有界适当损失无法实现次线性遗憾，但给出了对所有混合可适当损失的最优 O~(T^{1/3}(log|F|)^{2/3}) 遗憾界，并提出了一种同时兼顾有限损失类别、在各类情形下均能取得最佳表现的算法。
该论文研究具有已知有向反馈图的对抗性多臂老虎机的一阶遗憾保证，通过固定点采样规则和两层聚合方法，将强可观察图的期望遗憾改进至接近最优的 Õ(√(αL*) + α)，弥合了最坏情况与一阶保证之间的图依赖差距。
该论文提出了一种在线强化学习框架，在真实运行的 iOS 应用上训练 UI 导航智能体，将其解耦为规划智能体和 UI 定位模型，并采用一种新颖的邻居条件化价值估计方法（GiGPPO），以提高价值评估器的稳定性并降低推理成本。他们的 80 亿参数强化学习智能体在真实 iOS 应用上的表现优于监督微调（SFT）基线，与 Gemini-3.1-Pro 相当，同时展现出向 Android 平台泛化的强大能力。
论文提出了 WaferHDC，这是一个基于超维计算的在线开放世界晶圆缺陷发现框架，能够在无标签、无需重新训练的情况下动态检测并聚类重复出现的缺陷模式；在 WM-811K 数据集上，其调整兰德指数（adjusted Rand index）比最强的在线基线方法高出 13.3 个百分点。
本文研究分布漂移下的预测流匹配，提出了 DyProd-FM。该方法在按二进尺度划分的历史前缀上重新拟合，并使用休眠 Prod 主算法，在相对速度风险变差和目标分布变差两种情形下均实现极小极大最优的动态遗憾，且无需凸性或曲率假设。
LEGO-SCD 是一种在线场景变化检测方法，它通过对参考 3D Gaussian Splatting 场景进行自动编辑来学习场景特定的统计模型，无需人工标注，即可实现闭式贝叶斯证据累积，并结合物体引导的掩码细化；该方法在 PASLCD 上达到 67.64% 的 mIoU，在 CCS3D 上达到 75.82%，运行速度为 17.2 FPS。
该论文提出一种基于约束上下文老虎机的个性化 LLM 路由框架，通过 primal-dual GLM-UCB 算法在线学习用户偏好，在最小化推理成本的同时以高概率保证响应质量满意度。
该论文首次研究了可复制的对抗性多臂老虎机（replicable dueling bandits）问题，设计了在共享内部随机性下保证每次运行选择一致比较对的算法，并在多种随机传递性假设下证明了次线性后悔界，实验在合成数据和语言模型偏好上验证了可复制性。
本文提出将残差量化（RQ）作为上下文赌博机的表示层，通过基于梯度提升的伪目标实现非线性奖励建模，并借助影子机制进行在线深度调整，在严格 O(1) 内存约束下运行。该方法在 13 个数据集中的 11 个上优于非 RQ 方案，同时在内存占用减少高达 1000 倍的情况下，仍能与 XGBoost 和神经网络基线相媲美。
LVMT（Long-term Video Mask Transformer）提出了一种基于 GRU 的时序传播模块以及截断查询传播（TQP）训练策略，以处理在线视频分割中的长时间遮挡问题，在六个基准上刷新了最先进性能，同时速度比此前方法快 10 倍。
本文提出了一种通过结合静态和在线校正器来控制下行风险以改进冻结预测器的方法，在基准测试中展示了高达11.5%的增益，并在电力负荷预测中减少了误差。
本文提出了随机通道重演 (RPR) 以约束在线持续学习中的重演间隙，展示了在像ER-ACE这样的经验回放方法中，其准确性优于独立类别平衡检索。
本文介绍了轻量级排序头框架，通过启用动态任务注入，无需重新训练骨干模型，来加速生产推荐系统中的多任务实验，从而在YouTube规模下将迭代周期从数周缩短至数天。
TensorTonic是一个通过编码实践学习机器学习的在线平台，该帖子以解释RBF核函数开头。
本文改进了随机适当在线学习的最优期望错误界，表明其为 O(L(H) log T)，这在通用常数范围内对于最坏情况类别是最优的。
本文介绍了RAVEL，一个用于交互式人物重识别的检索感知在线强化学习框架，该框架基于检索反馈优化问题选择，以提高多个交互轮次中的性能。
本文介绍 HACK GPs，这是一种使用专家建议在线学习的方法，用于高斯过程中的核选择，增强在序贯决策任务（如贝叶斯优化和主动学习）中的鲁棒性。
本文引入自由推理维度，这是一个在元强化学习假设混合下，用于零碰撞导航的组合复杂性度量，并证明了其与VC维度及泛化界的关系。
本文介绍了MASA方法，该方法使用冻结的多模态大型语言模型，通过提供结构化语义描述来打破野外测试时适应中的自指循环，实现更可靠的适应。