标签
本文介绍了RiskTraf，一个用于多变量交通流预测的残差学习插件，并提出了一个新的基准PEMSB-3V，通过从速度和占有率数据中外推风险来提高预测精度。
提出了OGR-MARL，一种用于受限港口水道异构USV协同追击的选项引导残差多智能体强化学习框架。MASAC实例实现了75%的捕获率，并展现出向真实地图场景零样本迁移的良好前景。
这篇arXiv论文研究了科学机器学习中因子派生代理监督的问题，并以基于RUSLE的土壤流失预测作为案例研究。它引入了一个诊断框架，并提出了RASPL，一种保留公式的残差学习框架，该框架优于直接预测，并提高了对退化因子信息的鲁棒性。
RouteCost 是一个多阶段框架，用于电子商务中的预购运费估算，结合了时间感知的需求预测、费用卡基准定价、残差修正和装箱整合推理。该方法在超过 250,000 个订单和 260 种产品上提高了预测质量，同时保持可解释性。
本文介绍了StateFlow，一种循环预测框架，它通过使用双状态循环主干和基于块的解码器，将变异性感知递归神经网络（VARNN）扩展到长期多变量时间序列预测，在强基线方法中取得了竞争性性能。
Operator Boosting 是一种逐阶段残差学习框架，通过在残差场上训练微型模型来构建紧凑的神经算子替代模型，用于求解 PDE。其精度可与全尺寸模型相媲美甚至更优，同时参数减少高达 95%，在多个基准测试中展示了帕累托改进。
XOResNet 引入了 OR-ADD 捷径连接和 XOR 元残差，以解决深度脉冲神经网络中的脉冲冗余和信息丢失问题，在 Fashion-MNIST、CIFAR-10、CIFAR-100 和 miniImageNet 上取得了最先进的结果。
介绍了多智能体残差上下文学习（MARICL），这是一种智能体框架，利用LLM智能体分析基础模型在表格数据上的残差，假设缺失的结构，并通过文本梯度优化产生显式的修正项。在九个基准测试中，MARICL持续优于其基础模型，并在无细胞蛋白质预测中展示了机制泛化能力。