Yann LeCun转发ICML 2026合作组关于学习和神经计算的多项研究成果。
转发 @SuryaGanguli: 查看我们 @SimonsFdn 关于学习和神经计算物理学的合作项目中的所有精彩工作 (https://t.co/TfOKlQxCrE) 在 @ICMLconf #ICML2026 主会议上展示。
星期二
使用分层谱方法高效学习组合目标，Hugo Tabanelli, Yatin Dandi, Luca Pesce, and Florent Krzakala
https://t.co/wix8AkXVcl
CompleteP for RL: 在扩展深度强化学习时保持特征学习
M Ganesh Kumar, Adam Lee, Blake Bordelon , Cengiz Pehlevan
https://t.co/Ox6AgFt5LU
学习峰值分布中的通用三分之一时间缩放
Yizhou Liu, Ziming Liu, Cengiz Pehlevan, Jeff Gore
https://t.co/QzIQf5ANde
星期三
噪声敏感指数控制单索引和多索引模型中的大统计计算差距，Leonardo Defilippis, Florent Krzakala, Bruno Loureiro, Antoine Maillard
https://t.co/x4zZVfTHP9
高维单头注意力：泛化理论、权重谱和缩放定律 Fabrizio Boncoraglio, Vittorio Erba, Emanuele Troiani, Yizhou Xu, Florent Krzakala, Lenka Zdeborová
https://t.co/CKWt5qGyOR
一个可解的高维模型，其中非线性自编码器学习PCA不可见的结构，而测试损失与泛化不对齐
Vicente Mendes, Lorenzo Bardone, Cédric Koller, Jorge Medina Moreira, Vittorio Erba ⋅ Emanuele Troiani, Lenka Zdeborova
https://t.co/rgDY2ieGJR
深度网络从局部统计中解析均匀深度上下文无关语言
Jack T. Parley, Francesco Cagnetta, Matthieu Wyart
https://t.co/yrqjxZTrAp
揭秘LLM-as-a-Judge：推理时缩放的可分析模型
Indranil Halder, Cengiz Pehlevan
https://t.co/ERCgkiOyIt
关于高维线性分类中存在一致性对抗攻击
Matteo Vilucchio, Lenka Zdeborova, Bruno Loureiro
https://t.co/KDpelqRLla
基于格点离散化的稳健随机梯度后验采样
Zier Mensch, Lars Holdijk, Samuel Duffield, Maxwell Aifer, Patrick Coles, Max Welling, Miranda C. N. Cheng
https://t.co/ikqMhKQOfJ
教模型自我教学：在可学习性边缘推理
Shobhita Sundaram, John Quan, Ariel Kwiatkowski, Kartik Ahuja, Yann Ollivier, Julia Kempe
https://t.co/wjgSrAbJ25
星期四
从自然语言统计中推导神经缩放定律
Francesco Cagnetta ⋅ Allan Raventos ⋅ Surya Ganguli ⋅ Matthieu Wyart
https://t.co/b6nKYqNulh
语言统计中的对称性塑造了模型表示的几何结构
Dhruva Karkada, Daniel Korchinski, Andres Nava, Matthieu Wyart, Yasaman Bahri
https://t.co/Y58fJt9qmk
扩散模型一致性的随机矩阵视角
Binxu Wang, Jacob A Zavatone-Veth, Cengiz Pehlevan
https://t.co/snM0EAxv3Q
使用混合专家层的超参数迁移
Tianze Jiang, Blake Bordelon, Cengiz Pehlevan, Boris Hanin
https://t.co/dIe32NuQTS
用于平滑可解释归一化流的解析双射
Mathis Gerdes, Miranda C. N. Cheng
https://t.co/kWCw1EHGn4
使用经验回放的高效RL训练LLM
Charles Arnal, Vivien Cabannnes, Taco Cohen, Julia Kempe, Remi Munos
https://t.co/EjmNErAFpC
嵌入信任：语义各向同性预测长文本生成中的非事实性
Dhrupad Bhardwaj, Julia Kempe, Tim G. J. Rudner
https://t.co/MknrTodSaX
有效推理的特征是什么？重新审视CoT的长度、审查和结构
Yunzhen Feng, Julia Kempe, Cheng Zhang, Parag Jain, Anthony Hartshorn
https://t.co/S18yTP5fy5
从开普勒到牛顿：归纳偏置引导Transformer中的学习世界模型
Ziming Liu, Surya Ganguli, Andreas Tolias
https://t.co/H7eFnYtYQC
星期二
使用分层谱方法高效学习组合目标，Hugo Tabanelli, Yatin Dandi, Luca Pesce, and Florent Krzakala
https://t.co/wix8AkXVcl
CompleteP for RL: 在扩展深度强化学习时保持特征学习
M Ganesh Kumar, Adam Lee, Blake Bordelon , Cengiz Pehlevan
https://t.co/Ox6AgFt5LU
学习峰值分布中的通用三分之一时间缩放
Yizhou Liu, Ziming Liu, Cengiz Pehlevan, Jeff Gore
https://t.co/QzIQf5ANde
星期三
噪声敏感指数控制单索引和多索引模型中的大统计计算差距，Leonardo Defilippis, Florent Krzakala, Bruno Loureiro, Antoine Maillard
https://t.co/x4zZVfTHP9
高维单头注意力：泛化理论、权重谱和缩放定律 Fabrizio Boncoraglio, Vittorio Erba, Emanuele Troiani, Yizhou Xu, Florent Krzakala, Lenka Zdeborová
https://t.co/CKWt5qGyOR
一个可解的高维模型，其中非线性自编码器学习PCA不可见的结构，而测试损失与泛化不对齐
Vicente Mendes, Lorenzo Bardone, Cédric Koller, Jorge Medina Moreira, Vittorio Erba ⋅ Emanuele Troiani, Lenka Zdeborova
https://t.co/rgDY2ieGJR
深度网络从局部统计中解析均匀深度上下文无关语言
Jack T. Parley, Francesco Cagnetta, Matthieu Wyart
https://t.co/yrqjxZTrAp
揭秘LLM-as-a-Judge：推理时缩放的可分析模型
Indranil Halder, Cengiz Pehlevan
https://t.co/ERCgkiOyIt
关于高维线性分类中存在一致性对抗攻击
Matteo Vilucchio, Lenka Zdeborova, Bruno Loureiro
https://t.co/KDpelqRLla
基于格点离散化的稳健随机梯度后验采样
Zier Mensch, Lars Holdijk, Samuel Duffield, Maxwell Aifer, Patrick Coles, Max Welling, Miranda C. N. Cheng
https://t.co/ikqMhKQOfJ
教模型自我教学：在可学习性边缘推理
Shobhita Sundaram, John Quan, Ariel Kwiatkowski, Kartik Ahuja, Yann Ollivier, Julia Kempe
https://t.co/wjgSrAbJ25
星期四
从自然语言统计中推导神经缩放定律
Francesco Cagnetta ⋅ Allan Raventos ⋅ Surya Ganguli ⋅ Matthieu Wyart
https://t.co/b6nKYqNulh
语言统计中的对称性塑造了模型表示的几何结构
Dhruva Karkada, Daniel Korchinski, Andres Nava, Matthieu Wyart, Yasaman Bahri
https://t.co/Y58fJt9qmk
扩散模型一致性的随机矩阵视角
Binxu Wang, Jacob A Zavatone-Veth, Cengiz Pehlevan
https://t.co/snM0EAxv3Q
使用混合专家层的超参数迁移
Tianze Jiang, Blake Bordelon, Cengiz Pehlevan, Boris Hanin
https://t.co/dIe32NuQTS
用于平滑可解释归一化流的解析双射
Mathis Gerdes, Miranda C. N. Cheng
https://t.co/kWCw1EHGn4
使用经验回放的高效RL训练LLM
Charles Arnal, Vivien Cabannnes, Taco Cohen, Julia Kempe, Remi Munos
https://t.co/EjmNErAFpC
嵌入信任：语义各向同性预测长文本生成中的非事实性
Dhrupad Bhardwaj, Julia Kempe, Tim G. J. Rudner
https://t.co/MknrTodSaX
有效推理的特征是什么？重新审视CoT的长度、审查和结构
Yunzhen Feng, Julia Kempe, Cheng Zhang, Parag Jain, Anthony Hartshorn
https://t.co/S18yTP5fy5
从开普勒到牛顿：归纳偏置引导Transformer中的学习世界模型
Ziming Liu, Surya Ganguli, Andreas Tolias
https://t.co/H7eFnYtYQC