机器学习研究
3 published articles
NLP与机器学习4 min read
机器学习研究：推荐系统
所有顶尖线性推荐模型都可能归结为两种正则化器之一
一篇于2026年9月10日提交至arXiv的预印本论文认为，位居推荐基准榜首的线性模型都归结为两种正则化器之一，随后提出了两个低秩、闭式解的混合方案。
2026-09-20
实验室与研究4 min read
因果机器学习研究，arXiv，2026年9月3日
概率因果影响（Probabilistic Causal Impact）瞄准SHAP的盲区
实际因果能就功劳与责任给出有原则性的答案，但只适用于玩具规模的模型。一篇新的arXiv论文声称，蒙特卡洛估计可以弥合它与SHAP等可扩展归因方法之间的差距。
2026-09-17
实验室与研究4 min read
AI研究
DiScoFormer找到了KDE和神经网络都错过的AI瓶颈解决方案
DiScoFormer在一次前向传播中同时估计密度和得分，在100维数据上密度误差比KDE低37倍。同一Transformer无需重训即可服务于扩散模型、贝叶斯推理和粒子模拟。
2026-07-11