- 论文公开站arXiv
复合自适应控制的收缩动力学表示统计学习
Statistical Learning of Contractive Dynamical Representations for Composite Adaptive Control
提出一种面向动态耦合扰动下复合自适应跟踪控制的表示学习框架，将经典扰动适应控制（DAC）与近期末层自适应扰动抑制方法联系起来。
- 论文公开站arXiv
嵌入模型以奇特方式度量
Embedding Models Measure in Peculiar Ways
摘要显示，该研究考察嵌入空间是否反映质量、距离、时间和体积等物理测量，而这些量本应具有唯一客观的语义等价与距离关系。结果发现，嵌入空间对物理测量的建模仅较弱，且呈现出相当奇特的度量模式；进一步分析表明，物理测量的嵌入表示受表层字符串相似性强烈影响，重新校准相似度也未显著改善对齐效果。
意义：提示嵌入模型的语义相似度可能被表层字符串特征主导，对需要数值与物理量推理的应用构成风险。
- 论文公开站arXiv
通过局部增强偏好与表示解缠改进跨问题车辆路径规划
Improving Cross-Problem Vehicle Routing with Locally Augmented Preferences and Representation Disentanglement
摘要显示，多任务车辆路径问题求解器面临训练监督弱和架构纠缠的挑战。为此，提出POLAR训练算法，通过局部搜索细化最佳解码路径以形成更优偏好对，以及PLE编码器，利用门控机制分离共享专家与任务特定专家，逐步解缠通用路由结构与约束特定编码。实验表明，两者结合可提升当前最先进性能。
意义：对开发者而言，该研究提供了训练算法与架构设计的改进，有望提升多任务VRP模型的泛化能力与训练效率，推动实际物流调度应用。
- 论文公开站arXiv
PerturbRx：学习治疗条件下的潜在状态转换以预测患者药物反应
PerturbRx: Learning Treatment-Conditioned Latent Transitions for Patient Drug Response Prediction
摘要显示，PerturbRx是一个治疗条件下的表示学习框架，用于预测患者级别的癌症治疗反应。它从上下文匹配但细胞未配对的对照和处理的单细胞群体中训练药物和剂量条件的转换预测器，然后冻结并迁移到预处理患者概况，无需治疗后测量。在TCGA和患者来源异种移植基准上，PerturbRx取得了最强的综合预测性能。
意义：该框架利用扰动预训练的潜在转换作为特征，无需治疗后数据即可预测反应，为精准肿瘤学中的药物反应预测提供了新思路。
