#机器学习

MIT CSAIL在ICML上发了新招：用真实感虚拟环境训练ML系统，效果比传统方法好15-20%，搞仿真和机器人可以关注。

官方账号MIT CSAIL@MIT_CSAIL原文

想用机器学习做早期疾病诊断？这篇论文用ADNI数据对比了集成模型和神经网络，还识别出了关键生物标志物，实操参考性强。

这篇论文用50人的实验数据，结合说话人分离和机器学习，证明了语音能有效检测压力，还找出了关键声学特征，挺有意思的研究。

这篇论文用RoI技术分析网络流量，结合机器学习实现了99.64%精度和0%漏报，比传统端点检测更早发现共享存储上的勒索攻击。

这篇论文解决了非线性策略分类的计算难题，用拉格朗日对偶和隐函数定理做出了实用算法，比线性方法更准，值得做对抗性机器学习的人看。

这篇论文用机器学习推翻了以往对光合作用宜居带的认知，发现M矮星周围行星的宜居潜力比我们想的大得多，而且可能产生近红外的生物特征信号。

这篇论文系统梳理了概念漂移检测算法，并用合成和真实数据测试了它们在突变和渐变场景下的表现，适合做这一方向基础研究的人参考。

如果你处理非线性的几何数据（比如生物形态或3D模型），这篇综述总结了形状空间分析的核心方法，帮你理解如何比较和统计分析几何对象。

想看AI老炮聊45年从业经历？李开复和Tom Mitchell的对话，斯坦福出品，讲真话有干货。

官方账号李开复 Kai-Fu Lee@kaifulee原文

用随机森林和强化学习优化氢能调度

音乐和AI结构的惊人对应

罗马望远镜即将带来海量天文数据，做瞬变天体探测的团队需要可靠的自动分类工具——RuBR模型解决了无真实数据时的训练难题，值得关注其后续在真实观测中的表现。

OpenAI 正式进军机器人领域，硬件与 ML 协同设计思路值得关注，做机器人或具身智能的工程师可以直接投递简历。

官方账号Sam Altman@sama11 个信源在谈原文

量子物理实验正面临数据爆炸和计算瓶颈，ML是破局关键，但黑箱模型让物理学家不放心。这篇论文用图像去噪和孤子识别两个实例，展示了如何在性能与可解释性之间找到平衡，做量子模拟或冷原子实验的研究者值得一读。

做机器人或物理AI的团队可以重新思考传感器策略——用模型扩展替代部分硬件，降低成本和脆弱性，值得关注。

官方账号Evan Morikawa@E0M原文

DataMaster 展示了自主数据工程的潜力，特别是在模型架构和训练策略标准化后，数据优化成为关键瓶颈。对于机器学习从业者而言，该框架提供了一种系统化的数据自动化方案，可减少人工试错成本，值得关注其在数据发现与组合方面的实际应用效果。

提出贝叶斯敏感性价值(BSV)方法，解决了传统最坏情况敏感性分析不切实际的问题，为因果推断实践者提供了更符合先验知识的稳健性评估标准。