#MLP

把 GNN 的几何信息蒸馏进普通 MLP，推理不用图也能保住精度，做图机器学习部署的可以看看

这几个作者发现个性化生成其实卡在匹配而不是生成能力上，用不到0.4%参数的小 MLP 就把十亿级 reward model 全线打过了，思路很值得琢磨。

这个论文用便宜的解析模型帮机器学习打底，仿真数据少也能把误差从3.375Hz压到0.371Hz，做声学仿真的可以看看。

这篇论文用推荐系统思路解决传感器选择，抗干扰还提精度20%，做跟踪或边缘计算的朋友可以看看。

斯坦福团队搞了个新招：不用梯度下降，直接把事实写进Transformer的MLP里，论文被COLM 2026收了，想了解怎么不训练就灌知识的可以看看。

Stanford AI Lab@StanfordAILab原文

这论文把神经网路编译成纯布尔电路，在边缘设备上跑EEG分类，延迟低还省电。痴呆检测准确率比MLP高6.8%，值得搞BCI的人看看。

TabPack让你不用费心调参就能达到好效果，在普通笔记本上跑都比别人用GPU调参快。

这篇论文把化学描述和分子结构分开建模再相加，既准确又能解释预测依据。在AqSolDB和BigSolDB2上效果很好，适合医药研发。