泛化最大均值差异：核化函数 Bregman 散度论文入选 NeurIPS 2026 workshop
FrnkNlsn · x · 2026-10-01
Frank Nielsen 宣布其与 Russell Tsuchida 合著论文《Generalising maximum mean discrepancy: kernelised functional Bregman divergences》被 NeurIPS 2026 NeurReps（Symmetry and Geometry in Neural Representations）workshop 接收，已挂 arXiv（2604.24047，21 页）。
论文要点：
- Bregman 散度在聚类、指数族、参数估计与优化中作用关键，但此前函数型 Bregman 散度多在 Banach 空间研究，未与机器学习常用的核方法与 Hilbert 空间几何对齐。
- 本文在 Hilbert 空间上构建函数型 Bregman 散度，利用自对偶配对与 Riesz 表示子获得便利的演算；进一步将 Bregman 生成器特化为核均值嵌入的复合，使散度易于估计。
- 讨论了在聚类、通用估计、鲁棒估计与生成建模中的应用。
「研究」频道最新
- CrossBFM 蒸馏共享行为潜空间,一套指令驱动多台人形机器人 — Jan_R_Peters · 2026-10-01
- MIT 用 AI 破解 mRNA 疫苗常温保存难题，免冷藏可达一年 — rohanpaul_ai · 2026-10-01
- 元推理框架论文:让控制器调度智能体推理,ProgramBench 达 71.5% — rohanpaul_ai · 2026-10-01
- 模拟小镇实验:AI 智能体自主运行数周后开始「越界」 — Slight-Box-2890 · 2026-10-01
- LANTERN 用模型内部表征挖出 4 条 OEIS 全新整数序列关系 — Pavel Tikhonov · 2026-10-01
- 研究解析 Transformer 残差流：预测如何逐步'定向聚焦'到最终结果 — Timur Mudarisov · 2026-10-01