科研快報 | 統計與數據科學系2026年上半年 34 篇論文登 ICML、CVPR 等國際頂級會議

面向對抗性干擾的匹配市場多臂老虎機學習

Bandit Learning in Matching Markets Robust to Adversarial Corruptions

Bandit學習框架已廣泛應用于未知偏好匹配市場中的在線學習問題。然而，現有算法通常假設用戶反饋真實可靠，而現實場景中，外部噪聲或惡意干擾往往會污染反饋信號。例如，服務器資源分配中的性能偽裝、廣告投放中的點擊欺詐等，都會顯著影響學習與匹配效果。已有算法在面對擾動反饋時表現極為脆弱：即使只有少量反饋被干擾，也可能導致玩家長期匹配到次優臂。針對這一問題，本文系統研究了存在對抗性擾動的去中心化匹配市場Bandit學習問題。圍繞擾動水平已知與未知兩類場景，本文分別設計了穩健學習算法，從理論上證明所提算法能夠收斂至最優穩定匹配，同時刻畫了學習效率與擾動水平之間的依賴關系。仿真實驗進一步驗證了算法的有效性：與現有基線方法相比，本文所提算法在受污染反饋環境中表現出更強的穩健性。

面向多維數據恢復的重參數化張量環函數分解

Reparameterized Tensor Ring Functional Decomposition for Multi-Dimensional Data Recovery

張量環分解是高階數據建模的重要工具，但傳統張量環分解受限于固定網格上的離散表示。為將離散張量分解推廣至連續表示，本文提出一種適用于網格與非網格數據的張量環函數分解框架，通過隱式神經表示對張量環因子進行參數化。然而，該連續框架在優化過程中難以有效捕捉精細尺度信息。針對這一問題，本文從頻域角度揭示其內在原因，并提出重參數化張量環函數分解方法，將每個張量環因子表示為可學習潛張量與固定基矩陣的結構化組合。理論分析表明，該機制能夠改善因子學習的訓練動力學，并提供嚴格的Lipschitz連續性保證。在多種網格與非網格數據恢復任務上的實驗表明，所提方法持續優于現有基準方法。

基于引導式微調與遷移的指令微調語言模型增強方法

GIFT: Guided Fine-Tuning and Transfer for Enhancing Instruction-Tuned Language Models

經過指令微調的大語言模型已具備較強的通用能力，但在新任務上繼續微調時，往往容易破壞原有的指令遵循和知識能力。現有遷移式微調方法通常先在基礎模型上學習任務更新，再合并回指令模型，但沒有利用指令模型指導訓練過程。本文提出 GIFT，將指令模型從“合并目標”變為“訓練指導者”：通過指令模型的 token 級置信度重加權于基礎模型的 adapter 訓練，使模型聚焦更可靠的學習信號，再將 adapter 合并回指令模型。實驗表明，GIFT 在數學推理、醫學問答等任務上穩定提升性能，同時保持通用能力與指令遵循能力。該工作已被 ACL 2026 Main Conference 接收。

大模型作為文本世界模型的能力評測

From Word to World: Can Large Language Models be Implicit Text-based World Models?

智能體強化學習近年來快速發展，但制約其進一步擴展的瓶頸正從算力與數據轉向經驗——真實環境交互慢、貴且不可逆，使得世界建模成為關鍵路徑。本文聚焦文本環境，系統探究大語言模型能否充當可靠的隱式世界模型，提出 Word2World 框架，將世界建模形式化為固定交互協議下的多輪 next-state 預測，并構建覆蓋逼真度、可擴展性與智能體效用的三層評估體系。在 ALFWorld、SciWorld、TextWorld、WebShop 與 StableToolBench 五類環境上的大規模實驗表明：訓練對齊后的 7B/8B 模型在結構化環境上長程一致性超過 0.90；用作預執行驗證器可為 GPT-4o 在 WebShop 上帶來 +5.5% 提升，用作強化學習暖啟動則在 SciWorld 上獲得約 15% 增益，充分展示了 LLM 作為智能體可回放經驗放大器的通用價值。

面向跨語言與多評測范式的統一推理獎勵模型

UniRRM: Unified Reasoning Reward Models Across Languages and Evaluation Paradigms

強化學習在開放式生成任務中的核心瓶頸，在于獎勵模型難以同時兼顧可靠性、泛化性與可擴展性。現有方法通常依賴昂貴的閉源模型進行評估，或受限于缺乏可解釋性的黑盒標量獎勵，難以統一多語言與多評估范式。為此，我們提出統一推理式獎勵建模框架 UniRRM，并構建覆蓋六大領域、103 種語言的多語言獎勵數據集 MixReward，統一支持pairwise 與 listwise 評估。UniRRM通過精心設計的分階段推理鏈動態生成任務相關評估標準，實現細粒度、輸入自適應的獎勵判斷。實驗表明，UniRRM 在多個基準上取得接近同規模最先進模型的性能，并對未見評估范式（pointwise）展現出泛化能力。同時，UniRRM 可支撐真實 RL 訓練流程，有效提升復雜推理任務中的性能。

貝葉斯采樣如何增益成員推理攻擊？

How does Bayesian Sampling help Membership Inference Attacks?

成員推理攻擊是為了判斷一條數據是否被制定模型訓練過。本文從貝葉斯采樣的視角切入,把以往主流的成員推理攻擊放到"不確定性度量"這一統一框架下來解釋。本文動機也很直接——成員身份的推斷本質上是一個統計推斷問題, 那么"度量不確定"與"減小不確定"實際上是同一件事。基于此，本文利用貝葉斯神經網絡采樣直接去刻畫這種不確定性, 在成員推理攻擊任務上的效率和效果上都得到了顯著提升。

可證明的大語言模型訓練數據識別

Provable Training Data Identification for Large Language Models

LLM數據版權的法律訴訟通常需要提供高信度的證據。之前社區里的觀點普遍認為，成員推理攻擊沒法證明某條版權數據真的進了 LLM 的訓練集。本文的處理方式是放棄逐條判定: 從候選集合里挑出一批疑似被訓練過的樣本,用 conformal inference 給這一選擇過程加上統計保證。挑出來的這批樣本里,  有嚴格理論保證其真正來自訓練集的比例足夠高，為未來大模型數據版權的司法實踐提供統計學證據。

RACER：面向大語言模型的風險感知校準高效路由方法

RACER: Risk-Aware Calibrated Efficient Routing for Large Language Models

大語言模型在多模型系統中常具有不同能力，如何為每個問題選擇合適模型，是提升效率與性能的關鍵。針對現有路由方法易誤選單一模型、缺乏可靠風險控制的問題，本文提出風險感知校準高效路由方法 RACER，將模型路由轉化為帶風險約束的集合選擇問題。該方法無需重新訓練基礎模型或路由器，可自適應選擇候選模型集合，并通過結果聚合提升回答質量。實驗表明，RACER 在多類任務上實現穩定風險控制，同時提升下游準確率并減少模型調用開銷。

基于流形投影的流匹配分類器自由引導

Improving classifier-free guidance of flow matching via manifold projection

本文從優化視角重新解析了分類器自由引導（CFG）機制，指出傳統CFG依賴線性外推導致的穩定性問題。研究揭示了流匹配模型速度場與平滑距離函數梯度的內在聯系，并將CFG采樣過程建模為帶流形約束的同倫優化問題。據此，本文提出CFG-MP方法，通過增量梯度下降實現流形投影以增強引導穩定性，并進一步推出CFG-MP+，引入安德森加速顯著提升計算效率與采樣質量。該方案無需重訓練或額外模型評估，并在多個大規模生成模型上驗證。