Buchumschlag

Continuous Limits of Coupled Flows in Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zilin, Xu, Weiwei, Tong, Xuchun, Lu, Xuanbo, Zhao, Xuanqi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EmoLoom-2B: Fast Base-Model Screening for Emotion Classification and VAD with Lexicon-Weak Supervision and KV-Off Evaluation
von: Li, Zilin, et al.
Veröffentlicht: (2026)

Learning Interpretable Fair Representations
von: Wang, Tianhao, et al.
Veröffentlicht: (2024)

NeuroGaze-Distill: Brain-informed Distillation and Depression-Inspired Geometric Priors for Robust Facial Emotion Recognition
von: Li, Zilin, et al.
Veröffentlicht: (2025)

Pencil: Private and Extensible Collaborative Learning without the Non-Colluding Assumption
von: Liu, Xuanqi, et al.
Veröffentlicht: (2024)

Stackelberg Coupling of Online Representation Learning and Reinforcement Learning
von: Martinez, Fernando, et al.
Veröffentlicht: (2025)

GSS: Gated Subspace Steering for Selective Memorization Mitigation in LLMs
von: Zhang, Xuanqi, et al.
Veröffentlicht: (2026)

Entropy Regularizing Activation: Boosting Continuous Control, Large Language Models, and Image Classification with Activation as Entropy Constraints
von: Kang, Zilin, et al.
Veröffentlicht: (2025)

A Forget-and-Grow Strategy for Deep Reinforcement Learning Scaling in Continuous Control
von: Kang, Zilin, et al.
Veröffentlicht: (2025)

Pushing the Limits of Distillation-Based Continual Learning via Classifier-Proximal Lightweight Plugins
von: Xu, Zhiming, et al.
Veröffentlicht: (2025)

Agentic Privacy-Preserving Machine Learning
von: Zhang, Mengyu, et al.
Veröffentlicht: (2025)

TRACE: Trajectory Recovery for Continuous Mechanism Evolution in Causal Representation Learning
von: Fan, Shicheng, et al.
Veröffentlicht: (2026)

Representation Finetuning for Continual Learning
von: Luo, Haihua, et al.
Veröffentlicht: (2026)

Disentangled Representation Learning via Flow Matching
von: Chi, Jinjin, et al.
Veröffentlicht: (2026)

Real Time Detection and Quantitative Analysis of Spurious Forgetting in Continual Learning
von: Wang, Weiwei
Veröffentlicht: (2025)

Structured Coupling for Flow Matching
von: Sumba, Xavier, et al.
Veröffentlicht: (2026)

ROAST: Rollout-based On-distribution Activation Steering Technique
von: Su, Xuanbo, et al.
Veröffentlicht: (2026)

Geometric Evolution Graph Convolutional Networks: Enhancing Graph Representation Learning via Ricci Flow
von: Ma, Jicheng, et al.
Veröffentlicht: (2026)

On the Limitation and Experience Replay for GNNs in Continual Learning
von: Su, Junwei, et al.
Veröffentlicht: (2023)

Continual Learning of Domain-Invariant Representations
von: Janetzky, Pascal, et al.
Veröffentlicht: (2026)

Model Inversion with Layer-Specific Modeling and Alignment for Data-Free Continual Learning
von: Tong, Ruilin, et al.
Veröffentlicht: (2025)

On the Difficulty of Learning a Meta-network for Training Data Selection
von: Du, Zilin, et al.
Veröffentlicht: (2026)

ParamReL: Learning Parameter Space Representation via Progressively Encoding Bayesian Flow Networks
von: Wu, Zhangkai, et al.
Veröffentlicht: (2024)

Optimal Learning-Rate Schedules under Functional Scaling Laws: Power Decay and Warmup-Stable-Decay
von: Li, Binghui, et al.
Veröffentlicht: (2026)

Unsupervised Replay Strategies for Continual Learning with Limited Data
von: Bazhenov, Anthony, et al.
Veröffentlicht: (2024)

Coupled Flow Matching
von: Cai, Wenxi, et al.
Veröffentlicht: (2025)

Continual Learning of Conjugated Visual Representations through Higher-order Motion Flows
von: Marullo, Simone, et al.
Veröffentlicht: (2024)

Large Brain Model for Learning Generic Representations with Tremendous EEG Data in BCI
von: Jiang, Wei-Bang, et al.
Veröffentlicht: (2024)

Learning Continuous Face Representation with Explicit Functions
von: Zhang, Liping, et al.
Veröffentlicht: (2021)

Rethinking the Role of Dynamic Sparse Training for Scalable Deep Reinforcement Learning
von: Ma, Guozheng, et al.
Veröffentlicht: (2025)

Quantile-Coupled Flow Matching for Distributional Reinforcement Learning
von: Groom, Michael, et al.
Veröffentlicht: (2026)

Network Sparsity Unlocks the Scaling Potential of Deep Reinforcement Learning
von: Ma, Guozheng, et al.
Veröffentlicht: (2025)

ContinualFlow: Learning and Unlearning with Neural Flow Matching
von: Simone, Lorenzo, et al.
Veröffentlicht: (2025)

Compander-Aligned Query Geometry for Quantized Zeroth-Order Optimization
von: Shu, Yao, et al.
Veröffentlicht: (2026)

Path-Coupled Bellman Flows for Distributional Reinforcement Learning
von: Xu, Boyang, et al.
Veröffentlicht: (2026)

Dynamic Time-aware Continual User Representation Learning
von: Choi, Seungyoon, et al.
Veröffentlicht: (2025)

Flow Matching with Semidiscrete Couplings
von: Mousavi-Hosseini, Alireza, et al.
Veröffentlicht: (2025)

Mem-T: Densifying Rewards for Long-Horizon Memory Agents
von: Yue, Yanwei, et al.
Veröffentlicht: (2026)

PolicyFlow: Policy Optimization with Continuous Normalizing Flow in Reinforcement Learning
von: Yang, Shunpeng, et al.
Veröffentlicht: (2026)

Continual Learning of Nonlinear Independent Representations
von: Sun, Boyang, et al.
Veröffentlicht: (2024)

Learning Along the Arrow of Time: Hyperbolic Geometry for Backward-Compatible Representation Learning
von: Bui, Ngoc, et al.
Veröffentlicht: (2025)