每到周三我都会雷打不动地翻一遍 arxiv 的 cs.LG 板块。2026.09.29 这一周的量特别大投稿多到让我把汇总拆成了两篇这是后面的 P2也就是偏向应用、系统、复现与方法论的部分。如果你也在持续关注机器学习论文应该能体会这种感觉每天几百篇的新投稿标题看一遍就够呛更别说判断哪些值得精读。这篇汇总不打算流水账式地罗列论文而是把这一周里我真正觉得值得研究的几个脉络拆开聊顺带分享我这几年被论文“坑”出来的筛选和复现经验给同样在追 cs.LG 的读者一个可参考的抓手。1. 这期汇总的由来为什么我每周都翻一遍 arxiv cs.LG1.1 几百篇每天的投稿量筛选本身就是一场迷你科研先交代一下背景。cs.LG 是 arxiv 上机器学习相关工作的主要大类入口每天新增的论文数量早已不是“一天几十篇”体量而是稳定在几百篇。周末跨过截稿时间后的那一批尤其凶残经常一晚上涌进来四五百篇。这期 2026.09.29 的周投稿量也是这个量级光靠“刷”根本看不过来必须有一套筛选流程。我的筛选逻辑很笨但很有效先看标题和摘要把它们分成“必读”“可能读”“不读”三档。必读的是那些和我自己研究、复现或交付项目直接相关的工作可能读的是方法论上有新东西、但暂时用不上的不读的包括只改数据集刷点的、增量改动却写得很宏大的、以及摘要和正文明显脱节的。这个分档过程看起来简单实际每期也要花掉两三个小时。1.2 P1 和 P2 的分工逻辑不是简单按时间切而是按内容偏向切有人问过“汇总”为什么还要分 P1、P2直接一篇长文不好吗原因很现实当筛选出来的值得讨论的论文超过一定数量单篇推送会又长又水读者也没耐心。我更习惯按内容属性切P1 通常是更偏理论、优化、表示学习的部分P2 则聚焦到应用落地、系统效率、复现验证、评估基准这一类。这篇 P2 就特别适合那些不是只追新方法、还想知道“这东西到底能不能在我自己的数据上跑起来”的读者。1.3 这一周热词里藏着的信号这周我顺手看了下网络上的相关热词发现很有意思一半人在搜“吴恩达机器学习”“机器学习入门”“机器学习期末复习”另一半在搜“机器学习检测”“机器学习预测”“机器学习模型”。这其实和 cs.LG 投稿分布暗暗对应——社区里既有大量从入门到实践的学习者也有一批在往前沿方法、评估机制、预测系统上深挖的研究者。一篇论文汇总如果想对这两类人都起到作用就不能只盯着“最新 SOTA 方法”那几个字还得把“可复现性”“实验设计”“开源程度”这类平时容易被忽略的东西讲清楚。这也是我把 P2 的重点放在方法论和经验上的原因。2. 本期值得关注的方向脉络从热词反推社区兴趣2.1 CFG 从扩散模型走向更多生成范式热词里“cfg 机器学习中”出现的频率不低很多人误以为 CFG 只是扩散模型采样时的一个技巧。其实 classifier-free guidance 用的是很朴素的思路在训练时同时支持条件和无条件输入采样时把二者外推放大条件信号的影响。过去一年我在 cs.LG 里看到的一个重要变化是这个做法已经被迁移到流匹配、自回归模型、甚至某些离散 token 生成模型上不再只是图像生成领域的独门工具。这周 P2 相关方向里我重点关注的是几类工作一类把 CFG 的“引导强度”做成可学习、可自适应调参的模块另一类在理论侧分析为什么外推能生效、什么时候会失效比如条件和无条件模型共享参数时引导强度过大会导致样本落入分布外区域。如果你本身不是做生成的也会从这类工作里学到很通用的东西对采样分布做外推、用辅助条件控制输出强度这个思路在很多预测任务里同样适用。2.2 线性回归实验与“小问题大文章”的回归研究“机器学习线性回归实验”“机器学习 实验”这些热词说明一个老生常谈但始终成立的事实线性回归是大多数人进入机器学习的第一个门槛。有意思的是cs.LG 这周也出现了不少把“小问题”重新挖一遍的工作比如特征共线性对正则化路径的扰动、标准化顺序对线性模型系数的影响、不同采样策略下回归模型预测区间的覆盖偏差。这类论文通常不会被刷屏但对一线工程师非常实用。我看这类稿件的标准是实验是否在多个数据集上验证、结论是否脱离单一实现库、给出的建议能否转化为明确的代码变更。如果你正在做特征工程或者给业务方解释模型逻辑这类“老问题新观察”的论文往往比一篇复杂的新模型更能直接落地。2.3 量子机器学习的工程化复现“量子机器学习 基于 python”这个热词背后是近两年 cs.LG 上越来越多的量子-经典混合方法论文。这周的投稿里同样能看到不少用 PennyLane、Qiskit、Cirq 这类 python 工具实现的量子机器学习工作密集出现在梯度计算、参数化量子电路训练、以及和经典神经网络的对比实验里。我读这类论文会先确认三件事第一是不是只在模拟器上做的模拟器结果和真实硬件差距有多大第二和经典基线对比时有没有对齐计算资源第三代码是否公开用的量子设备后端是哪家。如果一篇量子机器学习论文没有公开代码也没有给出硬件运行的具体噪声参数那它的结论基本要打七折。这周的 P2 里我挑了几篇公开代码且给出模拟器到硬件迁移细节的后续会专门写复现笔记。2.4 模型检测、评估与预测从论文到落地的最后一公里“机器学习检测”“机器学习模型”“机器学习预测”这三个热词恰好对应三类常青研究方向检测数据分布偏移和异常样本、评估模型在生产环境中的行为、以及时间序列与结构化数据的预测建模。这一周 cs.LG 在这块有不少增量工作但我更关心的是那些“不被论文标题吸引目光、却在实验部分偷偷藏细节”的稿件。比如某类模型监控方法摘要看起来很强但实验部分只在一个合成数据集上做了偏移测试没有报告真实系统中常见的分步偏移。再比如时序预测模型声称提升明显但对照基线没有做同样的输入标准化。看这类工作的时候我会把注意力从“模型设计”挪到“评估协议”上。论文可以提出很朴素的方法只要评估足够严谨、失败案例足够诚实它对生产和研究的参考价值反而更高。3. 快速定位高价值论文的三板斧3.1 先用摘要做“正反向过滤”很多人看论文是从第一篇开始顺序刷这太低效了。我自己的习惯是先列两个清单正向关键词比如做预测的会关注 uncertainty、calibration、distribution shift和反向关键词比如只做纯理论证明但没实验、只在 ImageNet 上刷点、没有开源计划。然后写一段简单的脚本或者直接在 arxiv-sanity 之类的工具里跑过滤。有一点要注意摘要里的关键词命中并不等于论文值得读它只是帮你把“要读的池子”缩小到合理规模。真正判断还是要回到实验那两节。每周几百篇论文真正值得进入精读队列的我一般控制在十篇以内。3.2 看实验设置而不是只看曲线精读一篇论文我会先看图、然后直接跳到实验设置。看实验不只看最后的表格我会重点关注数据集划分方式是否和该领域通行协议一致对比基线是不是最近两年有代表性的实现而不是只比了论文里谁都比不过的弱基线有没有报告多次随机种子的方差还是只给了一次运行的结果有没有消融实验支撑“每个设计都有用”的主张这几点是判断论文“含金量”的硬指标。如果一篇论文的实验里没有消融说明作者自己也未必清楚哪个组件在起作用这类论文复现起来往往会浪费你大量时间。3.3 查代码和数据再决定要不要精读我在筛选阶段会做一个“开源程度”检查。论文页面底下有没有放代码链接、README 是否写得能跑、依赖是不是锁了版本、数据集是否公开可下载。代码是否开放其实比很多人想象的重要得多因为机器学习论文的复现难度天然偏高细节藏在无数预处理步骤里没有代码基本等于拒绝验证。这里列一个我常用的快速判断表论文状态处理建议有完整代码 数据公开优先考虑复现性价比高有代码但依赖老旧环境谨慎复现先看 issue 和 star 数只有伪代码或部分代码只读方法与实验不投入复现无任何代码只吸收思路结论降级参考3.4 顺手写了个批量拉取脚本想追 cs.LG 又不想每天手动刷网页的话可以直接用 arxiv 官方 API 拉列表。下面这个脚本是我在用的简化版拉最近提交的指定分类论文并把标题、链接、摘要前几行打印出来配合上面的正反向过滤基本够用。import urllib.request import urllib.parse import xml.etree.ElementTree as ET def fetch_recent(cats(cs.LG,), start0, max_results100): query OR .join(fcat:{c} for c in cats) params { search_query: f({query}), start: str(start), max_results: str(max_results), sortBy: submittedDate, sortOrder: descending, } url https://export.arxiv.org/api/query? urllib.parse.urlencode(params) req urllib.request.Request(url, headers{User-Agent: paper-summary/0.1}) with urllib.request.urlopen(req, timeout30) as resp: data resp.read() ns {atom: http://www.w3.org/2005/Atom} root ET.fromstring(data) for entry in root.findall(atom:entry, ns): title entry.find(atom:title, ns).text.strip().replace(\n, ) summary entry.find(atom:summary, ns).text.strip() paper_id entry.find(atom:id, ns).text.strip() print(paper_id) print(title) print(summary[:150].replace(\n, )) print(---) if __name__ __main__: fetch_recent(cats(cs.LG, stat.ML), start0, max_results100)有一点要提醒arxiv API 的sortBysubmittedDate才是按提交时间排序不传这个参数的话默认是相关性排序你会拿到一堆旧论文。另外跨分类检索时建议把cs.LG和stat.ML一起搜因为相当多机器学习投稿会同时挂这两个分类只搜一个会漏掉不少。4. 复现一篇论文的完整流程与踩坑记录4.1 环境搭建版本对齐比什么都要紧确认了论文值得复现后第一步不是跑代码而是搭环境。我踩过最狠的坑是同一个模型在不同 torch 版本下结果差了两个点所以现在复现任何论文都遵循一个原则严格按 README 或环境配置文件锁版本不要自作聪明升级依赖。实际操作上我会为每篇论文单独建一个 conda 环境优先安装 requirements.txt 或 pyproject.toml 里锁定的版本号。如果论文只给了很宽泛的版本范围比如pytorch2.0那就在该范围里选一个跟作者提交时间接近的版本。另外一定记得固定随机种子而且不只是设torch.manual_seed一个地方还要同步设置numpy.random.seed、Python 内置random.seed以及给 DataLoader 设置generator。很多论文结果不稳定不是模型问题而是这几个位置的随机源没对齐。4.2 数据对齐同一个名字不同的结果数据对齐是复现里最容易被人忽略、也最容易翻车的一环。常见的情况是论文说用了某个公开数据集但没有明确说明用的是原始版本还是预处理版本。哪怕只是做了 reshuffle、去重、或者把训练测试集按时间切结果都会差很远。我现在的复现流程里强制加一步先跑一个已知基线确认数据和评估代码没问题再上目标模型。比如复现分类相关论文我会先跑一个最简单的逻辑回归看得到的指标是否落在合理区间如果连基线都不正常说明数据管线有问题这时候去调模型参数学再久都是白费。你可能会觉得多此一举但这一步每次都能帮我拦下至少一两个隐藏的数据 bug。4.3 评估指标一个点差距背后的三个原因复现论文时最痛苦的事情就是你跑出来的数字和论文里差了零点几个点。这种事我经历过太多次总结下来原因基本跑不出这三个评估代码实现不同有的用sklearn的默认参数有的手写了带平滑的版本指标计算时机不同有的是训练完最后一轮评估有的是取验证集最优轮次评估后处理不同有的对输出做了温度缩放有的做了类别权重调整所以在启动复现之前先确认论文说的“准确率”“AUC”“PPL”具体是哪个口径最好在代码里找到评估函数看一遍而不是照着论文标题里的指标名猜。复现不是训练模型是复现那套完整的实验协议差一个细节就差一个结论。4.4 从复现走向改进的尝试思路复现成功不是终点。我会在复现代码稳定的基础上按下面这个顺序做渐进式改动改动类型操作举例预期收益数据层面改特征标准化方式、换数据增强策略对结果稳定性影响大容易发现隐藏假设模型层面改激活函数、调层数宽度通常不会带来质变但能验证结构设计意图损失函数换衰减策略、调整正则项权重可以观察过拟合区间选择最优配置工程层面混合精度、批大小、梯度累积步数效果可能微调但对复现稳定性影响明显我自己的经验是先做数据层面的改动因为最简单、解释成本也低模型架构的改动放到最后一旦动了结构所有之前的结论都要重新验证。5. 翻论文这几年攒下的个人经验5.1 标题党与“摘要-正文”不一致的问题cs.LG 每天几百篇投稿难免有标题很唬人、摘要很强、但正文支撑不住的工作。最典型的是基准实验只选两三个弱基线或者可视化图看着好看数值表格里方差巨大。我的经验很直接标题是写给搜索引擎看的摘要是写给推送系统看的实验才是写给同行看的。所以以复现为目的读论文至少要把实验设置、表格注释、附录里的失败案例扫一遍再做判断。5.2 论文到代码之间的信息损耗一篇论文哪怕写得再详细也一定丢失了部分实现信息。这里的“信息损耗”体现在很多地方数据预处理的具体顺序、学习率调度器的 warmup 步数、数据增强的边界条件。这类细节论文正文不会写只能从代码里找。如果你复现时发现某些细节不知道该怎么定就去翻作者开源的代码翻 commit 记录有时都比看 README 有用因为作者可能在修 bug 的过程中透露出最初设计的真实意图。5.3 别迷信新论文经典论文的复现价值更高刚追 arxiv 的时候我每周都被新方法吸引结果大部分时间耗在了“效果没比基线好多少”的复现上。这几年最大的转变就是经典论文的复现收益远大于追新论文。比如一批 2018-2022 年间的 benchmark 工作虽然不新但实验设计完整、评估协议清晰、代码生态成熟拿它们练手可以建立非常扎实的实验直觉。这个直觉建立起来之后回头再看新论文你一眼就能看出哪些是在认真做实验哪些只是在换皮刷点。5.4 给每篇论文留一句“一句话批注”最后分享一个习惯。我每周汇总完都会把入选论文的标题、链接、一句话批注写进一个纯文本文件。批注不写摘要而是写“这篇文章对我有什么可用信息”比如“CFG 参数自适应那节值得参考”“评估协议里对缺失数据的处理方式不错”“这份代码的 DataLoader 写法有借鉴价值”。几个月之后回头看这个文件比你保存的任何论文列表都有用。它帮你过滤噪音也逼你在汇总时真正思考每篇论文对你个人的价值。如果你也在做自己的论文追踪汇总建议固定每周一天做这件事不要每天零散地刷。固定节奏能让筛选更高效也能让批注更有连续性。希望这期 P2 的方向解读和复现过程能在你下一次翻 cs.LG 的时候少踩几个坑。