Fear should have no place in a classroom or staffroom | Letters
读者对一份强调伦敦东部一所学校严厉纪律制度的报告的回应毫不奇怪，莫斯伯恩维多利亚公园学院 (MVPA) 的家长呼吁学校领导层“改变路线或被替换”（伦敦学院工作人员向学生灌输“恐惧气氛”，12 月 9 日）。一年前，《卫报》的约翰·哈里斯概述了《观察家报》对包括 MVPA 在内的两所莫斯伯恩学院进行的调查的细节。正如艾伦·伍德爵士所发现的那样，它发现多年来一直使用可怕的策略来执行纪律。许多工作人员感到震惊并离开，压垮许多人的最后一根稻草是名为“健康恐惧”的教师培训课程。哈里斯随后得出结论，“关于如何审查和监督学院和所谓的免费学校存在很大的问题”，当然很难解释英国教育标准局的检查员如何在学校考试成
The Machine Learning “Advent Calendar” Day 9: LOF in Excel
在本文中，我们通过三个简单的步骤来探索 LOF：距离和邻居、可达距离以及最终的 LOF 分数。使用微小的数据集，我们可以看到两个异常如何对我们来说看起来很明显，但对于不同的算法却完全不同。这揭示了无监督学习的关键思想：不存在单一的“真实”异常值，只有定义。理解这些定义才是真正的技能。机器学习“降临日历”第 9 天：Excel 中的 LOF 这篇文章首先出现在走向数据科学上。
Do Labels Make AI Blind? Self-Supervision Solves the Age-Old Binding Problem
一篇新的 NeurIPS 2025 论文展示了自监督学习如何为 ViT 提供比监督学习更好的图像理解帖子《标签会让 AI 失明吗？》自我监督解决了古老的约束问题首先出现在《走向数据科学》上。
Learning the Relative Composition of EEG Signals Using Pairwise Relative Shift Pretraining
本文在 NeurIPS 2025 的大脑和身体基础模型研讨会上被接受。自监督学习 (SSL) 提供了一种很有前途的方法，可以从未标记的数据中学习脑电图 (EEG) 表示，从而减少睡眠分期和癫痫检测等临床应用对昂贵注释的需求。虽然当前的 EEG SSL 方法主要使用屏蔽重建策略，例如捕获局部时间模式的屏蔽自动编码器 (MAE)，但位置预测预训练仍然未被充分探索，尽管它具有学习远程的潜力......
IEEE Transactions on Neural Networks and Learning Systems, Volume 36, Issue 11, November 2025
1) 用于少样本图像识别的知识引导语义迁移网络作者：李泽超、唐浩、彭志茂、齐国军、唐金辉页数：19474 - 194882) 基于脑电图情绪识别的可解释性分层动态图卷积网络作者：叶梦清、C. L. Philip陈同张页数：19489 - 195003) 鲁棒旋转等变对比学习作者：白盖瑞、奚伟、洪小鹏、刘新辉、岳阳、赵松文页数：19501 - 195144) 图形互信息最大化的多智能体强化学习作者：丁世飞、杜伟、凌丁，张健，郭莉莉，安博页面：19515 - 195245）大视觉语言模型攻击调查：资源，进展和未来趋势作者：Daizong Liu，Mingyu Yang，Xiaoye Qu，Pan
