结构化亲和力:深度人工免疫网络中的无监督视觉类增量记忆
深度人工免疫网络利用结构化亲和力与响应图保留,实现无需回放的视觉类增量学习,在数字数据集上达到高准确率与初始类保留。
一种包容且轻量级的文化遗产联邦持续学习方法
面向文化遗产的轻量联邦持续学习方法,通过间隔更新参数重要性降低开销,减少遗忘并兼顾性能公平与能效。
基于仿射或旋转协变特征的重力感知部分标定绝对位姿估计
结合IMU重力与特征几何,提出两种求解器,实现部分标定绝对位姿与焦距联合估计,高效准确。
作为AI代理上下文获取的主动推理
将上下文获取视为主动推理,在默认与澄清间权衡代价,提出最优提问框架并验证于前沿模型。
注入、对齐、恢复:面向无检索文档知识内化的分阶段后训练
提出IAR三阶段后训练框架,分离知识注入、行为对齐与能力恢复,显著提升无检索问答的领域与通用性能。
多源Wasserstein分布鲁棒图学习
多源瓦瑟斯坦分布鲁棒图学习,用加权重心融合异质源并构造模糊球,最小化最坏风险,样本稀缺时稳健重构图结构。
超越蒙版:评估视频物体移除中的因果与物理一致性
提出BeyondMasks基准与CORE协议,发现现有方法虽局部修复好,但常遗漏阴影反射等物理效应,需因果一致评估。
审计记录在案的预测性供水服务线分类与物理核查对比:纽约州全州研究
纽约州筛查发现:49%记录零方差,7处被实测否定;纽约市4.3万模型地址全标“已知其他”,铅率上限0.0085%,漏铅显著。
HandMvNet:基于多视角交叉注意力融合的实时3D手部姿态估计
HandMvNet用多视角交叉注意力融合,实时估计3D手部姿态形状,无需相机参数,性能优越。
概念卫士:面向大型语言模型上下文敏感遗忘的基准测试
提出概念级遗忘基准ConceptGuard,基于双重用途概念评估有害/良性上下文区分;现有方法表现差,遗忘与效用难以平衡。
基于多补丁令牌对齐与混合掩码的尺度感知时间序列基础模型预训练
提出SATS,采用尺度感知令牌对齐与混合掩码,时间序列预训练MSE降低9.2%,效率提升65.6%
Task-CoEvolve:通过自适应验证任务选择实现高效的智能体框架优化
提出方法使验证任务与框架协同进化,基于分歧采样聚焦信息量大任务,估计全量性能,评估降80%且性能相当。
TabPFN-TS在区域供热网络零样本概率热负荷预测中的系统评估
该研究系统评估TabPFN-TS零样本热负荷预测,性能接近Chronos-2且校准更优,并启发新预测器。
SABET-QA:时序知识图谱问答
提出SABET-QA,通过迭代细化与双向实体-时间评分处理时序知识图谱多步问答,在多数据集上超越基线。
OenoBench:葡萄酒领域基于知识的大语言模型评估基准
葡萄酒领域基准OenoBench含3266题,评估16模型,准确率53%-84%,o3以83.6%领先。
面向开放世界测试时自适应的可靠神经坍缩近似
提出可靠神经坍缩近似法(ReNC),利用神经坍缩先验过滤分布外样本并精炼原型,实现开放世界下可靠的测试时自适应,实验验证其优越性。
ArmorOCR:基于观测迁移自蒸馏的定位式对抗视觉感知
提出对抗OCR定位感知基准AdvSpot及两阶段框架ArmorOCR,用自蒸馏和策略优化增强对抗文本感知,同时保持通用OCR能力。
当文本与数字相悖:大语言模型中的证据仲裁
研究发现大语言模型仲裁冲突证据有系统偏好:重近因、轻可靠性线索、过度依赖外部预测,为失败模式。
绿色BOA:确定机器学习数据压缩的环境盈亏平衡点
曼彻斯特大学两个实习项目研究机器学习无损压缩的环境盈亏平衡点,对比训练推理碳排放与磁盘存储碳节省。
CLaST:用于概率时间序列预测的上下文感知对比VAE
提出上下文感知对比VAE(CLaST),用对比损失保持观测间上下文相似性,短期CRPS提升16.4%,长期提升48.6%
FormalTCS:大语言模型端到端前沿形式化理论计算机科学研究的基准评测
提出形式化TCS基准:175个前沿问题;大模型端到端研究远未可靠,形式化是最陡瓶颈,研究品味亦受限。
从计算机使用轨迹中归纳任务模型
提出TMI,从无约束轨迹中发现交错任务并构建分层任务模型,恢复74.9%执行步骤,下游准确率提升30%。
结果监视器:针对静默工具故障的恢复可供性
结果监视器检测结果契约违规,保留结果并附恢复工具提示,在工具故障评测中显著提升任务完成率。
迈向手术世界动作建模:用于手术运动规划的初步联合视觉-轨迹预测
联合预测视觉与轨迹,分块自回归优于一步预测,但长程仍存在视觉退化与轨迹误差累积。
奖励引导的自回归图生成用于高效多智能体通信拓扑设计
提出奖励引导的自回归图生成方法(RGA-Designer),在保持任务准确率的同时,平均减少20.5%的令牌消耗。
非侵入性脑电解码默读
非侵入性脑电可解码默读中的开放词汇信息,且受数据量限制,尚未饱和。
DecoVAE:轻量级可解释趋势-季节VAE框架,实现高效概率时间序列预测
提出DecoVAE,分解趋势与季节成分,轻量可解释,精度提升,模型减重93%、提速74%
G3Ego:基于目光引导图的第一人称动作理解
提出G3Ego,用目光构建动作图并剪除无关实体,时序聚合用于识别/预测,性能好且免昂贵预训练。
RoMAN-Flow:驯服自回归归一化流以用于机器人操作中的离线强化学习
提出RoMAN-Flow,用免采样优势加权似然训练自回归流策略,并蒸馏为单步生成器,降低推理延迟,性能媲美现有方法。
让我们逐步扩展:面向大规模混合专家模型的计算高效超参数迁移
提出两阶段超参数迁移法,从宽度和token预算预测大规模MoE最优学习率,R²=0.95,小模型即可确定大模型配置。
非平稳环境下时间序列的端到端早期分类
提出强化学习统一架构,联合学习表征分类与触发,在非平稳漂移下优于分离式方法,验证端到端学习适应性更强。
HARP:面向查询式CVE优先级排序的层次自适应排名与偏好自适应融合
HARP基于知识图谱多视图融合,结合历史标注示例,实现无需显式偏好的查询式CVE优先级排序,优于基线。
度量规格说明所确定的内容:形式化语义块模型与执行判定基准
提出语义块模型与执行判定基准,以收敛性估计确定性;应用于迁移规范,但实验表明确定性不宜作为独立质量指标。
人工智能在结直肠手术工作流程分析中的应用:一项多中心、跨术式的开发与泛化研究
人工智能模型可靠识别结直肠手术阶段,多中心联合训练泛化性优于中心或术式特定模型,但术式特定步骤识别仍占优。
倾听重要吗?AI克隆中的附和与点头
AI克隆加入附和与点头等倾听行为,显著提升临场感与真实性。
智能体记忆系统能否追踪演化状态?
提出状态追踪基准及StateMem方法,显著提升智能体记忆跟踪演化状态准确率。
正交JEPA:潜在世界模型的分解预测状态
提出正交JEPA,通过正交分解预测状态,改进潜在世界模型对复杂系统的表示。
EnvHarness:唤醒静态世界以训练智能体
提出EnvHarness,可编程插件层包装静态环境,自动诊断智能体弱点并生成组件,提升性能并减少训练步骤。
SAE-Xplainers:基于规则的特征解释用于极端地球事件
提出地理调制SAE及规则解释器,用于火灾、气旋、大气河等,提升重构与特征利用,解释符合科学文献。
基于相关匹配变换的超高清复原Transformer
提出UHDformer++,基于相关匹配变换与四空间协同,超高清复原参数减86%,在五项任务上显著提升。
从检索上下文到运行时控制:面向边缘RAG的自适应压缩
边缘RAG应据遥测动态调压缩率:中间压缩率可降GPU/SoC能耗约50%,质量损失可忽略。
PolicyGuide:从守护单个动作到引导整个工作流——面向策略合规的LLM智能体
PolicyGuide将策略编译为工作流图,在用户边界主动校验,使合规Pass^4由0.42升至0.62,抗攻击最强。
电力系统保护中机器学习的标准化框架
提出保护机器学习评估标准化框架,定义七维度,经案例验证,使评估假设明确可复现。
面向城市环境的神经制图地形晕渲评估:基于高分辨率DEM与DSM数据的卡尔加里市中心研究
分析性与神经晕渲在城市环境比较:卡尔加里高分辨率DEM/DSM调参可获优质结果,但有山地偏差。
二维奇异模型学习系数的精确代数计算
首个确定性算法精确计算二维奇异模型学习系数,揭示代数结构,超越采样法,应用于多项式神经网络。
透镜去畸变:基于物理的视频眼镜移除方法
提出物理模拟与生成先验结合的视频眼镜移除框架,JFSnet保持身份表情,高保真且实时。
问己问人:关系即一切
提出关系令牌混合:先划分自身/交换关系,再引导信息流;全局关系优于多头注意力,闪速关系高效,混合关系兼顾质量。
DPC-Net:面向全合一图像恢复的双先验协作网络
提出双先验协作网络融合退化语义与低级视觉先验实现全合一图像恢复性能领先
视觉Transformer训练中的特征演化与迁移
用稀疏自编码器分析ViT特征,发现迁移多发生在训练初期且趋向浅层,深层更早稳定。
PelviNeXt:面向女性健康盆腔影像的模态无关混合网络
提出模态无关混合网络PelviNeXt,在PCOS超声和骨盆骨折X光上均超越现有最优,并审计修复了数据集重复污染。