今日速览 · AI 导读
自动抓取 arXiv 多学科 RSS，DeepSeek 自动润色标题与摘要，最快 24 小时内汇总。每日 14:00 初始化批次并每 15 分钟轮询学科，24h 无数据则回退 72h/7 天；arXiv 周末停更时自动跳过。
今日物理学研究聚焦于多尺度复杂系统的建模、观测与控制，强调从微观量子过程到宏观工程系统的跨尺度创新方法与技术突破。
今日数学领域研究呈现多元交叉趋势，从基础代数、几何到前沿统计与机器学习理论均有重要进展，核心聚焦于理论工具的深化、推广与重释。
今日计算机科学领域的研究聚焦于提升AI系统的效率、可靠性与可部署性，涵盖从硬件加速、算法优化到实际应用评估的多个层面。
今日q-bio领域研究呈现方法创新与跨学科整合的鲜明趋势，重点关注利用计算模型与AI技术解析复杂生物系统，并强调理论框架与实验数据的严谨结合。
今日经济学研究聚焦于因果推断、市场设计与行为经济学的交叉创新，强调算法优化、结构建模与微观数据驱动的深入洞察。
今日天体物理领域聚焦于从星系演化到星际访客的多尺度前沿研究，核心趋势是结合高精度模拟、多信使观测与人工智能，深化对宇宙结构与演化的理解，并探索缓解关键宇宙学张力的新方法。
星系演化模拟的反馈机制差异：对比TNG与EAGLE模拟发现，两者在“绿谷”星系淬灭路径上存在显著差异。TNG的动能反馈导致近乎二元的恒星形成关闭，而EAGLE的反馈模式则产生了与观测更一致的连续分布，凸显了反馈机制是模拟星系演化的关键不确定因素。
多信使天文学的新机遇：即将爆发的北冕座T星新星，因其近距离和高预测中微子通量，有望成为首个被探测到中微子的新星。不同质子加速机制（磁重联 vs. 外部激波）预测的时间延迟信号，为区分物理过程提供了独特窗口。
宇宙学观测的数据处理与信号提取：针对谱线强度映射（LIM）和宇宙微波背景（CMB）B模偏振等微弱信号，研究提出了新的数据处理方法。2D/3D轮廓匹配可提升LIM探测灵敏度达25%，而基于反向扩散的生成式模型能有效从复杂前景和噪声中重建原初B模信号。
缓解哈勃张力的观测新路径：针对早期与晚期宇宙膨胀率测量间的张力，研究提出利用下一代光谱巡天，通过“宇宙时钟”方法直接、高精度测量哈勃参数H(z)，为重建宇宙膨胀历史和约束暗能量提供独立于传统距离阶梯的新途径。
恒星物理与元素合成的关键核过程：研究揭示了氧核反应速率对第一代大质量恒星演化与核合成的显著影响，以及贫金属巨星中锂丰度与自转的相关性。这些工作为理解恒星内部核合成和银河系化学演化提供了关键约束。
太阳系天体与星际访客的精细刻画：对星际彗星3I/ATLAS的持续观测，精确测定了其水生成率变化、核尺寸及尘埃结构（如“反尾”），为理解星际天体的物理性质和活动机制提供了宝贵数据。
2025-12-30 共 142 条抓取，按综合热度排序
本研究开发了一个基于大语言模型（LLMs）和高级提示工程技术的领域自适应系统，用于从非结构化科学文献中自动识别参与功能食品（如氨基酸、纤维、植物化学物质和维生素）生物合成的微生物菌株。通过利用少样本提示和定制化查询设计，系统在多种配置下均表现出稳健性能，其中DeepSeekV3模型在准确性上优于LLaMA2。研究构建并验证了一个包含35种功能食品-菌株关联的结构化数据集，揭示了谷氨酸棒状杆菌、大肠杆菌和枯草芽孢杆菌在单一及共培养系统中的主导贡献，以及新兴合成菌群的应用潜力。该AI框架不仅提升了文献挖掘的可扩展性和可解释性，还为微生物菌株选择、合成生物学设计和功能食品的高价值精准发酵策略提供了可操作的见解。
本研究提出了一种包含特定形式外力场的非保守动力学方程框架，用于模拟随机相互作用系统的演化。该框架被应用于生态学领域，对由捕食-被捕食机制相互作用的两个物种组成的系统进行建模。研究提供了关于共存平衡点的线性稳定性分析，并讨论了发生霍普夫分岔的一种情况。最后，通过数值模拟展示了一些相关演化场景。
本研究提出INSIGHT模型，一种图神经网络，可直接从常规病理切片图像预测II/III期结直肠癌患者的生存。模型在TCGA和SURGEN队列中训练与交叉验证，生成患者级别的空间风险评分。独立验证显示其预后性能优于传统pTNM分期（C-index 0.68-0.69 vs 0.44-0.58）。通过整合空间风险图与空间转录组、蛋白质组及单细胞数据，研究揭示了由上皮去分化、胎儿程序、$\mathrm{SPP1}^{+}$巨噬细胞/$\mathrm{LAMP3}^{+}$树突状细胞驱动的基质状态以及适应性免疫功能障碍构成的上皮-免疫风险图谱，为患者分层和联合治疗提供了新见解。
本研究将信息论方法引入母胎心率耦合分析，在120名孕晚期孕妇（58名压力组，62名对照组）中，通过计算转移熵、熵率等指标，揭示了两种不同时间尺度的耦合机制。研究发现：在短期（0.5-2.5秒）尺度上，存在压力无关的状态依赖性同步（母体减速对胎儿心率复杂性的耦合强度约60%）和压力敏感的时间信息传递。后者与母体皮质醇水平存在探索性关联，并显示出显著的性别与压力交互作用，女性胎儿表现出独特的耦合模式。研究还确定了4Hz为捕捉此信息流的必要且充分的采样率。
本研究提出JParc，一种联合皮层配准与分区的框架。它通过浅层子网络微调传播的图谱标签，仅使用描述皮层折叠模式的基本几何特征（如沟深、曲率），便在Mindboggle数据集上实现了超过90%的Dice分数。实验表明，其优异性能主要归因于精确的皮层配准和学习的分区图谱，超越了现有最先进的分区方法。
本研究将深度学习框架DFINE扩展应用于多部位人类颅内脑电图（iEEG）信号建模。DFINE结合了线性状态空间模型与神经网络，在捕捉信号非线性特征的同时，保留了线性模型灵活推理的优势。实验表明，在预测未来神经活动方面，DFINE显著优于线性状态空间模型，并与门控循环单元（GRU）模型精度相当或更优。此外，DFINE在处理信号缺失时表现出更强的鲁棒性，在高伽马频段的优势尤为明显，为下一代脑机接口的开发提供了强大且灵活的工具。
本研究针对决策瘫痪现象，提出了一个基于推理的计算模型。模型将决策过程分为意图选择（追求什么）和可供性选择（如何追求），并将决策承诺形式化为在反向KL散度（寻求模式，促进快速承诺）和正向KL散度（覆盖模式，保留多种可能）混合目标下的推理过程。模拟显示，当选项价值相近时，正向KL偏向的推理会导致缓慢、重尾的反应时间，并产生两种独特的失败模式：意图饱和与可供性饱和。该模型将自闭症中的决策僵局视为一个基于推理的、普遍决策连续体的极端状态。
本研究开发了一种完全集成且经过定量表征的斜平面显微镜（OPM）平台，专为胚胎、干细胞和三维培养系统中转录与核组织的动态研究而设计。该系统结合了高数值孔径远程重聚焦、倾斜不变光片扫描以及激光激发、振镜扫描和相机读出的硬件定时同步技术，提供了全面的光学性能表征。研究团队还开发了统一的采集与重建流程，支持硬件极限速率下的实时三维成像，并在活体果蝇胚胎、小鼠胚胎干细胞及其衍生的类原肠胚中，成功实现了对MS2标记转录位点的定量三维成像与转录强度轨迹提取。
本研究指出，在利用简单力学模型研究DNA开放态动力学时，模型与实验数据的正确比对至关重要。以Peyrard-Bishop-Dauxois模型为例，论文分析了两种常见错误：一是模型与实验观测的开放态类型不匹配；二是开放态的“阈值坐标”指定错误。作者引入了用于记录DNA链径向分离的有效总阈值坐标概念，并证明通过对实验数据的正确解释，可以消除理论与实验之间的差异。
当前大型语言模型基于简单的下一词预测目标，但忽略了神经科学中预测编码模型的三个关键组件：行动与生成模型的紧密整合、层次化组合结构以及情景记忆。本文提出，将这些组件融入基础模型，可解决其现有缺陷——如因缺乏“接地”而产生的幻觉与概念理解肤浅、因缺乏控制而缺失主体感/责任感、因缺乏可解释性而威胁安全与可信度，以及能效低下。与当前增强方法（如思维链推理和检索增强生成）相比，脑启发组件的整合为构建安全、可解释、以人为本的AI提供了新路径。
本文探讨了进化力量、热力学约束与信息处理能力如何共同塑造生命系统的逻辑。研究指出，生命系统的实际运行依赖于复杂的基因调控、代谢反应和细胞信号网络，这些网络并非被动结构，而是通过其层级化、模块化的非平凡拓扑结构，主动催化“可进化性”的演化。利用统计物理分析表明，生物创新往往偏离平凡结构与热力学平衡态，而自然界中普遍存在的稀疏异质网络（如层级模块网络）在冗余、纠错和维持的能量成本权衡中更具优势。文章提出了一个基于互联性、可塑性和相互依赖性的统一建模框架，并运用动力系统理论和非平衡热力学进行分析，揭示了缓慢的进化动力学是受约束变分非平衡过程的直接结果。
本研究发展了一种理论，通过三维基因组结构推断单个基因座的黏弹性。研究发现，染色质的力学性质由表观遗传标记和空间组织共同决定。在单基因座水平上，染色质表现出显著的异质性，可分为具有不同最长弛豫时间的两个亚群：单时间尺度和多时间尺度弛豫。富含活性标记（如H3K27ac）的基因座通常表现出多时间尺度弛豫，其最长弛豫时间与局部有效刚度呈负相关。模拟预测，这些区域在持续外力下更易变形，但能抵抗短暂的大脉冲。在更精细的基因组尺度上，启动子、增强子和基因体形成了与其相互作用焦点一致的“黏弹性岛”。这些结果表明，染色质黏弹性是三维基因组的一种有组织的、与表观遗传耦合的特性，可能影响增强子-启动子通讯、凝聚体介导的组织以及对细胞机械应力的响应。
本文评论了Pitti等人将计算与信息框架应用于理解动物身体演化与机器人设计的观点。作者认为，虽然计算与信息理论在理解神经系统和推动技术进步方面至关重要，但将身体的主要角色归结为“计算”是一种误导。身体的演化与存在，其核心功能在于与环境进行物理互动、支撑生命活动与实现生存目标，而非首要执行抽象的信息处理任务。这一评论挑战了将心智的计算隐喻过度延伸到身体领域的倾向，强调了身体的物质性、行动性与生态性本质。
本研究解决了数学分析与空间生态学交叉领域的一个开放反问题：仅利用边界观测数据，在多信号化学趋化捕食者-猎物系统中，唯一识别未知空间异常（解释为栖息地退化区域）及其相关生态参数。我们将问题表述为同时恢复未知内部子域及其边界上不连续的生态相互作用规则。建立了一个统一的理论框架，可唯一确定异常区域的几何形状以及表征退化区域内相互作用变化的不连续系数。结果涵盖了时变系统中的光滑异常，并扩展到稳态机制下的非光滑多面体包含物。这项工作弥合了生态传感与内部栖息地异质性定量推断之间的差距，为从有限外部数据检测和表征栖息地退化提供了数学基础。
本研究提出了一种结合变分自编码器（VAE）与定量构效关系（QSAR）模型的生成式AI框架，用于从少量气味分子数据中设计新型气味物质。VAE通过自监督学习从ChemBL数据库学习SMILES语法，并通过QSAR模型提供的损失项引导其潜在空间按气味概率进行结构化。模型生成的分子100%语法有效，94.8%结构唯一，其与已知气味分子的Fr\'echet ChemNet距离（FCD）约为$6.96$，远优于基线（$\approx 21.6$）。Bemis-Murcko骨架分析显示，74.4%的候选分子具有训练数据中未出现的新颖核心框架，表明模型实现了超越已知气味物简单衍生的化学空间探索。
本研究提出了一种结合时间感知图神经网络与Transformer融合机制的新模型（GNN-TF），用于整合非欧几里得脑成像数据（动态脑功能连接）与欧几里得临床表格数据，以预测未来行为。模型利用来自NCANDA纵向静息态fMRI数据集，在一个连贯的框架内有效利用变量的时间顺序。与多种现有机器学习及深度学习模型相比，GNN-TF在预测未来烟草使用方面展现出更优的预测准确性。其端到端、时间感知的融合结构成功整合了多模态数据并利用了时间动态性，为专注于临床结果预测的脑功能成像研究提供了有价值的分析工具。
本文指出，在非参数统计与机器学习中，随机性（独立同分布生成）与可交换性是两个常用假设。对于无限观测序列，两者几乎无法区分；但对于给定长度的有限序列，两者差异变得非常显著。这一发现对依赖这些假设的统计推断与模型构建具有重要影响。
本研究运用微分几何方法，揭示了牛津大学万灵学院霍克斯穆尔设计的椭圆形拱顶藻井，以及罗马万神殿穹顶藻井的数学原理。研究假设这些看似不规则的方形藻井，实际上是矩形或有限圆柱体上规则正方形网格，通过共形映射（即墨卡托投影的逆映射）投影到曲面上的结果。这种方法保证了藻井肋线以直角相交，且藻井形状接近正方形。研究推导了适用于一般旋转曲面的藻井尺寸与位置公式，计算结果与现有照片及万神殿的实测数据高度吻合，并推测了霍克斯穆尔时代可能无需高等数学的施工方法。
本文推广了Grood对rook幺半群和Steinberg对全变换幺半群的不可约表示表格构造，提出了一种特征无关的方法。该方法适用于任何包含对称群的n元集上部分变换幺半群的子幺半群$\mathcal{M}(n)$。通过引入从$n \times n$矩阵幺半群的有理表示范畴到$\mathcal{M}(n)$有限维表示范畴的函子，建立了两个分支规则。主要结果描述了rook幺半群、部分变换幺半群和全变换幺半群的轨道调和商的$\mathbb{Z}$-分次模结构，从而得到了$n \times n$变量多项式环上柯西分解的类似物。
本文在满足适当条件的阿贝尔范畴与稳定性条件下，定义了广义K理论不变量，并证明了它们满足壁交叉公式。核心创新在于为阿贝尔范畴对象叠的K同调引入了一种新的结合代数结构，称为K-霍尔代数。通过直接由半稳定对象叠定义δ-不变量，并利用K-霍尔代数取形式对数来构造ε-不变量，最终借助非阿贝尔局部化定理证明了这些不变量满足壁交叉公式。该工作将Joyce和Liu在经典情形下的壁交叉结果推广到了$D^b(X)$的非标准心，这类情形下框架函子的存在性尚属未知。
本文对“可形变导数是一种新的分数阶导数算子”的流行观点进行了批判性重估。研究表明，可形变导数并非真正的分数阶算子，而是处理具有幂律时间尺度系统的一种有用计算工具，其本质等价于经典导数在非线性时间重参数化下的结果。文献中许多被标榜为新颖的“分数阶”贡献，实际上可在经典框架内重新解释。通过变量替换，使用可形变导数表述的问题可转化为经典问题，求解后再变换回来。这种重构揭示了该算子缺乏真正的非局域分数阶效应。文章通过理论分析、数值模拟（比较可形变、经典及真正的Caputo分数阶模型）探讨了这一误解持续存在的原因，并指出经典导数及已确立的分数阶导数才是建模记忆依赖现象的更忠实框架。
本文提出了GPU-Virt-Bench，一个用于评估软件GPU虚拟化系统的综合基准测试框架。该框架包含10个类别、56项性能指标，涵盖开销、隔离质量、LLM推理性能、内存带宽、缓存行为、PCIe吞吐量、多GPU通信、调度效率、内存碎片和错误恢复等方面。通过对比HAMi-core、BUD-FCSP等软件方案与理想MIG硬件方案的性能，为云环境多租户GPU资源部署提供了系统化的评估依据和决策参考。
本研究针对流形上的状态估计问题，扩展了先前提出的可逆卡尔曼滤波算法。该算法旨在克服传统卡尔曼滤波变体在合成数据上精度评估的局限，其优势在于不依赖小速度假设，且精度仅取决于传感器噪声。然而，在真实数据应用中，测量噪声带来了挑战。为此，本文提出了一种启发式方法，通过事件检测步骤在可逆卡尔曼滤波与经典乘法变体之间进行切换。核心贡献是提出了一种判别指标，用于在真实场景中量化并证明可逆方法优于经典方法的时刻，从而为算法选择提供了理论依据。
本研究提出了一种利用对抗鲁棒性评估来指导图剪枝的新框架，以增强图神经网络（GNNs）的防御能力。该框架通过计算鲁棒性分数，识别并剪除图中易受攻击或有害的边，从而在消息传递过程中减少噪声和对抗性扰动的传播。实验在三种代表性GNN架构和多个基准数据集上进行，结果表明，该方法在高扰动环境下能显著提升模型的可靠性和鲁棒性，为构建更安全的图学习系统提供了有效途径。
本研究针对临时协作团队中智能体需快速适应未知队友的挑战，提出了基于大语言模型的解决方案。核心框架Collab通过从轨迹特征中提取行为规则来对队友类型进行分类，其增强版本ReCollab则引入了检索增强生成技术，利用范例轨迹来稳定推理过程。在合作性游戏Overcooked环境中的实验表明，ReCollab能有效区分队友类型，并在多种布局下持续提升智能体的适应能力，在分类准确性和任务回报之间实现了帕累托最优权衡。这验证了LLMs作为行为世界模型的潜力，并强调了在复杂协调场景中检索增强的重要性。
本研究提出了一种专家引导的自动提示优化框架，旨在提升大型语言模型从科学文献中提取实体数据的可靠性。以从高熵合金相关出版物中提取晶格常数为测试案例，研究团队利用7篇专家标注的文献对Claude 3.5 Sonnet模型进行反馈循环优化。在有限的优化成本下，召回率从0.27显著提升至0.9以上。该方法随后应用于2267篇文献，成功为1861种合金成分提取了数据。优化后的提示词能有效迁移至Claude 4.5 Sonnet、GPT-5和Gemini 2.5 Flash等新模型。分析揭示了LLM的三类主要错误：上下文幻觉、语义误解和单位转换错误，强调了验证协议的必要性。该工作为复杂LLM辅助科研任务提供了一条低成本、可迁移且可扩展的可靠数据提取路径。
本文提出了一种基于可重构场效应晶体管（RFET）的新型随机计算神经网络（SCNN）加速器架构。传统SCNN受限于随机数生成器（SNG）和累加并行计数器（APC）等模块的高资源开销，而RFET在器件层面的可重构特性，使得这些核心模块能够以更高效、紧凑的方式实现。通过系统级仿真与公开标准单元库验证，在相同工艺节点下，该设计相比FinFET方案在面积、延迟和能耗方面均实现了显著降低。
本文提出一种面向未来智能体网络（Agentic Web）的用户主权交互范式SoDA，旨在解决数据锁定和认知过载两大核心挑战。其核心设计是将存储、计算与交互正交解耦，确立“数据为持久资产，模型为瞬时工具”的架构原则，从根本上打破平台对用户记忆的垄断。为实现零信任环境下的安全运行，设计了基于A2A协议的意图-权限握手机制，通过双因子自适应路由进行主动风险治理。实证评估表明，该范式在跨平台服务迁移和复杂任务执行中可降低约27-35%的令牌消耗；在多模态复杂任务编排中，相比标准RAG架构和人工流程，分别降低用户认知负荷72%和88%，并显著提升信息信噪比。
本文提出SlimEdge框架，旨在解决深度分布式神经网络在资源受限的边缘设备上部署的难题。该方法通过结合结构化模型剪枝与多目标优化，根据异构设备的硬件限制定制网络容量，在保证任务性能的同时满足内存和延迟约束。以用于3D物体识别的先进架构MVCNN为例，框架量化了不同视图对分类精度的贡献，并据此分配剪枝预算。实验表明，优化后的模型在满足用户指定的精度和内存占用上限的同时，在不同硬件平台上将推理延迟降低了1.2倍至5.0倍。
针对点云模型在GPU上因数据稀疏、非结构化导致计算与内存需求高、实时性差的问题，本研究提出了HLS4PC——一个可参数化的高层次综合（HLS）框架，用于FPGA加速。该框架通过FPGA并行化与算法优化，实现了映射函数和神经网络层的高效定点数运算。研究对先进的PointMLP-Elite模型应用了多种硬件感知压缩技术（如用均匀随机采样替代最远点采样、参数量化、层融合和输入点剪枝），得到了复杂度降低4倍、在ModelNet40数据集上精度仅下降2%的PointMLP-Lite变体。FPGA加速该变体后，吞吐量较先前工作提升3.56倍，较GPU和CPU实现分别提升2.3倍和22倍。
本文提出了一种名为Cleave的新范式，旨在利用边缘设备的闲置计算资源进行去中心化的大模型训练，以挑战当前依赖大型云数据中心的集中式训练模式。Cleave通过一种新颖的选择性混合张量并行方法精细划分训练操作，并结合以参数服务器为中心的框架，有效应对了设备内存限制和通信瓶颈。此外，它采用成本优化模型来指导设备选择和任务分配，从而高效处理设备的异构性和动态变化。评估表明，Cleave的训练性能可与基于云GPU的训练相媲美，其每批次训练时间比现有边缘训练方法快高达10倍，并能支持比基线方法多8倍的设备，故障恢复速度也快至少100倍。
本研究通过实验评估前沿开源大语言模型在学术论文评审中的表现。研究收集了OpenReview的真实评审数据，让LLMs生成评审意见并与人类评审员的评分、论文的引用量、高影响力、新颖性和颠覆性等发表后指标进行对比。结果显示，LLM评审与人类评审员的相关性较弱（0.15），存在3-5分的系统性高估偏差，且预测错误时仍给出高置信度（8.0-9.0/10）。然而，LLM评审与论文发表后指标的相关性强于与人类评分的相关性，表明其作为预审筛选工具具有一定潜力。研究强调了将LLMs用作全自动评审代理时存在的安全与对齐风险，并开源了数据集$D_{LMRSD}$以促进相关安全框架研究。
本文提出了一种端到端的LLM框架，用于优化高性能计算中的GPU热点内核，而无需构建和运行完整的应用程序。核心方法是自动将独立提取的内核代码补全为最小可执行程序，并在应用外部进行多轮迭代优化与评估。框架集成了自动错误修复和性能模式继承技术，以修复故障、保持正确性、复用有效的分块/内存/同步策略，并降低搜索成本。在NVIDIA GPU和海光DCU平台上的评估显示，该方法在PolyBench、AMD APP SDK及大规模超算应用的热点内核上均实现了显著加速，平均加速比最高达7.77倍，超越了直接的LLM优化。该方法无需完整的源代码依赖，具有跨平台可移植性，实现了实用、低成本的GPU内核优化。
本文提出了一种新颖的层注意力池化（LAP）策略，用于动态聚合预训练Transformer模型的多层输出特征，以改进说话人验证任务。该方法从多个角度动态评估每层特征的重要性，并采用最大池化而非传统的加权平均进行聚合。结合提出的轻量级后端模型（包含LAP和注意力统计时序池化），在VoxCeleb基准测试中实现了最先进的性能，同时大幅减少了训练时间。分析表明，LAP的动态加权机制能有效捕捉说话人特征。
本文提出了一种用于无服务器GPU平台的自适应GPU资源分配框架，旨在解决多智能体系统协同推理时面临的异构工作负载与动态计算需求挑战。该框架采用复杂度为$O(N)$的实时自适应算法，根据工作负载特征、智能体优先级和最低资源需求动态分配GPU资源。实验表明，与轮询调度相比，该框架能降低85%的延迟，同时保持与静态分配相当的吞吐量，并在延迟、成本和GPU利用率指标上均优于静态均等和轮询策略。
本文提出了一种名为LANCA的因果自编码器，旨在解决无监督表示学习中因果变量识别的核心难题。针对传统方法依赖统计独立性而无法捕捉因果依赖的局限，LANCA将加性噪声模型（ANM）作为强归纳偏置引入。理论证明，ANM约束虽不能保证全局唯一可识别性，但能将允许的变换从任意微分同胚限制到仿射类，从而解决分量级的不确定性。方法上，LANCA摒弃了变分自编码器中模糊结构残差的随机编码，转而采用确定性Wasserstein自编码器与可微ANM层相结合，将残差独立性从被动假设转变为显式优化目标。在合成物理基准（如Pendulum、Flow）和逼真环境（CANDLE）上的实验表明，LANCA在应对复杂背景场景产生的伪相关方面，优于现有先进基线，展现出更强的鲁棒性。
本文探讨了在无法完全信任的高能力AI代理部署中，自动化控制监控所面临的实际挑战。研究指出，将监控扩展到现实世界部署会引入新的动态：并行代理实例、不可忽略的监督延迟、代理实例间的渐进式攻击，以及基于单个有害行为识别阴谋代理的困难。论文分析了应对这些挑战的设计选择，重点关注三种具有不同延迟-安全性权衡的监控形式：同步、半同步和异步监控。作者引入了一个高层次安全案例草图作为理解和比较这些监控协议的工具，并通过四个未来AI部署的案例研究，探讨了监督、延迟和恢复三大核心挑战。
本研究提出一种新算法，用于求解大规模管网（如天然气、水管网络）中的势驱动稳态非线性流方程。该算法通过将大型网络分割为多个可处理的子网络，先独立求解各子系统的非线性方程，再通过子网络间的连接点（如不同运营商的交接点）协调，最终获得全局解。该方法与舒尔补方法相关，并能在保护各运营商内部数据隐私的前提下实现高效求解。算法在多个具有挑战性的测试案例中验证了其有效性。
研究团队提出“AI-for-theory”新范式，开发深度学习模型PhysAnchor-MJO-AE，通过构建物理特征相似度与向量距离对应的潜在表示，客观聚类MJO动力状态。该方法首次揭示了MJO完整的六阶段生命周期解剖图，在经典观点基础上，客观分离出两个长期被假设的过渡阶段：印度洋上的组织性增长和菲律宾海上的北向移动。基于此解剖图构建的新物理一致监测框架，将虚假传播和对流错位率降低了一个数量级以上。
本研究提出了一种端到端的深度学习框架，用于基于稀疏卫星测高数据的全球海面动态短期预报。该框架融合了U-Net和4DVarNet两种先进架构，将其调整为利用稀疏天底测高仪观测序列，对未来7天的海面高度异常和海表流场进行预报。模型在GLORYS12业务化海洋再分析数据上训练，并应用合成天底采样模式模拟真实观测覆盖。评估表明，端到端神经预报在所有预报时效上均优于基准业务产品（Mercator Ocean），在高变率区域改进尤为显著。该研究证明了即使在数据稀疏条件下，端到端神经模型在业务化海洋学中的可行性与潜力。
本研究提出了一种全光纤集成的非线性萨格纳克干涉仪，利用级联二阶非线性过程产生频率反相关的闲频光，实现了无需主动稳定的奇数次色散抵消。该测量本质上是自参考的，色散引入的相位通过同一萨格纳克环内反向传播的非线性过程之间的干涉提取，无需外部参考臂或预先校准。该装置完全在电信波长工作，通过标准光谱仪读取，利用双端口归一化产生瞬时、高可见度的干涉条纹和无校准光谱。实验演示了对25厘米至4公里光纤样品的色散测量，覆盖了从短光纤段到长距离链路的范围。该架构结合了自稳定性、宽带兼容性和快速采集能力，为研究和工业提供了一种实用的计量工具。
本文提出了一种基于多重自然构型和多连续介质理论的新型运动学框架，用于描述纤维增强层合复合材料。该框架将变形梯度分解为三项：$\mathbf{F}=\mathbf{F}^e\mathbf{F}^r_\alpha\mathbf{F}^d_\alpha$，其中$\alpha$代表基体或纤维。利用此框架，作者量化了四种损伤机制（基体开裂、纤维断裂、界面滑移/脱粘、层间分层）的损伤含量。前两者通过测量各组分构型的不相容性推导，后两者则涉及组分或层间的相对位移。该工作为建立损伤层合复合材料的本构模型提供了几何基础。
本研究提出了一种线性声波传播与叠加（LAWPS）框架，用于在光学不透明或深部组织中定量监测微泡的弱非线性振荡。该框架通过耦合弱非线性振荡的傅里叶级数表示与线性单极子辐射理论，建立了多频声发射信号与微泡径向动力学之间的可逆关系。实验验证表明，该方法能以约5%的相对误差重建振幅达平衡半径15%的振荡，并在生理相关条件下，预测了足以在10微米囊泡中引发声穿孔相关机械应力的振荡状态。
研究团队首次成功演示了对金属氢化物分子CaH的三维磁光囚禁。他们利用“白光”技术将近零速度的分子束装载到射频磁光阱中，囚禁了约230个分子，温度低于1毫开尔文。实验中散射了约$10^{4}$个光子，并覆盖了振动量子数$\nu=2$以内的振动损失。CaH分子的预解离损耗机制，为后续实现氢原子的光学囚禁和精密光谱学提供了潜在路径。
本文提出一个基于并矢格林函数的双因子框架，用于量化环境对经典天线性能的Purcell式增强。该框架将环境效应分解为“自因子”（量化环境对天线辐射阻尼的改变）和“传输因子”（量化环境对收发天线间信道耦合的改变）。研究提供了基于矢量网络分析仪的测量提取流程与诊断方法，以区分真实的辐射增强与阻抗失配或吸收损耗。最后，将理论转化为链路预算与距离标度，并展示了从VHF到毫米波频段在各种实际环境（如平台、人体邻近、隧道、反射阵列、可重构智能表面等）中的应用。
本研究针对连续纤维增强复合材料增材制造（CFRC-AM）中工艺与材料参数交互影响性能的难题，提出了一种数据高效的多输入多目标学习方法。该方法结合拉丁超立方采样（LHS）指导实验与挤压激励宽深神经网络（SE-WDNN），基于不同制造参数联合预测CFRC-AM的多个力学与制造性能指标。通过对155个试样进行实验，并与前馈神经网络、XGBoost等常用模型对比，所提模型取得了最低的整体测试误差（MAPE = 12.33%），并在多个目标变量上显示出统计显著性提升。SHAP分析揭示了增强策略是影响力学性能的主要因素。
本研究通过物理气相沉积选择性制备了闪锌矿相（zb-AgI）和纤锌矿相（wz-AgI）碘化银薄膜，并利用偏振分辨二次谐波产生（SHG）和双光子光致发光（2PPL）光谱系统分析了其非线性光学性质。研究发现，三角形（111）取向的zb-AgI薄片表现出六重对称的SHG响应和各向同性的2PPL发射；而棒状（101）取向的wz-AgI样品则在SHG和2PPL中均显示出二重对称模式。这些各向异性响应可通过二阶（$\chi^{(2)}$）和三阶（$\chi^{(3)}$）非线性极化率模型进行解释。该工作确立了AgI作为相态选择性非线性光学和量子光子学应用的潜力平台。
本研究提出了一种基于稀疏变分高斯过程与Kolmogorov-Arnold网络拓扑（SVGP-KAN）的机器学习框架，用于从稀疏速度测量数据中重建时间分辨流场。该方法扩展了经典的线性随机估计（LSE）和谱分析模态方法（SAMM），并实现了原则性的认知不确定性量化。在脉冲冲击射流的合成数据上，评估了采样率从0.5%到10%的性能。结果表明，SVGP-KAN在重建精度上与经典方法相当，同时提供了校准良好的不确定性估计，能可靠地指示预测在何时何地会失效。
本研究通过解析与数值模拟（COMSOL Multiphysics）相结合，分析了三种电极设计（部分、全面积、螺旋）对涡流型海水磁流体发电机性能的影响。研究发现，电极面积和间距是决定性能的关键因素。其中，全面积电极实现了最高的功率输出，相比基准部分电极提升了155%。螺旋电极虽能降低内阻并改善电流分布，但由于电极间距减小，其开路电压较低。模拟结果与理论模型高度吻合，开路电压预测偏差小于4%。这些发现强调了几何优化对于推动海水磁流体发电机成为可持续高效能源转换系统的重要性。
本研究提出“量子阿秒显微镜”新概念，旨在以阿秒时间分辨率和亚纳米空间精度，直接观测DNA碱基对（如胸腺嘧啶-腺嘌呤、胞嘧啶-鸟嘌呤）中光诱导的量子化学反应。通过高精度从头算模拟，揭示了碱基依赖的电离机制、定向电荷迁移路径以及控制氢键界面电子密度飞秒级重分布的电子相干性。该工作为理解DNA光化学、基因组稳定性及长程生物分子信号中的量子过程提供了新工具，并可能推动激光介导的DNA结构操控在修复过程和个性化医疗中的应用。
本研究提出了一种形态保持全息层析成像（MP-HT）框架，解决了传统全息层析成像中因缺失锥伪影导致的各向异性分辨率和轴向失真问题。该方法通过环面形空间滤波策略，在图像表示层面强调高频折射率纹理，抑制易受失真影响的低频成分。基于此，研究团队开发了三维分割流程以稳健分离上皮和管腔结构，并结合系统点扩散函数，建立了形态无关的干质量密度与总干质量估计模型。该框架应用于活体肝类器官的长期成像，揭示了其在扩张、塌陷和融合过程中的上皮-管腔协同重塑、形态稳定态破坏及瞬态生物物理波动。
本研究对比了SDSS巡天中低红移（z<0.1）的BPT选择活动星系核（AGN）宿主星系与两个主流宇宙学模拟（IllustrisTNG和EAGLE）中绿谷星系的表现。研究发现，TNG模拟中的绿谷中心星系几乎完全淬灭，比SDSS观测到的比恒星形成率（sSFR）中值低约3.5个数量级，且分布集中在低sSFR的LINER区域。而EAGLE模拟则产生了与SDSS观测重叠更广的连续分布。这表明TNG的动能反馈模式驱动了高效、近乎二元的恒星形成关闭，而EAGLE的随机热反馈支持了与本地AGN宿主更一致的缓慢下降过程。
研究预测，即将爆发的北冕座T星（T CrB）可能成为首个被探测到中微子的新星。相比2021年爆发的RS Oph，T CrB距离地球更近（0.8 kpc），其强子模型预测的中微子通量更高，为IceCube和KM3NeT等中微子望远镜提供了难得的探测机会。研究评估了两种质子加速机制：外部激波（ES）和磁重联（MR）。其中，MR机制产生的中微子可能比ES机制的光子或中微子早数小时出现，形成独特的时间延迟信号。
SOHO卫星搭载的SWAN全天氢莱曼-α相机于2025年11月6日开始观测星际彗星3I/ATLAS（C/2025 N1）的氢彗发。研究采用Mäkinen & Combi（2005）的方法，结合LASP数据库的太阳莱曼-α通量数据，计算其水生成率。观测显示，在近日点后9天（日心距1.40 au），水生成率为$3.17 \times 10^{29} \, \text{s}^{-1}$，随后逐渐下降，至近日点后约40天降至$1-2 \times 10^{28} \, \text{s}^{-1}$。该方法已应用于90多个彗星观测案例。
本研究针对谱线强度映射（LIM）数据叠加分析，提出了两种改进方法：2D空间轮廓匹配与3D（空间+光谱）轮廓匹配。通过在模拟的CO Mapping Array Project（COMAP）观测数据上进行测试，发现新方法相比传统叠加方法，能将探测显著性提升高达25%。研究还发现，在给定的CO谱线模型和星系模型下，最优拟合轮廓的宽度大于COMAP的5角分波束，且在光谱维度上呈现洛伦兹线型。结果表明，最优轮廓的尺寸和形状微妙地依赖于LIM信号本身，包括红移空间成团效应和依赖于示踪光度函数与偏差的‘上帝之指’效应。
本研究对星际彗星3I/ATLAS (C/2025 N1)进行了综合分析，结合高分辨率成像与非引力动力学约束了其核半径，并利用地面0.25米望远镜获取的RGB图像，详细分析了其太阳半球内一个异常紧密准直的尘埃特征——即被广泛描述为“反尾”的结构。该工作为理解星际天体的物理性质与活动机制提供了新的观测依据。
本文提出“太空AI”作为人工智能与空间科技交叉的统一学科领域。文章构建了一个系统框架，将太空AI划分为四大任务场景：1) 地球上的AI，用于智能任务规划与数据分析；2) 轨道上的AI，实现卫星自主运行与实时处理；3) 深空AI，支持自主导航与受限通信下的科学发现；4) 多行星生命AI，管理资源利用与栖息地建设。该框架旨在将太空探索中发展的感知、机器人及可信AI技术，转化为对地球社会的广泛影响。
研究提出双瓣射电星系（DDRGs）内外喷流间歇性出现的机制源于黑洞自旋的周期性变化。在持续吸积过程中，当黑洞自旋降至零时喷流消失；系统从反向旋转过渡到同向旋转，自旋重新积累至阈值后喷流重启。喷流沉寂时间与后续喷流持续时间呈正相关，吸积率越低，沉寂与喷流阶段均越长。该模型同时解释了DDRGs为何普遍呈现FRII型形态，而非FRI型，并与X形射电星系的理解相统一。
光度红移对天文分析至关重要，但现有机器学习方法常忽略观测数据中固有的偶然不确定性。本研究提出Starkindler，一种新颖的训练目标函数，它将观测误差直接纳入模型目标，从而明确处理偶然不确定性。与传统仅关注认知不确定性的概率模型不同，Starkindler提供的估计结果受偶然不确定性正则化，且更具可解释性。使用斯隆数字巡天（SDSS）数据训练简单卷积神经网络（CNN）的实验表明，该方法在准确性、校准度以及降低预测异常值率方面均有提升。消融研究证实，忽略观测误差会显著降低模型性能。
本研究利用LAMOST巡天数据，首次系统研究了银河系晕和厚盘中低质量贫金属巨星的锂丰度与恒星自转分布。研究发现，在金属丰度高于-2.5的恒星中，存在锂丰度高达6.15 dex的巨星，并探测到与质量损失相关的红外超，表明卡梅隆-福勒机制在银河系演化史中持续产生新的⁷Li。研究还揭示了恒星自转速度在40 km/s以上时出现平台区，且锂丰度与自转速度存在相关性，为恒星演化模型提供了关键约束。
本研究通过恒星演化模拟，探讨了重暗物质（DM）在大质量恒星（尤其是第一代恒星）中通过散射被捕获的过程。研究发现，恒星演化过程中的金属丰度变化和致密核心的形成会显著增强超重暗物质的捕获效率，需要采用三核散射模型进行精确描述。研究采用更符合晕中心环境的埃丁顿反演法描述暗物质速度分布。结果表明，在未被直接探测排除的参数空间内，重暗物质可在恒星寿命内达到热化并实现捕获-湮灭平衡；对于非湮灭暗物质，甚至可能因自引力坍缩形成黑洞，从内部吞噬恒星。
本研究在希格斯混合度规-帕拉蒂尼理论框架下，探讨了辐射主导时期原始黑洞（PBHs）的产生机制。模型通过暴胀场与帕拉蒂尼曲率的非最小耦合，在小尺度（对应大波数 $k$）上显著增强了原初曲率功率谱，为密度扰动塌缩形成黑洞提供了条件。通过分析质量方差 $\sigma(M_{\text{PBH}})$ 和能量密度塌缩比例 $\beta(M_{\text{PBH}})$，发现其演化符合当前观测约束。研究进一步表明，原始黑洞可作为暗物质候选者，其丰度取决于耦合常数和电子折叠数，可能解释全部或部分现有暗物质含量。
本研究提出了一种用于因果推断中策略学习的端到端算法——因果策略森林。该算法基于一个关键发现：在{-1, 1}限制回归模型下，最大化策略价值等价于最小化条件平均处理效应（CATE）的均方误差。因此，研究通过修改广泛使用的CATE估计算法“因果森林”，使其直接适用于策略学习。相比现有方法，该算法无需单独估计冗余参数，实现了更彻底的端到端训练，同时保持了决策树和随机森林的高效计算特性，有助于弥合策略学习与CATE估计在实际应用中的鸿沟。
本研究分析了西班牙代际教育流动性的演变。近几十年来，流动性上升了三分之一，这与同期不平等程度和婚姻匹配度的显著下降相吻合。通过使用分样本技术分析区域相关性，研究发现婚姻匹配是解释流动性区域差异的关键因素，解释了近一半的变异。同时，婚姻匹配也是近期研究中观察到的不平等与流动性之间负向关系的重要中介变量。
本研究利用智利连锁药店数据，分析禁止比较性价格广告如何改变寡头竞争格局。禁令前，广告创造跨产品需求溢出效应，使亏损定价策略有利可图；禁令消除溢出效应后，低于成本销售失去吸引力，价格迅速转向协调一致的高位。结构需求模型显示，禁令同时降低了价格弹性和跨产品溢出，反事实分析表明溢出效应消失（而非单纯弹性下降）是推动新协调定价机制形成的主因。
本研究采用1995-2014年面板数据，分析了D-8国家中卫生支出、通货膨胀率、人均国民总收入（GNI）与5岁以下儿童死亡率（CMU5）之间的关联。通过面板单位根检验和线性回归模型，发现教育支出、卫生支出、通胀率及人均GNI在水平上具有平稳性。研究采用固定效应和随机效应估计量，并运用豪斯曼检验（HT）和CCMR相关性比较。结果表明，D-8国家的CMU5率呈稳定下降趋势，但线性回归模型显示其下降幅度有限，这可能对世界卫生组织（WHO）的第四个千年发展目标（MDG4）的实现构成轻微挑战。
本文研究了在允许产品特征内生的条件下，如何利用外生供给侧工具变量来识别差异化产品的需求。与以往认为必须依赖外生特征工具的观点不同，作者证明，在较弱的指数限制和一个新的“忠实性”条件下，通过“重新中心化工具”——即结合价格的外生冲击与内生产品特征——可以实现价格反事实的非参数识别。作者指出，忠实性条件与工具变量非参数识别中常见的完备性条件类似，可视为对识别变异丰富度的技术要求，而非实质性的经济限制，并展示了其在多种非嵌套的价格设定或指数条件下均成立。
本研究将异质性研发生产率引入内生研发网络形成模型，扩展了Goyal和Moraga-Gonzalez（2001）的框架。研究发现，生产率差异导致企业间连接收益不对称：生产率较低的企业获益更多，而生产率较高的企业需投入更多研发努力并承担更高成本。当企业间生产率差距足够大时，高生产率企业连接低生产率企业反而会降低自身利润，这颠覆了成对稳定网络的基准结论：完全网络变得不稳定，而按生产率水平聚类的正选型网络（PA）成为稳定结构。模拟分析表明，PA网络结构比完全网络带来更高的社会福利，但福利水平随高生产率企业比例呈倒U型变化，反映了高比例下的挤出效应。一个反直觉的结论是：平均研发生产率更高的经济体，可能因形成替代性的稳定网络结构或高生产率企业的挤出效应，反而导致福利水平下降。研究强调，旨在提升生产率的政策需考虑其对内生研发联盟和研发努力的影响，这些内生反应可能抵消甚至逆转预期的福利收益。
本文为贝叶斯说服理论建立了公理化基础，研究了一种新颖的模型：委托人（发送者）在获取成本信息后，不仅可以告知代理人（接收者）与收益相关的状态，还能引导代理人的偏见。研究的关键贡献在于，仅通过观察委托人的菜单选择数据，提供了一种推断其主观信息获取成本的方法，即使委托人预期需要管理代理人的偏见。
本文摒弃了传统上基于收入区间划分中产阶级的任意性方法，提出了一个基于收入分布内在属性的新定义。核心论点是：在收入不平等程度变化时，分布两端的贫富群体其收入份额会明确地恶化或改善，而分布中心则存在一个对不平等变化不敏感的群体。作者将中产阶级定义为“收入份额对不平等变化不敏感”的收入段。研究首先提供了该群体存在的理论论证，并利用世界收入数据库的百分位数数据进行了实证刻画。结果显示，全球中产阶级偏向分布的上半部分，主要由富裕阶层（不含最顶层）构成，其边界在不同国家和时间上保持稳定。这一定义与政治经济学中将中产阶级视为温和稳定力量的主流观点相契合。
本研究利用大语言模型（LLM）辅助内容分析，对微博和小红书上的219,358条婚姻相关帖子进行了分析。研究基于Shweder的“道德三原则”框架（自主性、社群性、神性），对帖子的情感倾向（积极、消极、中性）和道德维度进行了编码。结果显示平台差异显著：微博讨论偏向积极，小红书则以中性为主。多数帖子缺乏明确的道德框架，但当涉及道德伦理时，其与情感倾向存在显著关联。涉及自主性和社群性伦理的帖子多为消极，而涉及神性框架的帖子则倾向于中性或积极。这表明，对个人自主受限和社群义务的担忧是驱动当代中国消极婚姻态度的关键因素。
本研究探讨了深度学习在艺术品市场估值中的应用，通过将艺术品的视觉内容整合到预测模型中，提升了估值的准确性。研究使用大型拍卖行重复交易数据集，对比了传统特征回归、树模型与现代多模态深度学习架构。研究发现，虽然艺术家身份和历史交易记录主导整体预测能力，但对于首次上拍、缺乏历史锚点的作品，视觉嵌入特征能提供独特且具有经济意义的增量信息。通过Grad-CAM和嵌入可视化进行的可解释性分析表明，模型能够捕捉作品的构图和风格线索。结论表明，多模态深度学习在估值最困难（即首次销售）的场景下能提供显著价值。
本文针对大语言模型（LLM）模拟人类行为时数据利用效率低的问题，提出并形式化了“模型信念”这一新度量标准。它基于LLM在单次生成运行中，其词元级概率所蕴含的对不同选择替代项的信念分布。研究证明，模型信念在渐近意义上等同于模型选择的均值，但作为一个统计效率更高的估计量，其方差更低、收敛速度更快。这一特性同样适用于下游应用中常用的模型信念与模型选择的平滑函数。在一项需求估计研究中，模型信念在有限运行次数下，比模型选择本身能更好地解释和预测真实模型选择，并将达到足够准确估计所需的计算量减少了约20倍。
本研究分析了Arbitrum的“快速通道拍卖”（ELA），这是一种授予获胜者一分钟独家延迟优势的提前第二价格拍卖。基于一个包含风险规避投标者的单轮模型，研究提出假设：由于难以预测短期波动性以及投标者的风险规避，优先访问的价值相对于风险中性估值存在折价。通过将ELA出价记录与高频ETH价格数据进行匹配，实证结果支持了模型的预测。
本文针对资产定价模型中分组结构与因子载荷的估计难题，提出了一种面板耦合矩阵张量聚类（PMTC）模型。传统方法常因数据稀疏、噪声高或强制系数同质性而受限。PMTC模型创新性地同时利用资产特征张量与收益矩阵，识别潜在的资产分组，并开发了计算高效的张量聚类算法。模拟实验表明，该方法在聚类精度和系数估计上优于单一数据源方法，尤其在中等信噪比条件下。应用于美国股票市场的实证分析显示，PMTC能获得更高的样本外总$R^2$，并产生具有经济解释意义的因子暴露变化。
本文提出股票收益的负偏和正均值主要源于控制收益与损失的随机波动率对称性破缺。通过建立股票收益与随机波动率的随机微分方程，作者将收益分布按收益与损失拆分为两部分，并假设其随机波动率参数存在差异。采用修正的Jones-Faddy偏斜t分布能有机地捕捉这种非对称性，并以标普500日度收益为例进行了尾部分析。
本文提出了一种针对预定服务（如服务日期或时间窗口）的离散选择建模与价格优化新框架。该框架通过决策树对市场进行细分，并在每个细分市场内使用参数化离散选择模型来精确估计客户转化行为，能够捕捉参考价格效应等重要行为特征。同时，提供了高效的价格优化启发式算法。在某亚马逊业务的实际A/B测试中，新框架在所有关键指标上均优于原有定价系统，将目标绩效指标提升了19%，并自2023年第四季度起已投入全面生产。
本研究针对数据丰富环境下的工具变量回归问题，提出了一种基于两阶段最小二乘与谱正则化的估计方法。核心假设是真实协变量和工具变量均具有重复性，可分别由少量潜在因子表示。方法第一阶段学习协变量与工具变量间的典型相关性，第二阶段将其作为回归元。理论分析证明了该方法在噪声数据下的估计误差上下界，并确立了其最优性。实践层面提供了不同数据机制下谱正则化类型的选择指导。
本研究利用韩国职场福利与行政登记数据的匹配，分析了父母在生育后如何向家庭友好型企业聚集。通过两个准实验案例（分阶段提供现场托儿服务与强制陪产假），研究发现引入家庭友好政策能吸引更多受益父母入职，且幼儿父母愿意接受较慢的薪资增长以留在这些企业。更广泛的数据分析表明，这种聚集主要通过劳动力存续而非主动跳槽实现：大多数母亲生育后不会主动换工作，但当雇主缺乏相关福利时，她们更可能退出劳动力市场。一个简单的排序模型解释了这一现象，该模型纳入了外部选择与机会成本的异质性，这些因素在生育后发生变化，并因性别和当前工作的家庭友好程度而异。
本文研究损失厌恶（对降薪的厌恶感强于等额加薪的喜悦）如何影响雇主报价与求职者决策。作者构建了一个行为搜索模型，发现雇主为规避拒绝会策略性减少降薪幅度，并因角点解而恰好匹配求职者当前薪资。利用韩国行政数据实证检验了损失厌恶的三个预测：零工资增长处存在8.5倍于无损失厌恶预期的超额聚集；零增长点之上的密度比之下高8.8%；零增长点之下的密度斜率比之上陡峭6.5倍。模型估计显示，降薪的边际价值比加薪高12%。研究还发现，考虑损失厌恶会使雇佣补贴的工资传导率降低18%，而薪资历史禁令在雇主能带噪声观测当前薪资时效果有限。
本研究系统识别并阐述了在跨时空尺度研究生物多样性与生态系统功能关系时可能出现的三种伪效应：种群水平效应、独立性效应和算术效应。种群水平效应源于单个物种的种群动态，与生物多样性本身无关；独立性效应由物种在空间上的必然周转引起；算术效应则是数学函数行为的副产品。研究强调，要准确衡量真实的生物多样性跨尺度效应，必须对这些人为的、非生物性的伪效应进行有效控制。
研究团队推出LiveProteinBench，一个旨在解决现有基准缺陷的新型多模态蛋白质科学评估基准。其核心创新在于测试集完全由2025年之后验证的新蛋白质构成，从根本上杜绝了数据污染。该基准包含12项任务，用于评估大语言模型在蛋白质性质与功能预测上的表现。评估结果显示：1）通用大模型在遇到新数据时展现出更强的零样本能力，准确率领先开源及领域专用模型超20%；2）有效利用多视角结构信息仍是重大挑战，加入结构图像常无法带来稳定增益，甚至可能降低性能；3）模型性能与推理时的计算成本关联更直接，凸显了思维链推理能力对蛋白质任务的关键作用。
本研究以λ噬菌体的裂解-溶原决策为模型，结合信息论分析，提出了一种名为“层级抢占”的新型控制机制。研究发现，高层级（如RecA损伤传感器）并非阻断低层级信号，而是通过将双稳态决策空间压缩为单稳态吸引子（98%溶原或85%裂解），从而获得2.01倍的信息优势。条件互信息分析表明，当RecA缺失时，整合信号CII的信息量（0.06比特）远低于RecA激活时（0.38比特）。这种饱和效应揭示了信号通过移除决策空间来协调细胞行为，在实现85-98%结果确定性的同时，保留了2-15%的“逃生路径”，为理解细胞决策中的层级信息处理提供了定量框架。
本研究通过晶格模型（接触过程）探究了有限扩散面积（A）对空间定殖-灭绝动力学的影响，并估算了灭绝阈值 λ_E(A)。结果表明，λ_E(A) 关系基本独立于晶格几何结构（除最小 A 外），并在两个广泛的 A 范围内遵循普适标度律。标度关系表明，扩散面积的增加，尤其是在低 A 值时，会施加显著的选择压力。这些发现为理解扩散面积的演化提供了新视角。
本研究提出了一种受生物学启发的多层神经网络架构——整流谱单元（ReSU）。每个ReSU通过对其输入历史进行典型相关分析（CCA）获得典型方向，并对正负分量进行整流。通过将典型方向编码在突触权重和时间滤波器中，ReSUs实现了一种局部的、自监督的算法，用于逐步构建日益复杂的特征。在自然场景平移任务上训练的两层ReSU网络，第一层单元（由单个像素驱动）发展出类似果蝇光感受器后神经元（L1/L2和L3）的时间滤波器，第二层单元（对第一层进行空间池化）则变得具有方向选择性，类似于T4运动检测细胞。结果表明，ReSUs为建模感觉回路和构建无需反向传播的深度自监督神经网络提供了一个原则性框架。
本研究通过脑电图触觉oddball范式，首次在矫正胎龄35周的早产儿中检测到感觉预测的神经指标——重复抑制和失匹配反应。研究发现，新生儿期经历的医源性疼痛操作数量（而非早产程度）显著增强了这些神经反应。与预期相反，更多疼痛暴露的婴儿表现出更成熟的感觉预测模式，表明额外的宫外经验（即使是痛苦的）可能加速体感预测处理的发育。
本研究针对系统发育树空间中的热带核密度估计器，提出基于似然交叉验证的带宽参数选择方法。通过理论推导获得最优带宽的显式解，并在多物种溯祖模型生成的模拟数据集上验证：相比基于最近邻的带宽估计，该方法在计算精度和效率上均表现更优。最后将方法应用于顶复门基因组实证数据。
本研究通过节拍敲击实验，揭示了人类感觉运动同步中一个核心矛盾：对节拍周期“步进变化”和“相位偏移”两种扰动的响应，在独立实验中表现出动态不兼容性，无法用同一动力学系统描述，这解释了文献中许多矛盾结果。然而，当两种扰动在同一实验中随机出现时，响应变得兼容，表明存在一个可被时间背景重新校准的单一底层机制。研究结果为整合不同实验数据、深入理解纠错机制提供了新基础。
本文研究了张量环 $T_R(M)$ 上的广义Gorenstein投射与内射模。在特定条件下，证明了 $T_R(M)$-模 $(A, u)$ 是 $Ind(\mathcal{X})$-Gorenstein投射的，当且仅当 $u$ 是单同态且 $\text{coker}(u)$ 是 $\mathcal{X}$-Gorenstein投射 $R$-模。同时，也给出了 $\mathcal{Y}$-Gorenstein内射 $T_R(M)$-模的明确刻画。作为推论，得到了 $T_R(M)$ 上Ding投射模与Ding内射模的特征。研究结果可应用于平凡环扩张与Morita语境环。
这是一本环论入门教科书，系统介绍了环论的核心概念，包括理想、环同态、欧几里得整环、主理想整环和唯一分解整环。书中提供了丰富的示例和练习题，适合数学及相关专业的学生和研究者学习参考。
本文提出了一种用于计算以四元数形式 $q + l p$ 表示的两个（分裂）八元数乘积的紧凑记忆规则。该规则表现为一个简单的 $(R+L)$ 模式，即“右序”与“左序”四元数乘积的组合，这在一个表示凯莱-迪克森构造的 $2 \times 2$ 四元数矩阵中清晰可见。此公式可直接推广至凯莱-迪克森塔中的所有代数，为非结合代数环境提供了高效的计算工具。据我们所知，这种显式的记忆模式并未出现在关于八元数或合成代数的经典文献中。
本文研究定义在复空间 ℂⁿ (n>2) 上的有理向量场的刘维尔可积性问题。作者基于先前工作，指出此类可积向量场可通过在有理函数域 K 的有限代数扩张 L 上对某个 1-形式进行两次积分，获得一个首次积分。本文的核心贡献是系统讨论并刻画了“例外向量场”——即那些无法在 L=K（即无需代数扩张）的情形下完成上述构造的向量场。特别地，作者通过构造三维的具体例子，首次证明了例外向量场确实存在。
本文分享了在高等数学教育中的实践经验，探讨如何引导高中生自然地、循序渐进地接触科学研究的基本步骤。核心方法包括：通过讨论和撰写论文来培养直觉、发现并纠正错误，引入透明匿名同行评审，以及设立认可与奖励机制。研究表明，即使在不追求科学新颖性的研究项目中，也能实现大部分科研流程训练。文章以莫斯科中学生数学会议为例，详细阐述了其组织原则与具体案例。
本研究在光锥空间 $\mathbb{Q}_{2}^{3} \subset E_{2}^{4}$ 中，利用零自然Frenet标架 $\{x, \xi, N, W\}$，分析了零曲线的运动学性质。通过构造该标架向量（切向量、法向量等）的线性组合，定义了Smarandache曲线，并系统研究了其弯曲、挠率等几何不变量。结果表明，原零曲线的性质如何传递到Smarandache曲线，以及该空间的度量结构如何影响Smarandache曲线的特征。这项工作为微分几何中约束与退化结构的关系，以及理论物理中的类光粒子动力学提供了新视角。
本文提出了一种行为类似于误差函数的新型特殊函数，并为其累积分布函数（CDF）提供了一个精确的近似封闭形式。该近似形式结合了一类切比雪夫多项式和误差函数，同时利用帕德近似给出了其级数表示。数值证据表明，在二次平均范数意义下，近似精度可达 $10^{-6}$。该方法具有普适性，可应用于麦克斯韦-玻尔兹曼分布和正态分布等其他概率分布，文中展示了其在这两种分布上的应用实例。
本文首先定义了有序区间的概念，并在此基础上引入了一种新的有序模糊内积。研究描述了该内积的基本性质，为模糊数学与区间分析在泛函分析框架下的结合提供了新的理论工具。该方法有望拓展模糊集理论在优化、决策及不确定性建模等领域的应用。
本研究系统探讨了高维中心极限定理（CLT）在超矩形区域上成立的充要矩条件。作者将独立随机变量分为四类：（I）具有所有多项式矩；（II）具有高于二阶的某多项式矩；（III）仅具有二阶矩；（IV）二阶矩无穷但属于正态分布的吸引域。针对每一类，论文精确推导了样本量$n$与维度$d$之间关系的最优增长速率$d = d(n)$，使得高维CLT成立。结果表明，现有文献中的许多充分条件并非必要，CLT可以在更弱的矩条件下保持有效。
本文在冯·诺依曼-伯奈斯-哥德尔集合论（NBG）基础上，移除了正则公理（RA），引入“skand”与“coskand”两类新对象，构建了包含非良基集合的理论NBG⁻。Skand定义为由良基集合构成的无限递减元组（如 $X=\{1,\{2,\{3,\{\ldots\}\}\}\}$），其存在性由新公理SEA保证；Coskand则为对偶的递增元组。理论通过伪良基公理（PFA）和扩展外延公理（EEA）完善了非良基对象的处理框架，并探讨了其在所有康威数域中的模型。
本文研究了最大公约数为2的幂的亲和数对，通过分析其奇素数因子分解形式（如$A=2^nab, B=2^ncd$等），建立了欧拉函数和$\varphi(A)+\varphi(B)$与$A$、$B$的奇素数因子之间的显式对称恒等式，为这类经典数论问题提供了新的解析工具。
本文提出了一种连续阶的Maclaurin型算子，用于重构解析函数。该算子将经典Maclaurin展开中整数阶导数的离散和替换为对分数阶导数阶数的积分，并在求值点处以 $x^r/\Gamma(r+1)$ 加权。数值实验表明，未经修正的算子能可靠地追踪函数的整体形状，但存在系统性偏移和原点附近的局部偏差。受经典Euler-Maclaurin求和公式启发，引入低阶修正项可显著减小误差，使算子在测试域内准确重构函数。该算子能精确再现单项式，反映了导数信息向单一阶数的坍缩，这与单项式的经典Maclaurin展开一致。这种奇异坍缩启发了远离原点的以Taylor为中心的扩展，其中阶数依赖性预计是光滑的。这些结果表明，带有低阶修正的连续阶积分算子为推广经典Taylor-Maclaurin展开提供了一个连贯的框架。
本文重新审视了二项分布中心极限定理的始祖——棣莫弗-拉普拉斯定理的证明。作者旨在提供一个可在概率论基础课程中向本科生合理展示的简化证明。其核心策略是采用基本不等式 $\exp(t) \geq 1 + t$ 来替代传统证明中对数或指数函数级数展开的复杂论证，从而完全避免使用一致收敛和幂级数理论。同时，证明避开了斯特林公式，转而使用沃利斯积分的精确公式。作为证明的副产品，本文还得到了一个连接二项分布与高斯分布的非渐近不等式。
传统常微分方程理论缺乏求解一般变系数线性方程的通用方法，仅提供针对特定方程类的特殊技巧。本文通过引入multex积分算子，填补了这一基础理论的空白。该算子将标准指数原函数算子（对数导数的逆）推广至多个输入函数，从而能以显式形式积分任意线性常微分方程，为这一经典领域提供了统一的解析求解框架。
本文推广了Alladi、Sweeting和Woo的工作，建立并证明了数环中素理想的一般高阶对偶性定理。利用二阶对偶性，作者推导出一个涉及广义Möbius函数 $\mu_k$ 与素理想计数函数 $\pi_K(x)$ 之和的Chebotarev密度定理新公式：$\sum_{N(\mathfrak{p}) \le x} \mu_k(\mathfrak{p}) \sim \delta_K x / \log x$。作为对偶恒等式的应用，文中还提供了此类和式的两个估计。最后，论文在更一般的框架下讨论了该对偶性。
本研究将贝叶斯框架下的快速变化检测问题建模为部分可观测马尔可夫决策过程中的最优停止问题，并利用强化学习技术寻求近似最优检测算法。主要贡献包括：提出一种适用于一般部分可观测最优停止问题的Q学习算法，在基函数满足特定假设条件下证明了其在线性函数逼近下的收敛性；针对快速变化检测问题，基于先验理论指导特征选择，证明了在理想条件下所得策略类包含近似最优策略；数值实验表明，Q学习生成的策略性能接近所选函数类中的最优水平。
本文研究了从三字母表（例如{a, b, c}）中构造长度为$N=3M$的单词的计数问题。通过将$M$按其模3的余数（即$M \equiv 0, 1, 2 \pmod{3}$）分为四种情况，作者给出了该计数问题的精确解。该解不仅提供了单词数量的封闭表达式，还揭示了一些三项式系数之和的恒等式，建立了组合计数与多项式系数理论之间的联系。
本文针对学习型数据库基数估计器（如MSCN）易违反单调性逻辑约束的问题，提出了量化评估指标MonoM。通过设计可生成直接可比查询的工作负载生成器，以及向损失函数中添加新颖的正则化项，构建了一个单调性训练框架。实验表明，该框架不仅显著提升了模型对单调性的遵循程度，还通过减少过拟合改善了基数估计的整体准确性。
本研究探讨了计算复杂性理论中的核心概念与算法可判定性的边界。重点分析了P与NP类的关系，其中L∈P意味着存在确定性图灵机在多项式时间O(n^k)内求解L。通过多项式归约方法，我们构造了一个具有算法不可判定词问题的结合演算A(𝔗)，其中对于计算非递归函数E(x)的图灵机𝔗，证明了q₁01ˣv≡q₀01ⁱv⇔x∈Mᵢ（i∈{0,1}，Mᵢ={x|E(x)=i}）。这一发现揭示了计算复杂性与代数不可判定性之间的深刻联系，阐明了数学中算法解的根本限制。
本文研究了无蜂窝大规模MIMO网络中用户设备（UE）与其接入点（AP）集群的社交性机制（自私、平等、利他）对网络性能的影响。为在有限前传和处理能力下，动态优化能效并满足服务质量（QoS）需求，作者将问题建模为具有外部性的多对多社交匹配博弈，并提出了基于延迟接受（DA）和提前接受（EA）匹配博弈的两种新算法。数值结果表明，当UE和AP集群均采用平等主义机制时，能在QoS满意度和能效之间取得最佳权衡。
本文提出HybridFlow框架，以解决大语言模型在资源受限的边缘设备上部署时面临的高延迟和高Token消耗问题。该框架采用两阶段策略：首先将复杂查询动态分解为可并行执行的子任务；其次，通过一个学习型路由器，根据预测的效用增益和实时资源状态，自适应地将每个子任务分配给边缘或云端模型。在多个基准测试上的评估表明，HybridFlow在保持准确性的同时，有效降低了端到端推理时间和总体Token使用量。
本研究追踪了2000年开始发表论文并持续至2020-2023年的41,424名科学家，分析了他们在16个STEMM及社会科学领域的性别差异。研究发现：男性学者在终身学术产出（高23%）和近五年期刊声望标准化生产力（高19%）上存在显著优势，但双方在期刊选择、国际合作、引用量（领域标准化后）及团队规模方面无显著差异。约80%的STEMM领域学者和70%的社会科学学者保持每年发表。研究揭示了学科间性别差异的有趣分化。
本研究分析了1992-2021年间波兰STEMM领域顶尖科研人员（前10%）的国际合作情况。通过对152,043名作者及587,558篇论文的分析发现，国际合作中的性别差距在过去30年间持续扩大。在农业、生物、环境和医学四个学科中，男性顶尖科研人员的国际化强度显著高于女性。采用带固定效应的分数逻辑回归模型证实，男性顶尖科研人员参与国际合作的概率比女性高出约11%。
本文提出了一种用于声事件定位与检测的鲁棒框架，旨在提升模型在真实录音场景下的泛化性能。系统采用ResNet基础模型，并通过数据增强、混合真实与仿真数据集训练、以及测试时增强等技术构建完整流程。框架利用外部声源扩充训练样本多样性，同时确保批次中保留足够数量的真实录音以学习真实场景上下文。此外，设计了基于聚类的模型集成方法以聚合高置信度预测。实验结果表明，该框架下的模型性能优于基线方法，并在真实世界录音中取得了具有竞争力的结果。
Oignon 是一款免费开源的学术引用图谱可视化工具，旨在解决现有工具在可扩展性、网络遍历深度、付费门槛和构建速度方面的不足。它采用双路径排序系统并结合时效性权重，能够同时捕捉与特定出版物相关的基础性工作和最新突破，为研究者提供更全面的学术脉络。
本文提出了一种基于矩阵的交换因子变换方法，用于求解一般域上耦合混合边界条件的辐射传递问题。该方法适用于从透明到吸收、发射和散射的参与介质，边界条件涵盖吸收到反射。给定首次相互作用交换因子矩阵 $\mathbf{F}$，该变换通过诺伊曼级数生成吸收矩阵 $\mathbf{A}$ 和多重反射-散射矩阵 $\mathbf{R}$，解析地追踪所有反射-散射路径至稳态。研究严格证明了该方法在特定条件下能保证收敛、辐射非负性，并能精确到机器精度地守恒能量。与经典的Hottel区域法的Noble矩阵公式对比，揭示了后者存在一个先前未识别的差异，而本文提出的变换消除了该差异。
本文系统梳理了水在固态下的多种晶体结构，这些结构不仅揭示了液态水的潜在组织形式，还可用于校准水分子模拟中的对势参数。研究特别指出，在拥挤的生物环境中，水的行为可能更接近冰而非体相水，且不同冰结构具有不同的介电性质。该综述旨在为相关领域的进一步研究提供基础数学框架。
本研究建立了一个基于欧拉-拉格朗日框架的统一孔隙尺度多物理场模型，用于全面解析催化柴油颗粒过滤器（CDPF）内碳烟的传输、沉积和氧化过程。该模型摒弃了传统的经验关联和随机近似方法，从基本物理原理出发模拟碳烟沉积，整合了颗粒-壁面界面的弹性变形和表面粘附力学。同时，模型引入了一个稳健的氧化模型，考虑了 $\textrm{O}_2$ 和 $\textrm{NO}_2$ 两种反应路径的竞争动力学，能够全面覆盖CDPF的所有运行工况。模拟结果表明，在典型低温工况下，$\textrm{NO}_2$ 和催化剂对促进再生起着关键作用，并揭示了不同反应路径间复杂的协同与竞争效应。对于超细碳烟颗粒（$50~\mathrm{nm}$），布朗运动和热泳力直接决定了沉积效率。
本研究针对高速水下航行体湍流边界层下的壁面压力脉动，建立了首个高雷诺数轴对称壳体壁面压力脉动高保真实验数据库。其核心创新在于系统包含了偏航和俯仰等复杂机动工况，为验证流噪声预测模型提供了基准。数据分析揭示了关键的物理机制：量化了雷诺数效应（如谱能量向低频转移），并通过揭示压力梯度效应的关键影响，建立了谱标度律。这些发现为理解非平衡三维湍流提供了基础见解，并为设计更安静、更有效的水下航行体提供了关键数据集。
本研究通过雷诺平均纳维-斯托克斯（RANS）方法模拟了采用机械辅助自然通风（混合通风）的教室模型内的气流，并与粒子图像测速（PIV）实验数据对比。研究发现，不同湍流模型在门入口附近与实验数据吻合，但在下游会高估射流峰值速度。计算结果的准确性对入口边界条件（压力入口或速度入口）及门外几何结构高度敏感。采用扩展计算域并调整边界条件后，模拟的中心线速度衰减与实验数据吻合良好，表明门处的几何与边界条件是准确预测混合通风气流的关键。
本研究重新审视了双锥超声速进气道的传统设计原则。研究发现，将进气道斜坡或锥角设定得略小于Oswatitsch准则建议值更为有利；采用略微偏离“激波贴合唇口”条件的偏移唇口设计是有益的，对于锥形进气道甚至可实现唇口处完全无溢流。此外，用强斜激波（二维斜坡型）或Lambda激波（锥形）替代终端正激波，可改善总压恢复。这些必要的设计修改简单且几乎无额外成本，重写了超声速进气道气动设计的基本规则。
为实现聚变能源，最大化粒子与能量约束至关重要。本研究使用高保真宏观与微观模拟工具，考察了反应堆尺度准轴对称仿星器在低等离子体β（压力）运行区的可达性。研究发现，尽管该构型具有宏观与新经典层面的优良特性，但GENE代码的线性和非线性计算显示，在低β条件下会突然转变为高度有害的输运状态。这为准对称仿星器的优化与设计策略带来了重要启示。
本文提出了一种新型宽带可重构参量放大器——时间布拉格光栅。通过在空间周期性折射率分布中引入时间调制，并使其频率接近布拉格条件，实现了显著的功率放大。研究表明，对高折射率层或低折射率层进行调制均可产生有效增益，其中高折射率调制在相同调制深度下增益更高。该放大器的增益峰可在宽光谱范围内调谐，且在亚布拉格和超布拉格区域表现出强烈不对称性。在极端亚布拉格极限下，系统从离散边带放大转变为高频宽带增益连续谱，这可通过参量过程的多相位匹配来解释。该研究为设计动态可重构光放大器、可调谐频率转换器和宽带光源提供了统一框架。
本研究首次系统回顾了电力、卫星和航空三大关键基础设施领域应对太空天气的缓解策略。通过对303家运营商进行调研（55份有效回复），并结合对33名运营商的深度访谈，研究识别出91种潜在缓解措施，并记录了149项基于预报和实际影响而采取的应对行动。该研究填补了相关文献空白，将关注点从单纯的影响评估，转向了实际决策与行动分析。
研究发现印度夏季风降雨模式正发生显著变化，呈现出东西不对称的新趋势。通过经验正交函数分析，识别出代表该趋势的第三模态，即东西偶极子分布模式：西北部降雨增多，而东部相对减少。物理机制分析表明，阿拉伯海海平面气压下降、比湿增加及海表温度升高等因素，共同促进了西北部的水汽辐合与对流增强。同时，850hPa纬向风北支增强，进一步将水汽导向西北地区。这些动力条件的改变，共同解释了降雨分布的新格局。
本研究利用TESS测光数据与高分辨率光谱，对温度高于6500K的主序星正弦亮度变化机制进行鉴别。在35个目标中，18个为伴星系统（含7个新发现双星及1个三合星候选），1个为新脉动星，9个为星斑候选，7个分类不确定。结果表明，至少半数随机选取的具正弦光变曲线的恒星实为双星系统，凸显了仅凭测光数据不足以确定变星机制，需结合光谱进行个体化分析。
本研究提出一种多撞击模型，统一解释月球、冥卫一及双小行星的形成机制。模型包含三个关键要素：1）原始地球周围存在顺行旋转的低质量原卫星盘；2）大量大型小行星撞击将地幔物质抛射至太空，形成月球主体并自然解释其缺铁特征；3）抛射物与顺行原卫星盘粒子碰撞，使碎片稳定在卫星轨道上。计算表明顺行抛射物易与原卫星盘融合，逆行物质则落回地球，该机制具有高效性。
本研究通过三维辐射磁流体动力学模拟，探究了类太阳金属丰度下F、G、K、M型主序星表面磁斑强度（100-500 G）对近表面对流的影响。研究发现，施加磁场会降低表面附近平均气体密度和压力，并在恒星表面及下方形成温度凹陷。不同恒星类型对磁场强度的响应趋势不同，但平均辐射强度的变化在1%以内。此外，对流速度受到抑制。这些热力学量的变化幅度与磁场强度及恒星有效温度 $T_{\rm eff}$ 相关。
研究分析了2004至2023年间卫星数量从852颗激增至超9000颗背景下，空间碎片累积与凯斯勒综合征（轨道碰撞连锁反应）的风险。通过分析TLE数据集，利用 $v = \sqrt{\mu \left(\frac{2}{r} - \frac{1}{a}\right)}$ 等公式计算速度，评估了五个关键特征与碎片密度的相关性。结果显示，远地点高度与轨道周期与碰撞风险相关性最强，而速度与物体尺寸（RCS）在当前数据集中直接相关性可忽略。研究建议采用AI自主导航系统与先进抗辐射屏蔽材料作为缓解策略。
本研究通过多波段光谱分析，为活动星系核（AGN）中存在分层的吸积盘风提供了观测证据。研究发现，不同电离度的发射线（如高电离的Civ线、低电离的Hβ线）在轮廓、运动学特征上存在系统性差异，表明存在一个结构化的外流，其内层为高速风，外层为低速致密区。这些结果与辐射驱动风模型的径向分层预测一致，为理解AGN风的几何结构和物理条件提供了新的约束。
本研究通过结合运动学与测光分析，重新评估了UGC 694与IC 412星系对。定量分析显示两者存在约8372 km/s的显著径向速度差，对应约123.5 Mpc的巨大空间分离，证实其视觉上的邻近仅为视线投影效应。测光分析进一步表明UGC 694的扰动形态并非源于与IC 412的潮汐作用，更可能由内部演化或与未探测伴星系的并合导致。该工作强调了多波段验证在区分真实相互作用系统中的关键作用。
本研究提出了一种基于分数扩散模型的生成式重建方法，用于从受污染的观测数据中提取宇宙微波背景（CMB）的微弱原初B模偏振信号。该方法利用方差爆炸随机微分方程（VE-SDEs）构建模型，通过仅在固定张标比$r=0.001$的原初B模角功率谱随机实现上训练分数模型，学习信号的底层统计分布。在推理阶段，反向SDE迭代地将观测角功率谱推向学习到的原初流形，有效实现去噪和去透镜化。模型在模拟数据（包含引力透镜效应、复杂偏振前景及ECHO任务仪器噪声）上测试，证明了其作为未来CMB偏振任务中稳健原初信号恢复框架的潜力。
本研究利用CARMA的CO J=1-0观测数据，通过树状图算法在仙女座星系（M31）中识别出453个分子云，并构建了首个详细的分子云目录。这些分子云的平均速度弥散为2.8 km s⁻¹，半径为22.1 pc，质量约为10⁵·² M⊙。研究发现，大多数分子云的维里参数表明其处于引力束缚状态。研究还揭示了分子云的大小-速度弥散关系与银河系一致，但大小-质量关系斜率较浅。更重要的是，研究发现分子云的等值面与恒星形成率峰值之间存在偏移，这支持了在秒差距尺度上，单个源的演化状态在Kennicutt-Schmidt定律中起作用的观点。该研究获得的KS定律斜率为0.66±0.07，略低于银河系分子云的~0.8。
通过ALMA CMZ巡天数据，研究团队分析了银河系中心约20 pc范围内环核气体盘的形态与运动学，发现其引力势近似球形。构建的旋转曲线显示质量密度呈尖峰分布，符合ρ_mass ∝ R^{-1.9}。研究进一步指出，在临界半径R_T ~ 14 pc内，气体盘因潮汐效应而稳定，抵抗了自引力坍缩，这解释了该区域恒星形成受抑制及初始质量函数偏重的原因。
本研究通过结合32个伽马射线暴（GRB）的能谱延迟观测数据，采用分层贝叶斯推断方法，对量子引力能标（$E_{\rm QG}$）给出了稳健的统计约束。研究发现，线性洛伦兹不变性破坏（LIV）的能标下限为 $E_{\rm QG,1} \ge 4.37 \times 10^{16}$ GeV，二次项的下限为 $E_{\rm QG,2} \ge 3.02 \times 10^{8}$ GeV。分析表明，$E_{\rm QG,1}$ 低于普朗克尺度的概率约为90%，当前数据未发现显著的LIV证据。该方法为未来结合多信使观测的LIV研究提供了严谨的统计框架。
本研究首次系统探讨了 $^{16}\text{O}(^{16}\text{O}, n)^{31}\text{S}$ 核反应速率对第一代大质量恒星演化与核合成的影响。通过模拟一颗 15 倍太阳质量的恒星，发现提高该反应速率会促使核心氧燃烧更早开始、持续时间更长，并在较低温密条件下进行。这显著增加了富氧硅层的中子过剩度，促进了中子富集同位素（尤其是 $^{31}\text{P}$ 和 $^{39}\text{K}$）的合成，其中钾的产量最高可提升 6.4 倍。当反应速率提高十倍时，超新星前模型的 [K/Ca] 和 [K/Fe] 预测值分别为 0.29 和 0.22 dex，与极贫金属星的最新观测数据吻合，为解释钾元素产量不足问题提供了新思路。
针对当前早期与晚期宇宙哈勃常数测量间的张力，研究提出利用下一代光谱巡天设施优化宇宙时钟方法。该方法可直接测量哈勃参数$H(z)$，无需依赖宇宙学模型或积分距离测量。分析表明，新设施可将中红移处$H(z)$的测量精度从当前约20%显著提升，为重建宇宙膨胀历史、约束暗能量状态方程参数$w$及缓解宇宙学张力提供新路径。
本研究通过名为MAGTHOMSCATT的蒙特卡洛模拟，追踪光子在中子星大气层传输及在广义相对论与双折射磁层中传播时的复杂电场矢量，首次完整捕捉了软X射线发射的偏振特性，包括线偏振与圆偏振的复杂相互作用。研究重点模拟了磁星（磁场最强的中子星）扩展极冠区域的脉冲偏振X射线，并利用磁星1RXS J11708-4009的最新脉冲轮廓数据，成功约束了其几何参数（如磁轴与观测方向夹角）和发射区尺寸。研究还揭示了磁层中的真空双折射效应对于提升线偏振度的重要影响。
本研究首次在完全贝叶斯选择模型框架下，模拟了产品价格与设计的双重竞争动态，并评估了模型揭示真实纳什均衡的能力。通过对基于真实价格与成本计算出的数千个均衡进行分析，发现最先进的混合Logit模型揭示真实均衡的能力主要取决于现实中消费者选择行为的类型（概率型 vs. 确定型），而非市场竞争者数量、产品特性或偏好异质性。当现实为确定型选择行为时，对估计出的偏好应用确定型选择规则能实现最高的均衡恢复率，且在此情境下，纳入贝叶斯超参数不确定性相比使用后验均值能进一步提升检测率。研究还探讨了上述因素对产品（线）差异化等均衡特征的影响。
本文构建了一个连续时间模型，研究具有职业关注和偏见的中间人在有向网络中如何决定披露可验证信息。决策者需要追踪一个扩散过程的基本面，而专家的信号必须通过中间人传递。中间人控制着一个可观察的“披露时钟”，以调节披露机会的到达率。研究发现，均衡策略呈现为具有有限后验阈值的阶梯式策略。当声誉风险足够高且折现率较低时，动态激励机制能够排除信息的持续压制，并保证路径上所有可验证证据最终被传递，即使存在偏见逆转阻碍了静态的完全披露。研究进一步探讨了网络设计与形成，发现最优设计会通过拓扑结构进行筛选，例如将高声誉中间人置于平行的直接路径上。
本文研究了有向网络中公共品的分散化供给问题。通过建立图论中的核与一类特殊均衡（参与者要么贡献固定阈值，要么完全搭便车）之间的对应关系，作者推导了确定性网络中此类均衡存在且唯一的充分条件，并证明在大型随机网络中几乎必然存在。研究还表明，增强网络互惠性能在不破坏现有均衡的前提下，弱扩展均衡集合。此外，论文提出了一种迭代消除算法，可在保持均衡性质的同时简化网络。最后，研究证明纳什均衡稳定的必要条件是其属于此类特殊均衡，从而为聚焦该均衡类型提供了动态依据。
本文研究多维序贯甄别问题。垄断者与拥有私人信息的代理人签订合同，代理人最初知道其未来对不同商品估值的分布，在签订合同并报告初始信息后，才抽取并报告其真实估值。研究发现，垄断者可以通过“前置”剩余提取来简化问题：任何为激励代理人报告事后估值而必须支付的信息租金，都可以在估值抽取前通过期望方式被提取。当代理人的估值满足“不变依赖性”（即估值在各维度间可以相关，但这种相关性不随其初始私人信息变化）时，最优机制等同于为每种商品独立提供最优的序贯甄别机制，与依赖结构无关。这为处理复杂的多维信息不对称问题提供了强有力的简化工具。
本文构建了一个显示偏好框架，用于检验不可分物品的总体分配是否满足帕累托效率与个体理性（PI），且无需观测个体偏好。通过利用类型化偏好，作者推导出PI可理性化的充要条件：当且仅当分配图是无环的。对于非PI可理性化的分配，作者研究了移除最少个体/类型/物品以恢复PI的三个问题，并证明它们均为NP完全问题。此外，作者提出了一个可实施的拟合优度指标——关键交换指数（CEI），用于衡量通过交换最终物品能达到PI的最高个体比例，从而量化无效率程度。该研究为匹配市场中的效率与理性提供了首个完整的显示偏好分析工具。
本文通过动态生产博弈模型，研究了团队成员对技术生产力的初始信念分歧如何影响团队绩效。研究发现，当团队平均乐观程度相同时，成员间的初始信念分歧越大，团队早期努力程度越高，从而提升了总期望产出。管理者在组建二人团队时，通过负向匹配（即让乐观者与悲观者搭档）能最大化总产出。当存在多个同等优质技术时，意见分歧的团队在平均产出和成员福利方面均优于信念一致的团队。