cs
01-07 00:00
本研究探讨了AI生成评论对基于内容的推荐系统的影响。通过分析TripAdvisor酒店评论数据，发现AI生成评论在多个文本维度上与人类评论存在系统性差异。实验表明，使用人类评论训练的模型性能最优，且能稳健地泛化到AI内容；而使用AI评论训练的模型在两类内容上均表现不佳。研究还发现，基于语气（鼓励性、建设性或批判性）的框架策略能显著提升平台生成评论的效果，凸显了平台在控制AI评论生成与整合中的战略重要性。
推荐系统ai生成内容文本分析平台策略人机交互
cs
01-07 00:00
本研究通过一项在迪拜进行的大规模调查（n=1001），探讨了公众对机器人及虚拟化身作为能力增强工具的接受度。调查覆盖身份探索、健康与行为转变、旅行能力扩展、感官与身体能力扩展、认知增强及意识永生六大领域共16个场景。结果显示，支持率最高的场景是多语言沟通（77.5%）和学习能力增强（68.7%），其次是辅助行动不便者（64.5%）与行为转变（59.5%）。而涉及通过意识转移实现永生的场景支持率最低（34.9%）。该研究为负责任地设计、开发并整合赛博格化身提供了实践指导，旨在促进其社会接受度与和谐共存。
人机交互能力增强社会接受度化身技术问卷调查
cs
01-07 00:00
本研究提出了一种基于大语言模型（LLM）的推荐系统（LLM-Rec），旨在解决传统推荐系统过度追求准确性而忽视透明度与可信度的问题。该方法采用“推理优先”的指令微调策略，即模型在输出推荐物品前，先生成逻辑连贯的推理依据（采用思维链风格）。通过在亚马逊评论数据集（时尚与科学领域）上的实验表明，该方法不仅增强了推荐的可解释性，也显著提升了推荐性能。为促进可复现性，研究团队公开了包含用户历史、推理与推荐物品的数据集。
可信推荐大语言模型可解释ai推理生成推荐系统
cs
01-07 00:00
本文提出FUSE框架，旨在解决多模态创意助手中检索任务面临的意图理解、内容选择、召回与排序等多阶段潜在故障问题。核心创新在于用紧凑的“接地设计表示”（GDR）替代大部分原始图像提示，并系统评估了七种上下文预算策略。实验表明，上下文压缩策略在788个查询上实现了最优性能：意图准确率93.3%，路由成功率86.8%，召回率99.4%，NDCG@5达88.5%。该研究证明了策略性的上下文摘要优于全面或极简的上下文处理方法。
多模态检索故障感知上下文压缩智能体系统搜索推荐
cs
01-07 00:00
本文提出TextBridgeGNN，一种解决图推荐模型跨域迁移难题的预训练与微调框架。传统基于ID嵌入的图推荐模型因ID空间隔离和异构图结构不兼容而难以迁移。该框架以文本为语义桥梁，通过多级图传播连接不同领域：预训练阶段利用文本信息打破数据孤岛，分层GNN学习领域特定与全局知识；微调阶段提出相似性迁移机制，从语义相关节点初始化目标域ID嵌入，成功迁移图模式。实验表明，该方法在跨域、多域及免训练场景下均优于现有方法，有效融合了预训练语言模型的语义与图协同过滤，且无需昂贵的语言模型微调或实时推理开销。
跨域推荐图神经网络预训练模型文本语义协同过滤知识迁移
cs
01-07 00:00
本研究对Telegram、Twitter/X和Reddit三大平台在2023年10月至2025年中期的冲突相关讨论进行了大规模分析。通过整合潜在狄利克雷分配（LDA）、BERTopic主题建模以及基于Transformer的情感与情绪模型，揭示了不同数字领域叙事的生产、放大与对抗机制。研究发现，Telegram提供高强度、未经过滤的事件记录，Twitter/X将叙事框架放大至全球受众，而Reddit则承载了更具反思性的审议讨论。研究贡献包括一个多平台、符合FAIR原则的数据集，一个结合主题建模、情感分析和垃圾信息过滤的综合分析流程，以及对平台特性如何塑造数字冲突传播演变的实证洞察。
数字话语分析跨平台研究主题建模情感分析社交媒体冲突传播
cs
01-07 00:00
针对多场景推荐匹配阶段中，传统MMoE模型因独立双塔架构的盲目优化和头部场景参数主导而受限的问题，本文提出DSMOE模型。该模型设计了场景自适应投影模块，生成轻量级、场景特定的参数，有效防止长尾场景中的专家崩溃；同时引入跨架构知识蒸馏框架，利用交互感知的教师模型指导双塔学生模型学习复杂匹配模式。真实数据集实验表明，DSMOE显著提升了数据稀疏、代表性不足场景的检索质量。
多场景推荐专家混合模型知识蒸馏匹配阶段长尾场景双塔架构
cs
01-07 00:00
针对印度数字支付市场因PhonePe和Google Pay双头垄断引发的监管担忧，本文研究了如何将用户交易重新分配到不同UPI应用中，以强制执行单一应用交易量不超过30%的上限。该问题被形式化为二分网络上的最小边激活流问题，目标是满足应用容量限制的同时，最小化需要用户安装新应用的数量。作者证明了该问题是NP完全的，并提出了一种名为解耦两阶段分配策略的可扩展启发式算法。实验表明，该算法能在数秒内找到接近最优整数线性规划解的结果，为公平高效地执行交易上限提供了实用方案。
数字支付公平分配np完全问题启发式算法监管合规交易网络
cs
01-07 00:00
本文系统分析了大型语言模型（LLM）作为评估工具在战略研究中的可靠性问题。研究发现，LLM评估输出存在显著不稳定性，主要源于提示词措辞、上下文、抽样程序、提取方法及模型间差异等多重因素。这种不稳定性会损害基于LLM评估的研究推断的有效性。为此，作者开发了一套全面的、方差感知的、规范化的且可审计的协议，为LLM在商业文本语料库评估中的应用提供了从临时性工具到严谨、可操作、可审计的标准化测量方法的实践指导。
大型语言模型战略研究评估可靠性测量方法标准化协议文本分析
cs
01-07 00:00
随着基于大语言模型的网页代理日益普及，其复杂的交互方式（如导航界面、提取信息、完成任务）超出了传统robots.txt等治理机制的管控范围。为解决网站所有者与代理之间的协调难题，本文提出了agent-permissions.json——一种轻量级的JSON格式权限清单。网站可通过该文件明确允许的交互行为，并辅以API参考。这一框架为双方提供了低摩擦的协调机制：网站仅需编写简单清单，代理则可自动解析并遵守规定。它延续了robots.txt的精神，旨在建立合规框架，在尊重网站偏好的同时，促进有益的自动化应用（如电商服务、无障碍工具），而非全面封禁代理。
网页代理权限管理人机协调自动化治理json清单
cs
01-07 00:00
针对STEM课程高入学率带来的师资短缺问题，本研究开发了基于大语言模型（LLMs）的AI辅导代理LeafTutor。该系统旨在为学生提供可扩展的、个性化的编程作业分步指导。通过在真实编程任务上的评估，结果表明LeafTutor能够提供与人类导师相当的分步编程指导。这项工作展示了LLM驱动的辅导解决方案在增强和个性化STEM教育学习方面的潜力。
ai教育编程辅导大语言模型stem教育个性化学习
cs
01-07 00:00
本文对机器人学中的运动基元技术进行了百科全书式的综述。运动基元作为从生物系统启发的运动基本单元，是机器人通过人类示教学习并生成复杂控制轨迹的关键方法。文章按时间顺序系统回顾了主要框架，包括具有弹簧-阻尼系统解析特性的模型、基于概率耦合的多示教融合方法，以及面向高维系统的神经网络应用等，并分析了各自的优势与局限。同时，综述还探讨了运动基元在抓取、投掷等具体任务中的成功应用，并指出了该领域面临的开放性问题与实际挑战。
运动基元机器人学习示教学习轨迹生成运动控制综述
cs
01-07 00:00
本文指出，当前关于大语言模型（LLMs）具备科学发现或人类水平通用智能的论断，因不满足波普尔的可证伪性原则而缺乏科学严谨性。作者揭示了该领域研究方法上的多个陷阱：因训练数据不透明且不可搜索而无法验证发现的“新颖性”；模型持续更新导致结果“不可复现”；以及缺乏人机交互记录和失败案例数据，造成选择偏差并可能夸大模型能力。为此，文章提出了旨在提升LLM推理研究科学透明度与可复现性的指导原则。
大语言模型可证伪性科学方法研究透明度可复现性评估偏差
cs
01-07 00:00
本文提出了一种面向开放无线接入网（O-RAN）的上下文检索增强生成框架，旨在解决5G/6G网络中快速演进的复杂技术文档带来的知识获取难题。该框架采用候选答案引导文档检索的策略，为大型语言模型提供更具针对性的上下文，从而提升问答准确性。在ORANBenchmark-13K数据集上的评估表明，相比传统RAG和基础提示方法，上下文RAG在保持运行效率和碳排放竞争力的同时，能显著提高模型性能，为动态技术领域的知识发现提供了可扩展的解决方案。
检索增强生成o-ran5g/6g网络大型语言模型上下文检索技术文档问答
math
01-07 00:00
本研究提出了一种改进的无迹卡尔曼滤波器（UKF），成功解决了在估计具有10个参数和4个输出观测量的集总参数心血管模型时遇到的秩缺陷问题。传统方法通常只能估计一小部分参数子集，而该改进算法通过调整UKF的应用方式，使其能够同时估计包括影响微弱的参数在内的几乎所有参数。在包含50个样本的挑战性数据集上测试表明，该算法在超过90%的情况下能以超过98%的准确率恢复几乎所有参数，展现出优异的鲁棒性，即使在严重噪声干扰、复杂病理生理条件及缺乏参数先验知识的情况下依然有效。
参数估计无迹卡尔曼滤波心血管模型秩缺陷系统辨识生物医学工程
math
01-07 00:00
本研究将新型数据驱动自适应控制方法——动态模态自适应控制（DMAC）应用于固体燃料冲压发动机（SFRJ）的推力调节。通过结合可压缩流理论和平衡化学的高保真计算模型模拟燃烧动力学，并利用动态模态分解近似局部系统行为，设计自适应跟踪控制器。仿真结果表明，DMAC为SFRJ推力调节提供了有效可靠的方法，且对超参数变化表现出强鲁棒性。
自适应控制推力调节冲压发动机动态模态分解数据驱动控制鲁棒性
math
01-07 00:00
本文提出变分谱学习（VSL），一种直接在谱展开系数空间中求解偏微分方程（PDE）的机器学习框架。其核心是将PDE问题（如 $\mathcal{L}u = f$）及其边界/初始条件，重构为基于强形式最小二乘残差和弱（Galerkin）形式的可微时空能量泛函。解表示为有限谱展开 $u_N(x,t)=\sum_{n=1}^{N} c_n\,\phi_n(x,t)$，其中 $\phi_n$ 为时空张量积Chebyshev基，空间模式解析满足齐次Dirichlet边界条件。该方法将PDE复杂性封装于变分能量中，系数向量 $\mathbf{c}$ 参数化简洁。通过构建强/弱形式时空泛函，并加入初始条件和Tikhonov正则化项，使用基于梯度的优化进行最小化。在TensorFlow中实现，利用自动微分和Keras余弦衰减重启学习率调度，可稳健优化中等规模系数向量。数值实验表明，VSL在一维/二维Poisson、扩散及Burgers型方程上，达到了与传统谱配置法结合Crank-Nicolson时间步相当的精度，同时提供了适用于现代优化工具的可微目标函数。
偏微分方程求解谱方法变分能量机器学习框架可微优化chebyshev基
math
01-07 00:00
本研究针对二维线性和非线性旋转浅水方程，推导并分析了一类保证问题适定性、能量稳定与熵稳定的边界条件。研究聚焦于大气、海洋和地转流中常见的亚临界流动。通过结合质量通量、黎曼不变量和伯努利势，构建了线性和非线性边界条件，从理论上证明了初始边值问题的熵稳定与能量稳定。线性分析全面，为解的存在性、唯一性和能量稳定性提供了充分条件。对于非线性问题，引入了线性一致性和线性稳定性的概念，证明了在有限时间内，对于足够光滑的初始和边界数据，存在唯一光滑解。研究还基于高阶求和-分部算子与惩罚方法，在曲线网格上开发了可证明能量/熵稳定的高精度数值格式，并通过大量数值实验验证了方法的精度与鲁棒性。
旋转浅水方程边界条件能量稳定熵稳定适定性数值方法
math
01-07 00:00
本文研究了一种用于整数因数分解的混合计算模型，其唯一的非经典资源是访问有限图上的迭代扩散过程。模型将扩散步定义为对称随机矩阵（半懒随机游走算子）对 ℓ¹ 归一化状态向量的一次应用，随后可选择读取特定坐标。对于非素数幂的奇数 N，作者构造了一个加权凯莱图，并证明在最多 O((log₂ N)²) 次扩散步后，可从单个热核值恢复乘法阶 r。结合从因数分解到阶寻找的标准归约，该模型提供了一种随机化因数分解方法，其成功概率仅取决于 N 的不同质因子数量 m。研究从概念和模型层面与 Shor 算法进行了对比，用马尔可夫 ℓ¹ 演化替代了酉 ℓ² 演化，并以数字步和扩散步两种成本度量报告复杂度。
扩散计算整数分解阶寻找量子计算对比随机游走计算模型
math
01-07 00:00
本研究为异步一阶随机优化建立了严格的分析框架，解决了因异构计算节点速度差异导致的更新延迟（陈旧性）问题。核心贡献包括：1) 针对同质数据场景的Ringmaster ASGD，通过选择性丢弃陈旧更新，首次证明了异步SGD能达到与同步方法相同的最优时间复杂性；2) 针对联邦学习中常见的异构数据场景的Ringleader ASGD，利用结构化梯度表机制扩展了最优性保证；3) ATA方法通过自适应学习节点计算时间分布并分配任务，以更少的计算量实现了接近最优的实际运行时间。这些成果为分布式学习提供了理论坚实且实践高效的异步优化基础。
异步优化随机梯度下降分布式学习最优复杂性异构数据联邦学习
math
01-07 00:00
本文通过改进Abe和Tange的构造方法，展示了可以构造出任意大的拉格朗日切片圆盘家族，这些圆盘的外部空间在Weinstein意义下是形变等价的。这一结果回答了Hitt和Sumners提出的关于拉格朗日版本的问题，并为进一步研究拉格朗日切片圆盘及其外部空间的拓扑与辛几何性质开辟了新的方向。
拉格朗日切片圆盘辛几何拓扑学weinstein结构形变等价
math
01-07 00:00
本研究探讨了源于边缘着色图枚举的多项式零点沿特定极限曲线的聚集行为，并将其称为李-杨现象。该多项式是边缘色多项式的一个变体，可特化为随机正则图上铁磁伊辛模型的配分函数。研究发现，零点聚集的极限轨迹是半代数的，并源于一个指数积分的反斯托克斯曲线。这为理解统计力学模型在随机图上的相变行为提供了新的数学视角。
李-杨现象边缘着色图伊辛模型零点分布随机正则图指数积分
math
01-07 00:00
本研究针对具有可变地形的二维Serre-Green-Naghdi方程，开发了一种能量守恒的数值方法。该方法采用双曲化近似，避免了经典模型中昂贵的椭圆算子求逆。通过结合分裂形式和求和-分部算子，构建了半离散格式，严格守恒总水量和总能量。研究提供了守恒性的理论证明与数值验证，并在Julia中实现了支持CPU与GPU的并行计算，在现代加速器上获得了显著的性能提升。
计算流体力学能量守恒格式gpu加速双曲化方程serre-green-naghdi方程数值方法
math
01-07 00:00
本文证明了与Rankin-Selberg球面簇$(\mathrm{GL}_{n+1} \times \mathrm{GL}_n)/\mathrm{GL}_n$相关的theta级数的谱展开。该结果是Jacquet-Rallis迹公式精细谱展开的关键步骤。展开式以非调和自守表示的**正则化Rankin-Selberg周期**表示，并证明其可计算$L$函数的特殊值。证明依赖于Langlands风格的积分围道平移技术，同时建立了$\mathrm{GL}_n$离散Eisenstein级数在正Weyl室内的有界性和奇异性两个关键技术结果。
自守形式谱展开l函数迹公式rankin-selberg周期
math
01-07 00:00
本文提出了一种新颖的色散正则化框架，用于一维浅水方程的数值模拟。该方法通过在动量方程中引入三阶色散项，将经典的双曲系统正则化，使其通过Madelung变换等价于一个带有底形诱导漂移项的散焦立方非线性薛定谔方程。研究转而求解关联的薛定谔方程，并通过简单的后处理恢复水动力变量。数值实验表明，在无激波形成的亚临界状态下，该正则化方法能以 $O(\varepsilon)$ 的精度逼近经典浅水解，其中 $\varepsilon$ 为正则化参数。值得注意的是，即使在出现真空状态的动湿干界面处，这种收敛性依然保持，而标准浅水求解器在此处常遇困难。
浅水方程薛定谔方程数值模拟色散正则化madelung变换湿干界面
math
01-07 00:00
本文针对二维无摩擦弹性接触问题，提出了一种基于混合位移/压力变分公式的虚拟元方法，以克服近不可压缩情况下的体积闭锁现象。通过引入压力作为独立未知量，并发展了包含误差估计中显式常数的通用误差分析框架，该方法能够处理包含“小边”的网格。数值实验验证了一阶和二阶两种VEM格式均对体积参数λ具有鲁棒性，有效避免了体积闭锁，且在“小边”存在时表现良好，达到了预期的理论收敛阶。
虚拟元方法接触问题体积闭锁混合变分误差分析近不可压缩
math
01-07 00:00
本文针对具有分布式波动偏微分方程（PDE）驱动特性的无限维系统，提出了一种梯度极值搜索控制（ESC）方法。研究首先通过轨迹生成问题重新设计了ESC系统的附加扰动信号，进而利用反步法设计了边界控制律以补偿具有分布式效应的波动PDE，并通过李雅普诺夫分析确保了平均闭环系统的指数稳定性。最后，应用无限维系统的平均理论，证明了闭环轨迹收敛于最优解的一个小邻域内。数值仿真验证了所提方法的有效性。
极值搜索控制波动方程反步法无限维系统边界控制李雅普诺夫分析
physics
01-07 00:00
本研究通过分析MESSENGER探测器观测的370个水星磁尾电流片事件，发现约80%事件呈现湍流特征，其功率谱在惯性区与动理学区之间存在谱断点。研究首次揭示晨昏不对称性：晨侧惯性区谱斜率较浅（约-1），动理学区斜率较陡，表明该区域湍流发展更充分且磁重联活动更频繁。横向磁场分量分析显示能量在离子尺度注入，颠覆了经典惯性区湍流理论，证实水星独特等离子体环境从根本上重塑了磁尾能量传输机制。
行星磁层磁尾湍流功率谱分析磁重联等离子体物理晨昏不对称
physics
01-07 00:00
本研究通过引用分析揭示了本福德定律（即大数据的首位数字常服从对数分布）命名背后的引用偏见。尽管该现象由新康伯（1881）和本福德（1938）先后独立发现，但后者获得了不成比例的引用。研究发现，雷米（1976）对该定律的正式命名“本福德定律”对新康伯论文的后续引用产生了显著的负面影响。此外，领域内高影响力论文的引用习惯（无论是有意忽视还是出于无知）是导致新康伯贡献被低估的关键原因。
本福德定律引用分析科学计量学首位数字定律学术偏见
physics
01-07 00:00
本研究针对发展中国家建筑业普遍存在的项目延期、成本超支和监管低效等系统性问题，构建了一个结合系统动力学（SD）与遗传算法（GA）的混合建模框架，并以苏丹为案例进行校准与模拟。模型整合了劳动力、材料供应、融资和政策延迟等关键变量。通过对四种政策情景的模拟分析发现，监管流程改革和劳动力培训是提升项目绩效最有效的杠杆：简化监管程序可使项目延期减少高达32%，而人力资本投资在10年模拟期内将成本超支降低了28%。相比之下，仅关注材料或资金投入的方案收效有限。敏感性分析进一步表明，系统对宏观经济稳定性和公共投资流高度敏感。该研究为政策制定者在不确定性下优化基础设施交付提供了有价值的决策支持工具。
系统动力学建筑业政策发展中国家遗传算法基础设施规划模拟分析
physics
01-07 00:00
本研究提出并实现了一个用于模拟燃烧等离子体开环线性法拉第型连续电极通道磁流体动力学（MHD）发电机的计算流体动力学（CFD）模型。该模型扩展了Favre平均Navier-Stokes方程，以考虑流动等离子体的电学特性及其对外加磁场的响应，并计入了洛伦兹力、湍流、可压缩性及等离子体能量提取等多种效应。模型采用电势技术和低磁雷诺数（$Re_m$）近似，并利用开源多物理场编程环境OpenFOAM（结合有限体积法和面向对象编程）进行数值实现。研究通过模拟世界上最大的脉冲MHD发电机“萨哈林”（峰值电功率510 MW）的超音速通道，验证了模型的有效性，并提供了通道的标量特性、沿纵向中心线的一维剖面以及整个通道的三维分布结果。
计算流体动力学磁流体动力学openfoam等离子体脉冲发电机数值模拟
physics
01-07 00:00
本研究针对医学乳腺图像标注耗时的问题，提出了一种基于深度主动学习的乳腺区域分割方法，旨在降低训练计算成本并有效利用资源。研究采用FCN-ResNet50模型，并引入基于乳腺解剖几何分析的新型样本选择策略，将具有相似信息特征的数据分组。通过评估随机选择、最近点、乳腺大小及混合策略，发现将最近点策略与30%的训练数据结合，能在分割性能、效率和环境可持续性之间取得最佳平衡，同时显著降低碳足迹。
深度主动学习乳腺分割医学影像样本选择可持续ai几何分析
physics
01-07 00:00
本研究展示了一种工作在40kHz重复频率下的90keV直流-射频电子源，解决了超快电子衍射中短脉冲与高通量难以兼顾的难题。通过太赫兹条纹测量，在370aC电荷下获得97±3fs的压缩脉冲宽度，长期定时漂移低至65-95fs。在低电荷（17aC）下，本征脉冲宽度可达56fs。结合40kHz高重复频率与直接电子探测技术，其可探测归一化通量比现有keV源高一个数量级，比MeV源高三至四个数量级，为弱散射样品研究提供了实用化工具。
超快电子衍射高重复频率太赫兹条纹电子脉冲压缩弱散射样品
physics
01-07 00:00
本文提出了一种信息论框架，用于评估和简化复杂系统的高阶网络（超图）表示。该框架旨在量化超图的结构冗余度，并识别出最关键的高阶相互作用（如三元或更高阶的交互）。通过移除冗余的高阶结构，可以在保留系统核心高阶特征的同时，显著降低模型的解释复杂性和计算负担，为分析具有复杂交互模式的系统（如社会、生物网络）提供了更高效的工具。
高阶网络超图简化信息论结构冗余复杂系统
physics
01-07 00:00
本研究将量子场论中的巴尔丁求和规则引入声学领域，推导出一个支配因果散射的普适性求和规则。该规则表明，散射体的消光截面积分被其静态有效质量与刚度所锁定，超越了仅适用于反射吸收体的传统因果理论（如Rozanov极限）。研究通过水下超材料验证了该规则，并预测了利用声学法诺谐振器的光谱整形效应可实现异常拓宽的传输损耗带宽，为增强被动超材料的散射带宽开辟了新途径。
声学散射因果性求和规则超材料巴尔丁规则带宽优化
econ
01-07 00:00
本文针对文本作为混杂因子代理变量时引入的“处理泄漏”偏差问题，提出了系统的识别与缓解方法。处理泄漏指用于捕捉混杂信息的文本也包含可预测处理状态的信号，导致因果估计产生事后偏差。研究贡献包括：1）形式化定义了处理泄漏的统计与集合论概念；2）提出了四种文本蒸馏方法（基于相似性的段落移除、远监督分类、显著特征移除、迭代零空间投影），旨在消除处理预测内容的同时保留混杂信息；3）通过合成文本模拟和IMF结构调整计划与儿童死亡率的实证应用验证了方法有效性。结果表明，适度蒸馏能在偏差减少与混杂信息保留间取得最优平衡。
因果推断文本分析处理泄漏偏差校正混杂因子敏感性分析
econ
01-07 00:00
本研究通过分析美国月度失业保险记录、数百万份LinkedIn个人资料及大学课程大纲发现，AI相关岗位的失业风险在2022年初（即ChatGPT发布前数月）已开始上升。2021年及之后的毕业生进入AI相关岗位的比例低于早期毕业生，且差距在2022年底前已形成。同时，学习更多AI相关课程的毕业生在ChatGPT发布后获得了更高的首份工作薪资和更短的求职时间。结果表明，影响AI相关岗位就业市场的因素早于生成式AI的出现，且LLM相关教育仍具持续价值。
人工智能就业失业风险教育回报劳动力市场生成式ai
econ
01-07 00:00
本研究探讨了风险决策中可能存在的菜单依赖现象，提出行为是源于一个由少量可解释的心理规则构成的规则库。这些菜单特定的规则将客观选项菜单转化为感知菜单，并使最终选择在感知彩票的支配性基准下成为严格改进。研究者引入了最大规则集中度指数（MRCI），用于衡量所有局部可容许分配中规则份额的最大赫芬达尔-赫希曼集中度，并提供了诊断方法来区分统一行为的规则与主要作为替代品的规则。通过混合整数二次规划（MIQP）公式、可扩展启发式算法以及相对于菜单无关随机选择基准的有限样本置换检验，应用于CPC18数据集（N=686名受试者，每人进行500-700次重复二元彩票选择）。结果显示，平均MRCI为0.545，64.1%的受试者在1%水平上拒绝了随机选择假设。集中度的提升主要由模态支付聚焦、显著性思维和基于后悔的比较等规则驱动。
风险决策菜单依赖心理规则规则集中度彩票选择行为经济学
econ
01-07 00:00
本研究采用混合HAR-ElasticNet框架，分析了2002-2025年间六大期货市场的日度已实现波动率，以识别商品、股票和国债间的波动溢出效应。方法上，先通过OLS估计自身波动持续性（约0.99），再应用ElasticNet正则化识别跨市场溢出。结果显示，股票市场（ES, NQ）是主要的波动传导者，而原油（CL）是最大的跨市场冲击接收者，农产品则相对孤立。虽然简单单变量HAR模型在点预测上表现相当，但本方法揭示了前者无法展现的网络结构，并通过联合脉冲响应函数追踪了冲击在网络中的传播路径。
波动溢出机器学习金融网络高维数据正则化期货市场
econ
01-07 00:00
本文为多参数环境下收益最大化机制的存在性提供了一个初等证明。核心结论是：只要买家的估值分布具有有限期望，最优拍卖机制就必然存在。该证明简化了以往复杂的分析框架，为机制设计理论提供了更易理解的基础。
拍卖理论机制设计最优机制多物品拍卖收益最大化
econ
01-07 00:00
本文提出了一种时间感知合成控制方法，针对传统合成控制方法忽略时间顺序、难以处理强趋势数据的问题。该方法采用结合恒定趋势的状态空间模型，并利用卡尔曼滤波与RTS平滑器进行拟合与反事实推断。在模拟与真实数据集上的评估表明，该方法在存在强时间趋势和高观测噪声的场景下具有显著优势。
合成控制因果推断状态空间模型时间序列政策评估
econ
01-07 00:00
本研究针对铁路售票、酒店预订等场景中的网络收益管理问题，提出了高效的在线决策算法。研究聚焦于两种需求模式：简单的“接受或拒绝”模式，以及更贴近现实的、基于基本吸引力模型（BAM）的客户选择模式。核心贡献在于，当客户需求类型固定时，算法分别获得了1 - 1/e和0.25的近似比保证；即使需求类型随机，也能获得至少0.399和0.156的恒定近似比。这显著优于以往以离线最优解为基准的非恒定竞争比结果，为动态定价和库存分配提供了理论保障。
收益管理在线算法近似算法资源分配动态定价bam模型
econ
01-07 00:00
本研究构建了一个融合有限理性和异质认知偏差的演化博弈框架，通过引入量子反应均衡和前景理论效用函数，揭示了主观收益评估如何系统性改变群体层面的均衡选择。研究发现，理性程度和风险厌恶对福利的影响是非单调的：中等程度的认知精度能促进协调，而过度精确或强烈的损失厌恶则会导致群体锁定在低收益的零和均衡。模型还内生地产生了公平与效率的权衡：提升总福利的参数配置会加剧不平等，而更平等的分配则伴随着效率损失。这为解释零和规范与不平等的持续存在提供了行为进化机制。
演化博弈论认知偏差零和思维均衡选择公平效率权衡行为经济学
econ
01-07 00:00
本文提出“风险规避真实度（RAT-degree）”概念，用于度量机制设计的抗操纵性。经典的真实性要求在任何情况下操纵都无利可图，而风险规避真实性仅要求没有“安全”的操纵（即有时有益、从不有害）。RAT-degree定义为允许某个代理安全操纵所需知晓的其他代理报告的最小数量，它介于经典真实性（degree=n）和风险规避真实性（degree≥1）之间。作者通过拍卖、不可分物品分配、分蛋糕、投票和双边匹配等多个社会选择场景中的经典机制，展示了这一概念的普适性与应用价值。
机制设计真实性风险规避社会选择博弈论
econ
01-07 00:00
本文针对经典合成控制法在控制单元高度相关或处理前后关系发生偏移时可能失效的问题，提出了分布鲁棒合成控制法。该方法通过求解一个考虑所有与处理前时期兼容的权重的最坏情况优化问题，定义了一个新的因果估计目标。当经典方法识别条件满足时，新方法与之等价；当条件被违背时，新估计量可作为不可识别因果效应的保守代理。作者进一步证明了估计量的极限分布非正态，并提出了一种新的推断方法。通过数值模拟和巴斯克地区恐怖主义经济影响的应用分析验证了其性能。
合成控制法因果推断分布鲁棒优化稳健估计计量经济学政策评估
q-bio
01-07 00:00
本研究将延迟微分方程引入人口生态演化博弈模型，考察后代成熟时间延迟对种群动态的深刻影响。研究发现，延迟超过临界值会导致平衡点失稳，并揭示了三种密度依赖机制（成体死亡率、幼体招募存活率、延迟出生招募）的不同效应。其中延迟出生招募模式会引发分岔、复杂周期乃至混沌动力学，但意外地延长了“幽灵吸引子”等瞬态亚稳态的持续时间。研究还评估了系统对外部周期性扰动（如捕食压力）的恢复力。
生态演化博弈延迟微分方程种群动力学稳定性分析混沌现象密度依赖
q-bio
01-07 00:00
本研究通过构建基于海马时间细胞的生物约束深度网络，探索大脑如何整合嵌套时间尺度的信息。研究团队首先在前馈模型中发现，尽管网络层内时间常数谱相同，层级时间感受野仍会自然涌现。随后，他们将这一归纳先验提炼为生物合理的循环架构SITH-RNN。与通用RNN相比，具有尺度不变先验的SITH-RNN学习速度更快、参数少数个数量级，并能零样本泛化到训练分布外的时间尺度。这表明大脑可能利用编码“何时”发生“何事”的尺度不变序列先验，使具备此类先验的循环网络特别适合描述人类认知。
时间感受野尺度不变性生物约束网络零样本泛化循环神经网络认知建模
q-bio
01-07 00:00
本研究提出DNACHUNKER，一种集成可学习动态分词机制的DNA语言模型。该模型采用动态分块策略，能够将DNA序列解析为可变长度的片段。其核心优势在于对序列突变具有鲁棒性，并能将更精细的分块分配给重要的功能区域（如启动子、外显子），而对重复冗余区域则使用更大的分块。通过在人类参考基因组（HG38）上训练并在标准基准上测试，实验表明DNACHUNKER学习到的分词策略能够捕捉生物语法，提升模型性能。
dna语言模型动态分词可学习分词基因组分析生物信息学
q-bio
01-07 00:00
本研究通过模拟产前视网膜波作为训练数据，对Transformer模型进行自监督时序学习。研究发现，模型在适应这种生物合理的“产前世界”后，其内部结构自发地组织成了与新生儿视觉系统相似的模式：早期层对边缘敏感，后期层对形状敏感，且感受野随层数增加而扩大。这一发育上的趋同性表明，大脑与Transformer可能遵循着共同的通用拟合原则进行学习。
transformer模型视觉系统发育自监督学习视网膜波计算神经科学人工智能
q-bio
01-07 00:00
本研究开发了一种基于能斯特-普朗克方程和多孔介质流理论的新型数学模型，用于探究单克隆抗体（mAbs）在皮下注射后，其电荷特性对药物运输、结合与吸收的复杂影响。模型能够模拟不同电荷特性mAbs的短期运输动力学和长期结合吸收过程，并分析了缓冲液pH值、体重指数、注射深度和制剂浓度对药物分布的影响。数值模拟结果与文献中的实验数据进行了对比验证。
计算生物学药物动力学单克隆抗体皮下注射电荷效应多孔介质
q-bio
01-07 00:00
本研究提出了一种名为CamS（Connection-Aware Motif Sequencing）的图到序列表示方法，使仅解码器Transformer能够通过标准的下一个令牌预测来学习分子图。该方法通过数据驱动的连接感知基序挖掘，并利用基于支架的广度优先搜索将其序列化，构建了从核心到外围的稳定顺序。通过将不同精细度的基序序列拼接，实现了层次化建模，使模型能够基于密集、未损坏的局部结构证据来推断全局支架。基于CamS序列预训练的CamS-LLaMA模型在MoleculeNet和活性悬崖基准MoleculeACE上取得了最先进的性能，超越了基于SMILES的语言模型和强大的图基线。
分子性质预测图到序列自回归建模transformer活性悬崖基序序列化
q-bio
01-07 00:00
本研究提出神经流形噪声关联（NMNC），一种解决神经网络信用分配问题的新方法。传统噪声关联法通过扰动神经元活动来估计梯度，但效率低且与神经活动存在于低维流形的生物学观察不符。NMNC将扰动限制在神经流形上，理论证明训练后网络的雅可比行空间与神经流形对齐，且流形维度随网络规模增长缓慢。实验表明，在CIFAR-10、ImageNet级模型和循环网络中，NMNC相比传统方法显著提升了性能和样本效率，并产生了更接近灵长类视觉系统的表征。
信用分配神经流形噪声关联生物启发学习梯度估计表征学习
q-bio
01-07 00:00
本研究填补了简单混沌系统与化学动力学系统之间的空白。以往已知的三维混沌化学系统结构复杂（至少9个单项式、3个二次项），而作者通过理论证明与计算搜索，首次发现了一批结构更简单的混沌化学动力学系统。例如，存在仅含6个单项式（4个二次项）或7个单项式（2个二次项）的系统，其对应的化学反应网络可简化至仅含4-5个反应。这些结果表明混沌在化学动力学系统中比预想的更为普遍，并量化了其所需的最小结构复杂度。
混沌系统化学动力学反应网络质量作用结构复杂性计算发现
q-bio
01-07 00:00
本文为自主能动性（self-determining agency）建立了严格的数学形式化框架，以弥合物理机械过程与主体行为之间的解释鸿沟。核心贡献是提出了“随附因果”（supervenient causation）概念，证明在物理定律不被违反的前提下，一个系统可以在粗粒化的主体层面遵循独立的决定论。通过构造由多个随附函数组成的代数表达式，作者指出决定该表达式的索引序列并不随附于底层物理基态，因而能拥有独立于底层的动力学规律。这种双层定律系统为建模人类等具有道德与责任的主体提供了新路径。
自主能动性随附因果数学形式化认知科学决定论双层系统
q-bio
01-07 00:00
研究通过整合上游（受助后助人）和下游（基于声誉助人）间接互惠机制，解决了大规模群体中合作演化的难题。在无自返的公共品博弈中，分析发现当收益成本比 b/c > 2 时，整合型互惠策略者与无条件背叛者（ALLD）能形成全局渐近稳定的混合均衡。研究推导了认知成本的关键阈值：低于阈值时，成本反而能稳定均衡，防止其他条件策略入侵；高于阈值则均衡消失。这表明背叛者可充当“进化盾牌”，而战略多样性（而非一致性）是维持稳定合作的一条途径。
演化博弈间接互惠公共品博弈合作演化战略多样性稳定共存
q-bio
01-07 00:00
本研究提出了一种名为“决策变量相关性”的新方法，用于量化两个观察者在分类任务中基于内部神经表征所作决策的策略相似性。该方法聚焦于任务相关信息，而非泛化的表征对齐。通过分析猕猴V4/IT皮层记录与图像分类网络模型，研究发现模型间相似性与猕猴间相似性相当，但模型与猕猴间的相似性始终较低。值得注意的是，模型在ImageNet-1k上的性能越高，其与猕猴的DVC相似性反而越低。对抗训练和更大数据集预训练均未能提升模型与猕猴在任务相关维度上的相似性，表明两者表征存在本质差异。
表征相似性决策变量相关性神经解码计算模型视觉皮层图像分类
q-bio
01-07 00:00
本研究设计并评估了两种基于大语言模型（LLM）的自动化科研兴趣画像方法：一种基于PubMed摘要总结，另一种基于医学主题词（MeSH）术语。在对比595名研究者的数据后发现，尽管机器生成与人工撰写的画像在术语重叠度（ROUGE-L、BLEU分数低）上差异显著，但语义相似度（BERTScore F1约0.55）尚可。关键发现是：基于MeSH的方法在人工评审中获77.78%“良好/优秀”评价，其可读性（93.44%获好评）和整体偏好度（67.86%优于摘要法）更高。研究表明，LLM可实现大规模、可持续的科研画像更新，但机器生成内容在概念选择上与人类存在差异（KL散度约8.57），后者往往包含更多新想法。
科研画像大语言模型mesh术语语义相似度自动化评估生物医学信息
cs
01-07 00:00
本研究针对传统新闻推荐系统在情感分析上面临的歧义性、词典不一致及上下文理解不足等问题，提出了一种自适应、情感感知的推荐框架。该框架将混合情感分析（结合VADER、AFINN、TextBlob和SentiWordNet）与强化学习（Q-learning）相结合，利用BBC新闻数据集生成稳健的文章级情感估计（积极、消极、中性），并将情感状态嵌入Q-learning架构中，以指导智能体学习最优推荐策略。结果表明，该方法能有效识别并推荐情感匹配的文章，并通过迭代更新持续提升个性化水平，为用户提供了一种可行、可解释且自适应的新闻推荐方案。
情感分析强化学习新闻推荐个性化q-learning混合模型
cs
01-07 00:00
本文提出Deep-SIC，一种基于知识的信道预测模型，用于优化5G及下一代移动自组织网络中的切换决策。该模型创新性地利用非正交多址接入（NOMA）中连续干扰消除（SIC）的副产品——部分解码数据（PDD）作为反馈信号，持续改进预测。Deep-SIC采用Transformer架构，学习速度比现有先进算法（如Graph-NOMA）快68%，并在用户移动性（如车速60 km/h）下提供可验证的稳定性保证。系统级仿真表明，该策略可将切换失败率降低高达40%，有效抑制乒乓效应，并在低信噪比（SNR）场景下将归一化均方根误差（NRMSE）降低20%，同时保持$O(K)$的线性计算复杂度。
信道估计noma网络深度学习移动性管理transformer切换优化
cs
01-07 00:00
本文提出了一种面向普通用户的食品推荐系统可解释性增强方法。该方法采用后处理范式，结合SHAP（Shapley Additive exPlanations）进行混合特征重要性提取，并利用大型语言模型（LLM）对提取的关键变量进行动态、全面的解释生成。相比现有方法，该方法能为非专业用户提供更令人信服、更易于理解的推荐结果解释，从而有效提升用户对推荐系统的信任度和系统透明度。
可解释人工智能推荐系统大型语言模型特征重要性用户信任食品推荐
cs
01-07 00:00
本文提出了一种面向Wi-Fi物联网的安全边缘网关架构，旨在不改变现有网络基础设施的前提下增强本地网络防护。该网关作为Wi-Fi接入点与核心网络之间的中间控制点，通过监控流量、隔离不可信设备以及阻止欺骗、断连和未授权访问等常见无线攻击来提升安全性。设计侧重于自适应流量过滤与轻量级策略执行，而非复杂的分析模型，适用于中型网络环境。在部署了约70台设备（含28个物联网单元）的真实办公室环境中，持续运行十天的测试表明：与WPA3基线配置相比，该系统将成功欺骗事件减少了87%，断连后的恢复时间提升了42%，而网络延迟仅增加3.1%，吞吐量下降不足4%。
物联网安全边缘网关wi-fi防护流量监控轻量级策略
cs
01-07 00:00
本文系统性地综述了大型语言模型（LLM）与机器人结合所带来的新兴安全威胁与防御策略。研究指出，LLM的抽象推理与机器人物理、情境依赖特性之间的“具身鸿沟”是关键安全漏洞来源。攻击向量包括越狱、后门攻击和多模态提示注入等；防御机制则涵盖形式化安全规范、运行时监控、多LLM监督和提示强化。文章强调了开发情境感知安全解决方案的紧迫性，并为构建安全可靠的LLM控制机器人系统提供了路线图。
机器人安全大型语言模型具身智能安全威胁防御机制多模态攻击
cs
01-07 00:00
本文针对具身智能体（Embodied AI Agents）在社交交互理解中的核心挑战，系统综述了心智世界模型（MWM）的研究进展。传统物理世界模型（PWM）难以刻画社会智能，而MWM作为对人类内部心智状态的结构化表征，是实现自然人机协作与动态社会适应的关键认知基础。本文首次构建了完整的MWM理论框架，厘清了其与PWM的本质区别；通过两种心智要素表征范式系统定义了MWM的关键组成部分；全面分析了两种核心心智理论（ToM）推理范式下的19种方法；并梳理了神经符号混合架构的融合趋势，综合了26个ToM评估基准。该工作旨在推动具身智能体融入人类社会，促进人机协同交互的深入发展。
具身人工智能心智世界模型心智理论人机协作社会智能神经符号ai
cs
01-07 00:00
针对学术平台中新学者（冷启动）的实时推荐难题，本研究提出TAG-HGT框架。该框架采用“语义优先、结构优化”的解耦范式：利用冻结大语言模型（DeepSeek-V3）离线生成语义知识，并通过跨视图对比学习将其蒸馏至轻量级异构图变换器（HGT）中。关键洞见在于，LLM语义提供全局召回，而图结构信号则在密集嵌入空间中提供关键的局部判别力，以区分有效合作者与语义相似但社交不可达的学者。在OpenAlex数据集上的验证表明，TAG-HGT实现了91.97%的召回率，较纯结构基线提升20.7%。其最大工业价值在于，推理延迟从780秒降至1.73毫秒（提升$4.5 \times 10^{5}$倍），单次千次查询成本从约1.5美元降至不足0.001美元，成本降低99.9%。
冷启动推荐图神经网络知识蒸馏大语言模型学术平台工业部署
cs
01-07 00:00
本政策备忘录分析了始于2023年布莱切利公园、延续至2024年首尔和2025年巴黎的国际AI治理峰会系列。报告评估了该系列早期成功的支撑因素，并剖析了其在治理范围、参与方、连续性和机构设计方面面临的挑战。通过与国际现有治理模式比较，报告对主办安排、秘书处形式、参与者遴选、议程设置及会议频率等选项进行了评估，旨在为保持峰会聚焦于先进AI治理，同时兼顾包容性、有效性与长期可持续性提供设计建议。
人工智能治理国际峰会政策设计可持续性国际合作
cs
01-07 00:00
本研究通过文献综述与教法学方法，评估了六种主流电商模式（如代发货、先买后付、算法营销等）是否符合伊斯兰教法原则。研究发现，直接销售合同下的代发货和预售因缺乏“占有”要素和存在不确定性而无效，但可通过重构为代理或预购合同合规。传统先买后付因含利息被判定不合规，误导性展示与无效清真认证构成欺诈，而诱导消费的算法营销则违背保护财产与理智的教法宗旨。研究强调需对合同合法性、算法伦理及界面设计进行全面教法审计。
伊斯兰金融电子商务教法合规算法伦理合同重构清真认证
cs
01-07 00:00
本研究提出了一种名为GCRank的新型生成式排序框架，将排序任务重构为上下文理解问题。该框架通过统一的架构建模外卖场景中复杂的动态空间、时间和个体信号。其核心包含生成式上下文编码器（GCE）和生成式上下文融合（GCF）两大组件。GCE通过个性化、群体和动态三个增强模块分别捕获用户、群体和实时情境信息，GCF则利用低秩自适应技术无缝融合这些表征。在大规模外卖广告平台上的实验与部署表明，该方法在点击率和平台收入等关键业务指标上取得了显著提升。
生成式推荐广告排序上下文理解外卖平台低秩自适应
math
01-07 00:00
本研究为高斯混合模型（GMM）的平均场变分贝叶斯推断（MFVBI）的不确定性量化提供了根本性解答。研究发现，GMM可被视为统计力学中Curie-Weiss模型的推广。在分析过程中，配分函数、自由能等标准统计力学量自然出现，揭示了数据科学中的经典推断方法与统计物理理论之间的深刻联系。
高斯混合模型变分贝叶斯统计力学不确定性量化平均场理论
math
01-07 00:00
经典Heyde定理表明，实数上高斯分布可由一个线性形式在给定另一个时的条件分布对称性来刻画。本研究将该结论推广至取值于离散挠阿贝尔群的两个独立随机变量，其中群的p-分量均为循环群。该结果不限制线性形式的系数与随机变量的特征函数形式，证明运用抽象调和分析方法，基于群特征群上特定函数方程的求解。
概率特征化抽象调和分析离散阿贝尔群heyde定理条件对称性函数方程
math
01-07 00:00
本文研究了一类结合随机竞赛与确定性跟随领导者模型特征的粒子系统。系统演化为一连续时间纯跳跃过程：领跑粒子以恒定速率独立跳跃，其余粒子则根据其与前一个粒子的距离决定跳跃速率，并从相应间隔中均匀采样跳跃大小。研究聚焦于表示粒子间距离的间隔过程，证明了其唯一平稳分布的存在性与一致几何遍历性。当领跑粒子跳跃大小服从指数分布时，平稳律被显式识别为独立指数分布的乘积，并证明n粒子系统的混合时间介于Θ(n)与O(n(log n)²)之间。应用混合时间结果，建立了在适当时空缩放与大粒子极限下，粒子状态长时间波动的泛函极限定理。此外，当领跑粒子跳跃具有重尾但可积时，证明了在平稳状态下每个间隔比领跑粒子跳跃大小分布至少多一阶有限矩。该模型为非扩散粒子系统的遍历性、显式不变律和混合行为研究提供了一个可处理的框架。
粒子系统随机过程遍历性平稳分布混合时间极限定理
math
01-07 00:00
本文研究了具有奇异扩散项（Δu^m，0<m<1）和非线性趋化漂移项的拟线性趋化系统。在快速扩散机制下，作者证明了该抛物-抛物型趋化系统有界解的Hölder连续性，这是多孔介质方程弱解的最优正则性类。证明基于改进的De Giorgi-Di Benedetto迭代方案，并适应了系统的耦合结构。该结果深化了对非线性扩散趋化模型精细正则性质的理解，表明奇异扩散与聚集效应之间的相互作用产生了一种与多孔介质范式一致的“正则化机制”。
趋化系统奇异扩散hölder估计正则性理论抛物方程
math
01-07 00:00
本文研究了具有格点Veech群的平移曲面$(X,\omega)$。作者证明了，该曲面仿射同胚群的一般轨道能以丢番图精度逼近曲面上的任意点。证明的关键在于构造了一个纤维丛$Y$，其底空间为$SL_2(\mathbb{R})/\Gamma$，纤维为$X$，并利用$SL_2(\mathbb{R})$在其上的诱导作用。该纤维丛可嵌入为带标记平移曲面模空间中的一个$SL_2(\mathbb{R})$-轨道闭包，从而可以应用Avila和Gouëzel的光谱间隙结果，以及作用在$Y$上均值为零的平方可积函数空间上的定量平均遍历定理。
平移曲面仿射映射丢番图逼近遍历理论veech群光谱间隙
math
01-07 00:00
本文推广了Nagy提出的码环全局构造方法，通过建立Moufang环与三元性群的联系，构造了一类具有三元性的幂零群$G_n$。该群具有$2n$个生成元，且类为3，其构造基于将$G_n$嵌入到$G_3$的直积中。在有限情形下，证明了对应的Moufang环是由码环生成的簇中具有$n$个生成元的自由环$F_n$，其阶为$|G_n| = 2^{4n+m}$，其中$m = 3 \binom{n}{2} + 2 \binom{n}{3}$。
三元性群码环moufang环幂零群自由环嵌入构造
math
01-07 00:00
本文证明了集合函数满足总替代性当且仅当其齐次生成多项式对所有正数 $q \le 1$ 均为洛伦兹多项式，从而回答了 Eur-Huh 提出的问题。核心突破在于改进了 Graham-Pollak 的经典结果，给出了超度量树距离矩阵的秩 1 上界。这一特征刻画使得作者能够解决两个强化 Mason 对数凹性猜想的公开问题：一是 Giansiracusa-Rincón-Schleis-Ulirsch 提出的赋值拟阵版本，二是 Pak 提出的普通拟阵版本。
拟阵对数凹性洛伦兹多项式总替代性树度量组合优化
math
01-07 00:00
本文研究了缩放次分数布朗运动和双分数布朗运动的Lamperti变换，推导了其显式协方差公式、渐近行为及精确的指数混合速率。通过引入由这些高斯场驱动的Langevin型积分过程，识别了其自相似指数，并证明其Lamperti像仍构成具有快速去相关性的平稳高斯过程。利用逆Lamperti关系和Birkhoff定理，为原始非平稳过程建立了严格的单轨迹重构方法，将缩放Lamperti框架扩展至具有非平稳增量和更丰富依赖结构的高斯过程。
lamperti变换分数布朗运动非平稳增量自相似过程高斯过程轨迹重构
math
01-07 00:00
本研究针对溶瘤病毒疗法（OVT）中病毒在肿瘤组织内扩散的生物学机制，建立了一个非合作反应-扩散数学模型。通过精心构造上下解并结合Schauder不动点定理，证明了正行波解的存在性。研究识别出一个最小波速值$\bar{c}$，使得对所有$c \geq \bar{c}$都存在正行波解。分析还揭示了某些参数区域内行波解存在性尚不明确，为病毒在肿瘤微环境中传播的数学研究提出了新问题。
溶瘤病毒疗法反应-扩散方程行波解数学建模肿瘤治疗最小波速
math
01-07 00:00
本文重新审视了图特关于拟阵的图同伦理论。核心贡献在于提出了一个扩展版的同伦定理，对图中“基本环”的类型进行了更精细的分类。该理论框架使得我们能够利用路径定理证明拟阵的“基础”（Baker-Lorscheid 意义下）可由通用交比生成，并借助扩展同伦定理对通用交比间的所有代数关系进行分类，从而得到更自包含的“基础表示”。文章还探讨了该表示在拟阵表示论中的应用，并初步展望了“高阶图特同伦定理”的可能形态。
拟阵图特同伦定理基础表示通用交比图论代数组合
math
01-07 00:00
本文证明了Torelli映射 $t\colon \mathcal{M}^{ct}_g \to \mathcal{A}_g$ 与任意乘积映射 $\mathcal{A}_{g_1}\times\dots\times \mathcal{A}_{g_k} \to \mathcal{A}_g$（其中 $g=g_1+\dots+g_k$）的纤维积具有约化的概形结构。这一结果的一个重要推论是，令 $d=\text{codim}(t^*[\mathcal{A}_{g_1}\times\dots\times \mathcal{A}_{g_k}])$，则Chow环中的类 $t^*[\mathcal{A}_{g_1}\times\dots\times \mathcal{A}_{g_k}]\in \mathsf{CH}^{d}(\mathcal{M}^{ct}_g)$ 是tautological的。特别地，当 $d > 2g-3$ 时，有 $t^*[\mathcal{A}_{g_1}\times\dots\times \mathcal{A}_{g_k}] = 0$。
代数几何torelli映射纤维积约化概形chow环tautological类
physics
01-07 00:00
本研究提出了一种统一的暗能量模型（BH–QCDGDE），将Barrow熵修正与量子色动力学（QCD）幽灵机制相结合。该模型在平坦的FLRW宇宙背景下，构建了一个广义的全息暗能量密度形式。分析表明，宇宙能够平滑地从物质主导的减速膨胀阶段过渡到晚期加速膨胀阶段，且不穿越“幽灵场”分界线。研究还重构了等效的标量场描述，并证实其行为类似于精质场。模型在视界处满足广义热力学第二定律，且通过声速平方分析展现了良好的经典稳定性。
暗能量宇宙学barrow熵qcd幽灵全息原理热力学
physics
01-07 00:00
本研究深入分析了一维Hou-Luo（HL）模型在复时间域中的奇点结构。该模型是三维轴对称欧拉方程的壁面近似。通过引入新颖的拉格朗日坐标表述，并符号计算高阶时间泰勒系数，研究取得了三项关键成果：首先，证明了涡量场的拉格朗日级数在复时间圆盘$|t|<t_\star$内收敛，且避免了欧拉表述中的早期共振问题；其次，通过级数渐近分析，高精度地恢复了爆破时间$t_\star$和奇点指数；最后，发展了一套拉格朗日奇点理论，成功预测了欧拉坐标中观察到的“眼形”奇点轮廓，其驱动机制源于多个流体粒子在相同欧拉位置处的累积。所采用的技术扩展了无粘性Burgers方程的研究方法，可进一步应用于更高空间维度或其他流体动力学方程。
流体奇点拉格朗日方法复时间分析hou-luo模型泰勒级数爆破机制
physics
01-07 00:00
尽管大量研究表明主动学习比传统讲授更有效，但高校物理与天文学教师仍普遍采用以教师为中心的讲授式教学。本研究通过对8名教师的问卷和5名自认“主要使用讲授法”的教师访谈发现，一个未被充分讨论的关键因素浮现：许多教师感到教学法的选择“不在自己掌控之中”。他们常因学校基于财务需求的管理决策而被迫采用讲授法。研究提出，单纯提供主动教学法的专业培训可能不足，还需帮助教师认识到自身有能力在现有约束下实施以学生为中心的主动学习。
物理教育教学方法主动学习教师发展高等教育教学改革
physics
01-07 00:00
本研究通过飞秒时间分辨强场电离技术，结合质谱、碎片关联分析与从头算分子动力学模拟，揭示了氨硼烷（BH3NH3）在单电离与双电离后的超快碎裂动力学与氢释放过程。研究发现，单电离主要产生中性H和H2，而双电离则在1皮秒内额外产生H+、H2+和H3+。电子结构计算表明，这些产物主要源自硼原子上的氢原子，其形成涉及氢迁移及中性H2的“漫游”机制。尽管双离子态满足释放中性H2并形成天体化学相关H3+的结构与能量条件，但大的绝热弛豫能量导致大部分漫游H2在质子夺取前解离，从而抑制了H3+的生成。
超快动力学强场电离氢迁移分子动力学模拟氨硼烷质谱分析
physics
01-07 00:00
本研究提出了一种利用碱金属原子量子特性进行电子束全光学探测的新方法。通过在铷原子蒸气中，利用交叉激光束实现双光子阶梯跃迁将原子激发至高里德堡态，并通过监测电磁诱导透明（EIT）透射峰的频率偏移来测量电子束产生的电场斯塔克位移。该方法结合了电子束脉冲调制与相敏光学探测，有效分离了光电子电荷产生的寄生电场，并利用主成分分析提升了信号质量。实验成功重建了20 keV、25-100 μA电子束的二维空间分布，为加速器设施中带电粒子束的实时、非侵入式诊断提供了新工具。
里德堡原子电磁诱导透明电子束诊断量子传感加速器物理光学探测
physics
01-07 00:00
本研究提出HSURE-CFPP方法，通过异方差快照集成网络预测包裹相位计算所需的分子-分母比值，实现了仅需单次复合条纹即可完成超高速三维成像。该方法创新性地联合估计像素级噪声方差以捕捉数据不确定性，同时利用快照集成量化模型不确定性，最终生成像素级不确定性图谱，为重建结果提供可解释的可靠性评估。实验表明，该方法在静态和动态场景下均能实现高精度重建，且预测的不确定性与重建误差高度相关。
光学三维测量条纹投影深度学习不确定性量化单次成像相位恢复
physics
01-07 00:00
本研究针对加利福尼亚州圣费尔南多谷复杂沉积盆地结构探测的难题，提出了一种全新的概率性图正则化贝叶斯推断模型。该方法创新性地将密集台阵的接收函数（RF）数据与重力观测数据相结合，解决了单一接收函数数据因散射和噪声导致的解释非唯一性问题。模型通过图拉普拉斯算子引入空间平滑约束，在允许密度横向变化的同时，有效整合邻域台站的拾取结果与密度信息，从而更精确地刻画沉积层-基底界面。该方法应用于2023年秋季部署的140个节点数据，成功揭示了Sylmar和San Fernando两个深部次盆地以及Leadwell高地，其结果与工业地震反射剖面高度吻合。
地球物理反演贝叶斯推断接收函数重力数据融合沉积盆地结构图正则化
physics
01-07 00:00
本研究利用二维辐射磁流体动力学代码Lasnex，模拟了高达100 T的轴向磁场对NIF高性能惯性约束聚变实验（如BigFoot N180128及实现点火的N210808、N221204）的影响。核心发现是磁场绝缘效应能约束电子热流并改变α粒子轨迹，从而将热点温度提升50%，中子产额提高2至12倍。例如，仅对N221204施加5-10 T磁场即可使产额提升至少50%。研究还探讨了磁场在未来3 MJ激光能量设计及“推压单壳层”设计中的应用潜力，表明专门针对磁场优化的设计有望获得更大增益。
惯性约束聚变磁流体模拟磁场绝缘聚变产额nif实验激光聚变
physics
01-07 00:00
到2025年，全息断层扫描（HT）已从一种小众光学技术发展成为一个用于生物医学定量、免标记成像的通用平台。它通过重建细胞和组织的三维折射率（RI）分布，实现了高分辨率、低光毒性和最小样本扰动的体积成像。本文重点介绍了该领域的三个新兴方向：深度学习用于虚拟染色和表型分类、扩展到类器官等复杂生物系统，以及与拉曼光谱等互补模态的集成，以增强分子和生物物理特异性。
全息断层扫描生物医学成像人工智能多模态成像定量分析免标记成像
physics
01-07 00:00
本研究提出了GKFieldFlow，一种用于非线性回旋动理学湍流的新型三维自回归深度学习代理模型。该模型基于FieldFlow-Net架构，结合了多分辨率3D U-Net编码器-解码器来处理演化的等离子体势场，并通过扩张时间卷积网络（TCN）学习潜在湍流特征的非线性时间演化。GKFieldFlow能够直接从CGYRO湍流中预测离子和电子能量通量及粒子通量，同时以所需空间分辨率自回归地预测未来的势场，从而复现瞬时输运及其背后的时空动力学。模型设计具有物理信息性：3D卷积保留了回旋动理学涨落的各向异性几何结构和相位结构，而扩张时间卷积则捕捉了多尺度动力学耦合。该模型在所有三个输运通道上均实现了高精度，自回归场推演也以高保真度保留了CGYRO非线性状态的光谱内容、相位相干性和能量分布。
等离子体湍流深度学习代理模型回旋动理学时空预测物理信息神经网络能量通量预测
physics
01-07 00:00
本研究实验演示了一种基于两个电容耦合微机电鼓形谐振器的物理储层计算平台。该平台工作于MHz频段，利用声子腔电机械学概念，通过侧带泵浦在谐振器间产生非线性能量转移动力学。研究通过泵浦幅度调制结合时延反馈回路实现储层计算，并利用奇偶校验和归一化自回归移动平均基准评估性能。该工作展示了一种集传感与计算于一体的紧凑型微机电平台，其侧带泵浦方案可将传统单谐振器储层计算扩展至多模架构。
储层计算微机电系统谐振器耦合非线性动力学声子腔侧带泵浦
physics
01-07 00:00
本研究利用独立式聚合物超表面支持的一阶准连续域束缚态，实现了对单层二硫化钨的强光场增强。通过氮化硅薄膜上的三角形晶格结构激发高阶模式，模拟显示一阶模式在表面产生的场增强远强于零阶模式。实验测得光致发光增强因子高达127，是零阶模式的六倍以上，为二维半导体光-物质相互作用调控提供了新途径。
超表面连续域束缚态二维半导体光场增强光致发光纳米光子学
physics
01-07 00:00
本研究将HCl、H₂O、NH₃和丙酮的红外光谱通过简谐与非简谐振子模型映射至可听声域，揭示了系统性的音高降低、拍频现象及组合谱带的产生。通过构建丙酮分子内振动能量重分布的时变模型，模拟“拨动”单一振动模式后能量流动产生的动态声学纹理。结果表明，声学化的红外光谱为理解分子非简谐性、模式耦合及能量转移提供了直观的教学窗口。
分子声学红外光谱振动能量重分布非简谐振子科学可视化计算化学
physics
01-07 00:00
本研究通过在Mg₂GeO₄中掺杂Ti⁴⁺和Ln³⁺（Ln = Tb, Eu），成功调控了长余辉材料的高温发光性能。其反常热猝灭行为源于Ti⁴⁺ₘg₂⁺作为远程电子陷阱（约20 Å），能稳定俘获非键电子，形成“电子卫星”稳定态。在光/热刺激下，释放的电子与空穴在Tb³⁺的不同能级复合，产生不同分支比的余辉发射。基于此，团队开发了集二维平面、陷阱深度、温度与时间于一体的五维光存储技术，并应用于高温航空航天发动机的加密程序。
长余辉材料反常热猝灭五维光存储电子陷阱锗酸盐磷光体高温应用
physics
01-07 00:00
本研究在光学中引入了“准对称群”的新概念，它源于镜面操作与光自旋轨道相互作用（SOI）的对易性。与自由空间光学中结构场对称性严格受限于光源对称性的“对称性继承”原理不同，研究表明，即使基础光源破坏了标称的旋转对称性，强SOI也能实现准对称性保护的麦子晶格形成。通过分析圆偏振基下电偶极辐射振幅的厄米性，研究推导出仅作用于C3偏振偶极发射器子集的有效镜面算子，从而形成一个与SOI对易的准对称群。该准对称性保证了精确的C3麦子结构，并产生了一个稳健的偏振区域，在此区域内连续变化的输入偏振能产生相同的拓扑纹理。这项工作将准对称性确立为光学物理的新基本原理，并为超越传统对称性约束设计光的拓扑结构开辟了道路。
光学准对称自旋轨道相互作用拓扑光子学麦子晶格偏振光学对称性破缺
econ
01-07 00:00
本研究提出了一种新颖的混合深度学习框架，将大语言模型（LLM）与Transformer架构相结合，用于股票价格预测。该研究解决了现有方法在结合文本与数值数据时缺乏对其交互机制形式化理解的理论空白。具体而言，研究将基于提示的LLM概念化为一个数学定义的信号生成器，能够从金融新闻中提取方向性市场情绪及其置信度分数。这些信号随后通过一个抗噪声的门控机制，与结构化的历史价格特征进行动态融合，使Transformer能够自适应地权衡语义与量化信息。实证评估表明，所提出的混合LLM-Transformer模型显著优于基准Vanilla Transformer，将均方根误差（RMSE）降低了5.28%（p = 0.003）。消融与鲁棒性分析进一步证实了模型在噪声条件下的稳定性，以及通过置信度加权注意力保持可解释性的能力。
股票预测大语言模型transformer混合模型金融科技可解释ai
econ
01-07 00:00
本文提出了一个分析反事实政策对结果变量无条件分位数影响的框架。对于给定的反事实政策，我们获得了处理个体比例发生边际变化和全局变化时，政策效应的识别集。为了进行敏感性分析，我们引入了分位数崩溃前沿曲线。该曲线能够（i）指示敏感性分析是否可行，（ii）在可行时，量化在不同分位数上与给定感兴趣结论一致的选择偏误量。作为示例，我们对工会化低收入工人对（对数）工资分布各分位数的影响进行了敏感性分析。
分位数效应敏感性分析反事实政策识别分析选择偏误
econ
01-07 00:00
本文研究如何设计最优关系契约，以激励专家向新手转移其专业知识。核心矛盾在于，专家担心知识转移会削弱其未来的垄断租金。研究发现，在委托人与专家签订的唯一利润最大化契约中：专家被要求在初始阶段免费、尽可能多地培训新手；随后知识转移以渐进、永久的方式进行，委托人在每次验证转移后向专家提供一次性补偿；即使在长期，完全的知识转移也可能无法实现。该模型为理解中国汽车产业和韩国高铁发展中的成功技术转移案例提供了洞见。
知识转移关系契约激励机制技术扩散委托代理
q-bio
01-07 00:00
本研究首次系统分析了巴西药用植物Ficus maxima（俗称caxinguba）叶片和茎皮的化学成分，并评估了其生物活性。通过UPLC-MS-MS结合分子网络分析，鉴定出45种代谢物，包括黄酮类、三萜类、香豆素等。研究发现，茎皮乙醇提取物在小鼠福尔马林试验（炎症期）和热板试验中表现出显著的镇痛活性，分别涉及毒蕈碱通路和阿片通路。此外，叶片二氯甲烷组分在体外显示出强效的CYP1A1抑制活性。这些结果为该植物在传统医学中用于抗炎镇痛提供了科学依据。
药用植物化学成分分析镇痛活性抗炎天然产物代谢组学
q-bio
01-07 00:00
本研究通过异质 Monod-Wyman-Changeux (MWC) 模型，分析了单个大肠杆菌细胞中混合 Tar/Tsr 趋化受体簇的静态感知极限。通过扫描七维参数空间，计算了信道容量、有效希尔系数和动态范围三个感知性能指标。在大肠杆菌样参数体系中，信道容量始终表现出显著的局部最大值，而其他两个指标则未显示出类似的优化特征。实现最大容量的输入分布是双峰的，这意味着单个细胞通过采样低浓度和高浓度两种状态来最大化信息获取。这些结果表明，在单细胞水平上，大肠杆菌受体簇可能对信道容量存在选择压力。
细菌趋化信道容量mwc模型信息论受体簇参数优化
q-bio
01-07 00:00
本研究提出了一种结合广义多项式混沌（gPC）展开与递归图分析的计算框架，用于量化神经动力系统在参数不确定性下的概率鲁棒性。该方法通过gPC推导平均神经活动信号，并引入新的递归度量指标，评估系统在保持其特定动态模式（如尖峰或振荡）时所能承受的参数变化范围。研究以Hindmarsh-Rose单神经元模型和Jansen-Rit皮层柱模型为例，展示了如何通过概率模式保持（PRP）图直观呈现参数不确定性对动力学模式鲁棒性的影响。
神经动力学概率鲁棒性分析广义多项式混沌递归图分析参数不确定性计算神经科学
q-bio
01-07 00:00
本研究将验证研究中参考集的构建形式化为一个明确的多目标设计问题。通过定义可解释的目标函数（涵盖结构、物理化学和响应多样性），并采用遗传算法作为探索性求解器，可视化设计空间中的权衡结构。该框架不规定“最优”参考集，而是支持系统探索可行设计，并明确比较其在多维设计空间中的位置。以毒性检测验证为案例的分析表明，参考集选择是一个独立的设计轴，它决定了评估中观察到的模型行为特征，而不应将这些效应归因于模型性能本身。
验证研究参考集设计多目标优化毒性检测遗传算法设计空间探索
q-bio
01-07 00:00
本研究提出了一种基于双曲几何的生理学模型，解释了神经感受野如何从尺度无标度网络的结构中自然涌现。通过将刺激空间映射到双曲嵌入的边界，模型无需精细调节突触连接，即可在速率模型和脉冲神经元模型中产生反映刺激空间结构的局部活动模式。生成的感受野符合实验观测的统计特性，其大小取决于神经元的连接度。该框架适用于多种刺激维度和模态（如方向选择性、位置选择性），并得到了海马位置野实验数据的支持。
双曲几何感受野尺度无标度网络神经动力学海马体刺激编码