视频分享平台信息失序现象研究综述
本文综述了视频分享平台作为信息枢纽所面临的信息失序问题，涵盖误导性叙事和捏造内容。研究从信息失序类型、方法论路径和平台特性三个维度，系统梳理了多媒体生态系统相关研究，并指出了未来研究的关键挑战与开放性问题。
2025-12-01 速览
2025-12-01 共 144 条抓取，按综合热度排序
EvalCards：标准化评估报告框架解决NLP评估透明度问题
针对当前NLP领域评估报告在可复现性、可访问性和治理方面的不足，研究者提出了EvalCards框架。该框架旨在通过标准化报告格式，提升模型评估的透明度，为研究人员和从业者提供实用基础，并满足新兴的治理要求。
TIPPo框架：通过共性-差异建模提升多模态生成的主题一致性与风格统一
针对多模态生成中存在的跨模态语义不匹配、风格不一致问题，研究者提出了TIPPo框架。该框架通过多模态编码器提取文本、图像及视觉原型信号，并利用双对齐注意力与差异算子模块进行显式的共性-差异建模。同时，引入PolishPPO强化风格一致性，并在监督微调阶段采用无监督对比学习防止表征坍缩。实验表明，该方法在自动评估及基于大模型的创造力、语义一致性指标上均表现出色。
Cacheback：仅用缓存实现推测解码，加速大模型推理
本文提出Cacheback解码，一种无需训练、模型无关的推测解码方法。它利用语言中的局部性，仅依赖最近最少使用（LRU）的n-gram缓存表来生成草稿序列。尽管设计极简，Cacheback在同类方法中达到了最先进的性能，其简洁性便于集成到现有系统中，并显示出快速适应新领域的潜力。
47B专家混合模型在中文医学考试中超越671B密集模型
本研究对27个前沿大语言模型在中文医学考试题目上的表现进行了全面评估。评估框架包含心血管、消化内科等7个专科、两个专业级别的2800道题目。结果显示，Mixtral-8x7B（47B参数）以74.25%的准确率位居榜首，超越了DeepSeek-R1-671B（64.07%），表明模型性能与参数规模无必然关联。表现优异的模型在不同难度级别间性能下降极小，展现了良好的泛化能力。该基准为LLM在医学教育和临床决策支持中的应用提供了关键参考。
CSV-Decode：一种保证正确性的高效大语言模型推理方法
本文提出CSV-Decode方法，通过几何上界为每个解码步骤构建小型子词表，实现高效的稀疏计算。该方法离线聚类词嵌入，利用质心加半径的边界来安全地排除无需计算的词元，从而在保持精确Top-k认证和ε认证的Softmax近似双重正确性保证的同时，显著加速大语言模型推理。系统实现包含稀疏GEMV内核、多GPU分片和CUDA图优化。
评估嵌入泛化：LLM、LoRA与SLERP如何影响表示几何
本研究通过设计受控的数字序列嵌入实验，系统比较了不同模型架构与融合方法对文本嵌入泛化能力的影响。研究发现，基于大语言模型（LLM）的骨干网络能更好地捕捉高阶组合模式，但参数高效微调（如LoRA）易导致“适配器主导”问题，损害平衡泛化。而使用球面线性插值（SLERP）进行模型融合，能有效恢复基础模型结构并保留大部分任务增益，在聚类可分性与鲁棒性上优于模型融合或未融合模型。
wav2vec2预训练模型的跨语言迁移能力研究
本研究系统评估了15个基于wav2vec2架构的大型预训练模型在18种语言上的语音识别性能。研究发现，预训练数据的多样性比数据量对最终性能的影响更为关键。实验表明，模型在印欧语系语言上的表现优于非印欧语系语言，并且存在正向的跨语言知识迁移，这种迁移在预训练语言与下游任务语言更相似时更为显著。
Insight-A：基于归因感知的多模态虚假信息检测新方法
针对AI生成内容（AIGC）带来的多模态虚假信息威胁，本研究提出Insight-A框架，通过探索虚假信息的归因属性来提升检测效果。该方法包含两大核心：一是将虚假信息溯源至伪造来源，二是采用分层推理流程检测跨模态失真。具体技术包括建模感知与推理复杂关联的交叉归因提示（CAP）、减少人工标注主观性的自动归因去偏提示（ADP），以及增强跨模态一致性检查的图像描述（IC）。实验验证了该方法的优越性，为AIGC时代的虚假信息检测提供了新范式。
无需训练模型，大语言模型嵌套优化方法提升目标导向对话成功率
本文提出NRPA-GD方法，将大语言模型（LLM）与嵌套蒙特卡洛模拟及策略自适应优化框架结合，用于目标导向对话任务。该方法无需针对特定任务训练模型，而是利用LLM同时模拟用户和系统行为，动态调整对话策略。实验表明，该方法在四个典型数据集上超越了现有提示工程和预训练模型方法，甚至仅用6亿参数的LLM就超越了ChatGPT和专用预训练策略模型的表现。
无线原生多模态大模型：用无线信号感知物理世界的新范式
本文提出并构建了一种无线原生多模态大模型，旨在利用无线信号作为核心模态来感知和理解物理世界。该模型采用GPT架构，通过在真实世界大规模数据集上进行对比学习训练，将通信、感知与智能深度融合。实验表明，其性能显著优于现有小规模模型及通用多模态大模型，验证了无线信号作为通用模态的可行性，为未来无线网络智能演进提供了新范式。
大语言模型在数据准备任务中的表现评估
本研究探讨了大语言模型在数据准备这一关键但劳动密集型任务中的自动化潜力。研究通过向通用及针对表格数据微调的大语言模型提供低质量数据集，评估其在数据剖析与清洗等任务上的表现，并与传统数据准备工具进行对比。为衡量模型能力，研究者开发并验证了一个定制化的质量评估模型，并通过用户研究洞察了从业者的实际期望。
量化与缓解大语言模型选择偏差：一种可迁移的LoRA微调与高效多数投票方法
本文针对大语言模型在多项选择题任务中存在的选择偏差问题，提出了三项核心贡献。首先，提出了一种无需标注的无监督排列偏差度量方法，能更精确地量化模型预测在不同答案排列下的不一致性。其次，设计了一种高效的多数投票方法，通过批量问题-上下文KV缓存显著降低计算成本。最后，基于上述度量与高效投票方法，提出了一种无监督的LoRA微调策略，在缓解选择偏差的同时保持了模型的泛化能力。实验表明，该方法在多个基准测试上有效降低了偏差，提升了预测一致性，并显著减少了计算开销。
大语言模型中的偏见检测与缓解：评估与优化策略
本研究系统评估了BERT、GPT-3.5等大语言模型中存在的显性与隐性社会偏见，包括性别、种族等方面。研究采用StereoSet和CrowSPairs等基准测试，并运用包含微调、提示工程和数据增强的三管齐下方法进行缓解。结果显示，微调模型在识别种族偏见方面表现良好，但在处理性别偏见时存在困难，且模型易过度依赖提示关键词。通过优化策略，模型在隐性偏见基准上的性能提升最高可达20%。
EulerESG：基于大语言模型的ESG报告自动化分析系统
针对企业ESG报告多为冗长、异构PDF文档，难以系统分析的问题，本研究提出了EulerESG系统。该系统结合了双通道检索与LLM驱动的披露分析，并配备了交互式仪表盘和聊天机器人，用于探索、基准测试和解释。实验表明，EulerESG能够以高达0.95的平均准确率自动填充标准对齐的指标表，同时保持实用的端到端运行时间。
GPS：首个通用按样本提示生成方法，无需任务特定训练即可提升LLM性能
针对大语言模型对提示词敏感且人工设计耗时的问题，本研究提出了GPS，一种通用的按样本提示生成方法。该方法通过强化学习在任务套件上训练提示生成器，并引入新颖的正则化技术，使其能为每个未见过的输入生成定制化提示，无需针对特定任务进行调优或访问任务训练集。实验表明，GPS在文本简化、摘要和分类等任务上取得了与基线模型相当或更优的性能，并在GSM8K数学推理任务上实现了最先进的结果。
CrossCheck-Bench：诊断多模态冲突解决中的组合性失败
本文提出了CrossCheck-Bench，一个用于评估多模态大语言模型检测输入中矛盾能力的诊断性基准。该基准包含1.5万个问题对，涵盖三个推理复杂度层级和七项核心能力。对13个前沿模型的评估显示，模型在从感知匹配转向逻辑矛盾检测时性能普遍下降，尤其在需要综合多线索进行推理时表现不佳。研究表明，传统的提示策略收效甚微，而将符号推理与视觉处理相结合的方法能带来更稳定的改进。
PeerCoPilot：基于大语言模型的行为健康组织助手
本文介绍了PeerCoPilot，一个为行为健康组织中的同伴支持工作者设计的大语言模型助手。该系统通过检索增强生成技术，访问超过1300个经过审核的资源数据库，帮助工作者制定健康计划、分解具体目标并定位组织资源。在包含15名工作者和6名服务用户的人体评估中，超过90%的用户支持使用该助手。与基线模型相比，PeerCoPilot能提供更可靠、更具体的信息。目前该系统已在一个服务超万名用户的大型组织（CSPNJ）中部署使用。
德国通用人物角色集合：基于社会调查的LLM人口对齐研究工具
本研究推出了德国通用人物角色（GGP）集合，一个基于德国综合社会调查（ALLBUS）构建的、全面且具代表性的人物角色提示集合。该集合旨在通过人物角色提示，引导大型语言模型生成与德国人口特征对齐的回应。评估显示，在模拟各类话题的调查回应分布时，GGP引导的LLM表现优于现有先进分类器，尤其在数据稀缺情况下。该资源为基于LLM的社会模拟研究提供了系统化探索人口对齐提示的新工具。
集成统计与机器学习的生物研究自动化分析平台
本研究提出一个集成平台，将经典统计方法（如t检验、ANOVA、相关性分析）与随机森林分类等机器学习技术相结合，旨在解决生物研究中多工具切换导致的工作流效率低下问题。平台实现了自动超参数优化、特征重要性分析及数据预处理，为无丰富编程经验的研究者提供了统一接口。初步测试表明，该平台能在保持方法严谨性的同时，通过提升分析效率和可解释性来加速生物发现流程。
BeeRNA：基于人工蜂群算法的RNA三级结构逆折叠设计方法
本研究提出BeeRNA，一种基于人工蜂群优化算法的RNA逆折叠设计方法，旨在解决为特定三级结构设计核苷酸序列的计算难题。该方法结合碱基对距离筛选与基于RMSD的结构评估，并考虑热力学约束与自适应突变率，以生成具有平衡GC含量的生物合理序列。在短链与中链RNA（<100 nt）设计上，BeeRNA在保证高结构保真度的同时实现了实用的CPU运行时间，为合成生物学与生物技术中的RNA设计提供了新的无训练、轻量级工具。
基于密度神经时序点过程的心跳动态建模研究
本研究将密度神经时序点过程应用于18名受试者的心跳动态建模。该方法利用时序点过程捕捉潜在的生理归纳偏置。研究者从经典点过程文献中引入拟合优度框架，用于优化神经时序点过程的超参数、确定捕捉时间依赖性的合适训练序列长度，并在心跳数据上展示了零样本预测能力。
DeepPNI：基于语言和图模型的突变驱动蛋白-核酸结合能预测
本研究开发了名为DeepPNI的深度学习回归模型，用于预测氨基酸突变对蛋白-核酸复合物结合自由能的影响。模型整合了来自1951个突变的结构与序列特征，其中结构特征通过边缘感知RGCN编码，序列特征由蛋白质语言模型ESM-2提取。在五折交叉验证中，模型取得了0.76的平均皮尔逊相关系数，并在蛋白-DNA、蛋白-RNA子集及不同温度的实验数据集上表现一致，证明了其泛化能力与鲁棒性。
有限序列数据可重构一级系统发育网络的条件与算法
本研究首次为一级半有向系统发育网络的有限序列重构问题建立了理论边界。针对允许谱系合并的进化网络模型，研究证明在Cavender-Farris-Neyman演化模型下，重构正确网络所需的序列长度随分类群数量呈对数、多项式或多对数级增长，具体取决于参数区间。研究同时提出了新的四分类群推断规则，为网络重构提供了算法基础。
新方法揭示新冠病毒变异株全球传播路径：非洲和印度次大陆为主要突变源
研究者开发了一种名为S-EPS的系统发育无偏框架，通过分析2020年3月至2024年6月期间全球13个区域的660万份新冠病毒基因组数据，揭示了其全球传播的源-汇动态。研究发现，非洲和印度次大陆是产生关键突变的主要源头，东南亚是早期传播枢纽，而俄罗斯和南美洲则主要扮演了“接收者”的角色。关键突变在源地区建立适应性所需时间更长，但一旦受体结合域上的氨基酸替换在主要源头达到1%的流行率，就有80%的概率传播到其他地区，中位领先时间为2个月。
短期突触可塑性通过蹦床机制唤醒被遗忘的记忆
本研究通过理论分析和数值模拟，揭示了短期突触可塑性在Hopfield联想记忆网络中的关键作用。研究发现，短期可塑性虽对临界记忆容量提升有限，但在超载状态下能显著增强记忆提取。其机制类似于蹦床：网络活动轨迹短暂接近某个被存储但已遗忘的记忆模式时，短期可塑性会动态降低该模式附近的能量，从而“捕获”并稳定网络状态，实现记忆唤醒。研究还发现了与瞬态动力学匹配的最佳可塑性时间常数。
谱Koopman算子框架：为随机反应网络提供低维动态表征
本研究提出了一种用于随机反应网络的谱Koopman算子框架。该框架通过利用Koopman算子的紧致性，能够从模拟或实验数据中直接提取主导谱模式，从而为这类高维、复杂的连续时间马尔可夫跳跃过程提供一个可处理的低维动态表征。该方法不仅能高效预测所有初始状态下的矩、事件概率等统计量，还推导了连续时间参数敏感性和交叉谱密度，为探究噪声结构和频域行为提供了新工具。研究在合成细胞内反馈控制器、随机振荡器等生物相关系统中验证了其有效性。
细胞如何共享有限资源？新理论揭示分支状肌动蛋白网络的共存与选择机制
本研究提出了一种理论，解释了细胞中不同密度的分支状肌动蛋白网络如何在一个共享且有限的单体池中动态共存。核心发现是，网络的生长会局部消耗单体，从而在密度与生长速率之间形成负反馈回路，这一竞争关系可由一个中心方程描述。理论分析表明，随着竞争强度增加，网络会从共存状态转变为选择状态，而无需特定的分子过程参与。该理论与时空模拟结果高度一致，表明局部单体消耗是调控分支肌动蛋白网络生长的决定性因素。
LAYER框架：可解释AI揭示筋膜等非肌肉组织在腰背肌筋膜痛中的关键作用
本研究开发了名为LAYER的可解释人工智能框架，用于分析三维超声图像中的六个组织层，并量化它们对肌筋膜性腰背痛的预测贡献。基于超过4000次扫描的大规模队列，研究发现非肌肉组织（如深筋膜膜）对疼痛预测具有显著贡献，其显著性甚至接近肌肉组织，挑战了传统以肌肉为中心的疼痛研究范式，为疼痛机制理解和靶向治疗提供了新的定量、可解释的分析工具。
利用大规模并行模仿学习模拟小鼠前肢肌肉骨骼抓取动力学
本研究开发了一个行为驱动的仿真平台，用于模拟高保真的行为动力学、生物力学和神经回路。通过整合来自神经科学实验室的运动学数据，建立了一个在生物力学模型中复现自然运动的流程。研究团队在模拟物理环境中，利用模仿学习框架，使肌肉骨骼模型执行灵巧的前肢抓取任务。得益于JAX和Mujoco-MJX的GPU加速，小鼠手臂模型的训练速度超过每秒100万步。结果表明，对能量和速度施加自然主义约束，能使模拟的肌肉骨骼活动更好地预测真实的肌电图信号，这为能量和控制约束在建模肌肉骨骼运动控制中的关键作用提供了证据。
电子密度图提升3D分子学习：在亲和力预测与量子性质任务中展现优势
本研究评估了电子密度图作为3D分子学习输入的潜力。相比传统的原子类型表示，电子密度图提供了连续且物理基础更强的信息。在蛋白质-配体结合亲和力预测（PDBbind）和量子性质预测（QM9）任务中，基于体素的3D卷积神经网络测试了原子类型、原始电子密度和密度梯度幅度三种输入。结果显示，在数据有限时，基于密度的输入在亲和力预测中表现更优；在量子性质预测中，即使输入密度来自较低精度方法，基于密度的输入在大规模数据下仍能超越原子类型表示，表明其编码了丰富的结构和电子信息。
线性时间识别所有snarls和superbubbles：基于SPQR树的统一框架
本研究首次提出了在线性时间内识别所有snarls的算法，并基于统一的SPQR树框架，同时为superbubbles的识别提供了新的线性时间算法。该框架通过将气泡状结构建模为底层无向图的2-分离器，利用SPQR树编码所有2-分离器的特性，高效地遍历并发现这些结构。算法在多种泛基因组数据集上评估，识别snarls的速度比vg工具快达2倍，识别superbubbles的速度比BubbleGun快达50倍，为泛基因组学中的关键结构分析提供了高效统一的解决方案。
Deep Learning Architectures for Code-Modulated Visual Evoked Potentials Detection
arXiv:2511.21940v1 Announce Type: cross Abstract: Non-invasive Brain-Computer Interfaces (BCIs) based on Code-Modulated Visual Evoked Potentials (C-VEPs) require highly robust decoding methods to address temporal variability and session-dependent noise in EEG signals. This study proposes and evaluates several deep learning architectures, including convolutional neural networks (CNNs) for 63-bit m-sequence reconstruction and classification, and Siamese networks for similarity-based decoding, alongside canonical correlation analysis (CCA) baselines. EEG data were recorded from 13 healthy adults under single-target flicker stimulation. The proposed deep models significantly outperformed traditional approaches, with distance-based decoding using Earth Mover's Distance (EMD) and constrained EMD showing greater robustness to latency variations than Euclidean and Mahalanobis metrics. Temporal data augmentation with small shifts further improved generalization across sessions. Among all models, the multi-class Siamese network achieved the best overall performance with an average accuracy of 96.89%, demonstrating the potential of data-driven deep architectures for reliable, single-trial C-VEP decoding in adaptive non-invasive BCI systems.
化学网络资源分配随机模型揭示新型最优调控机制
本研究分析了化学反应的随机模型，该模型包含三类化学物质，可将外部资源流转化为产物。研究重点探讨了当资源流过低时，通过化学物质R的隔离进行调控的机制，其灵感源于生物细胞基因表达的关键调控机制——严格反应。通过尺度分析，研究意外地发现了三种可能的渐近状态，并对应建立了具有快速过程的随机平均原理。其中一种“最优隔离状态”此前未被识别，它能在低资源输入下仍保持网络状态良好，显示出该调控机制的高效性。
快速动态相似性分析：高效比较神经系统的动态过程
本文提出了一种名为fastDSA的新方法，用于高效比较神经系统的动态相似性。该方法通过数据驱动的奇异值阈值自动选择有效的Hankel嵌入模型阶数，并采用一种新颖的优化过程来替代计算成本高昂的正交约束。实验表明，fastDSA在保持准确性和鲁棒性的同时，计算速度比现有方法快至少一个数量级。
首个扩散Transformer模型实现条件化4D fMRI合成
本研究首次提出了一种用于体素级4D fMRI条件生成的扩散Transformer模型。该模型结合了3D VQ-GAN潜在压缩、CNN-Transformer主干网络，并通过AdaLN-Zero和交叉注意力实现强任务条件化。在HCP任务fMRI数据上，模型成功复现了任务诱发激活图，保持了真实数据中观察到的任务间表征结构，实现了完美的条件特异性，并使ROI时间序列与经典血流动力学响应对齐。模型性能随规模扩大可预测地提升，任务诱发图相关性达0.83，RSA达0.98，在所有指标上均超越U-Net基线。
实验揭示神经元隐藏状态：电压钳与电流钳结合构建稳态分岔图
本研究提出了一种通用实验方案，通过结合慢斜坡电压钳（闭环反馈）和电流钳（开环）电生理学协议，系统构建了内嗅皮层神经元（兴奋性与抑制性）的稳态分岔图。该方法能动态揭示电流钳实验中稳定与不稳定（隐藏）的稳态，并通过观测稳态与峰电位状态间的转换，为稳态的稳定性与分岔提供证据。这种不依赖模型的技术扩展了模型验证的范围，覆盖了相空间中原本无法触及的区域，并实验验证了经典的慢-快分解方法。该研究为利用更先进的控制策略观测复杂隐藏状态、超越药理学操作控制真实细胞开辟了新途径。
面向超宽带信号的频谱感知智能反射面配置技术
针对超高频无线通信中信号易被遮挡及宽带信号易产生波束分裂效应的问题，本研究提出了两种高效的智能反射面配置技术。这些技术基于对反射面进行局部优化，并充分利用波束分裂效应，同时考虑发射信号的频谱形状。仿真结果表明，相较于传统的窄带优化方案或对整个反射面进行全局优化的方法，所提技术能显著提升接收端的信号功率。
Minkowski不等式稳定性研究：接近球体的几何形状
本文研究了Minkowski不等式在接近球体的几何形状上的稳定性。对于与球体C^1接近的域，我们建立了σ_k曲率积分正部的稳定性不等式，并针对轴对称扰动给出了相应结果。最后，通过构造反例，证明了若不补偿曲率的负部积分，这些不等式将不再成立。该工作将Glaudo关于平均曲率积分的结果推广至完全非线性情形。
双曲O(N)线性σ模型的大N极限与平均场收敛性研究
本研究探讨了二维环面上双曲O(N)线性σ模型的大N极限行为。该模型由N个相互作用的随机阻尼非线性波动方程耦合而成。研究首先证明了模型及其平均场极限方程的全局适定性，随后在一般初始条件下建立了模型向平均场极限的收敛性，并获得了局部时间尺度上收敛速率约为N^{-1/2+ε}的精确估计。此外，研究还证明了模型的吉布斯不变测度动力学在任意长时间区间上以相同速率收敛于平均场极限。
基于极限轮廓的实数序列空间分类
本研究提出了一种基于极限轮廓（liminf, limsup）对实数序列空间 Seq(ℝ) 进行构造性分类的新框架。该框架将序列空间划分为七个互不相交的宏观区块，涵盖了从有限收敛到有界及无界振荡等所有行为。研究为每个区块提供了闭式代表序列，证明了每个类都具有连续统的基数，并通过理想化连通图与点积连接关系，揭示了序列空间丰富的内部有向图结构。
Rankin-Selberg积分正则化与Gan-Gross-Prasad猜想的新进展
本研究利用Rankin-Selberg Zeta积分的留数，为一般线性群上的非调和自守表示构造了周期积分的正则化方法。论文证明了该方法满足全局非调和Gan-Gross-Prasad猜想及其Ichino-Ikeda细化，并构建了相应的局部正则化形式。结合Chan、Chen等人的先前工作，该成果在特征零的局部域上完全解决了相关猜想。
流体天线系统赋能无人机中继网络的有限块长性能分析
本文为工作在有限块长机制下的流体天线系统（FAS）赋能无人机中继网络建立了全面的性能分析框架。核心贡献在于提出了一种严谨的方法来刻画不同传播环境下的系统可靠性。通过采用基于特征值的可处理近似来建模空间相关的无人机-用户链路，并假设其独立分集分量服从Nakagami-m衰落，推导出了误块率的闭式表达式。该方法同时适用于视距主导的乡村环境和概率性非视距的城市场景。此外，还进行了高信噪比渐近分析，揭示了无人机-用户链路的根本分集阶数。基于此，进一步解决了能量效率这一实际问题，构建了一个考虑FAS端口选择过程固有时间和能量开销的现实能量效率最大化问题，并提出了一种高效的分层算法来联合优化关键系统参数。
矩阵指数逼近新方法：集中实极点实现时间一致最优逼近
本研究提出了一种用于逼近时间相关指数函数 exp(-tz) 的渐近最优集中实极点选择方法，将经典结果推广至正时间区间上的时间一致逼近。数值实验表明，该方法在不同时间范围和逼近阶数下均表现出接近最优的性能。论文还探讨了该方法在线性常系数初值问题中的应用。
深度神经网络如何发现高阶关联函数：从凝聚态物理视角看图像识别
本文提出，深度神经网络在图像识别等任务中的成功，源于其能够发现数据集中存在的高阶关联函数。作者认为，DNNs实现了一种在凝聚态物理和材料科学中广泛使用的方法论，即聚焦于介于原子/分子尺度与连续介质尺度之间的介观关联结构。这一视角有助于解释DNNs为何能在看似违反传统统计学习理论的情况下实现良好的泛化能力。
STIRAP技术中叠加态相对相位的调控机制研究
本研究探讨了当最终态为两个非简并态的叠加态时，受激拉曼绝热通道（STIRAP）过程的相位演化。在一个由四个态和两个光场耦合的系统中，研究发现最终叠加态的相对相位取决于绝热转移脉冲的相对振幅、宽度和时序。这些发现对于利用原子和分子系统进行对称性破缺测量的实验具有重要指导意义。
统一模型解释雷暴高能辐射：从地面增强到伽马射线闪
本研究提出了一个统一的双阶段模型，将雷暴中观测到的多种高能辐射现象解释为同一逃逸过程在不同大气深度的表现。通过整合卫星、飞机、气球和地面实验数据，该模型解决了领域内的关键矛盾，并基于物理机制而非探测器位置提出了新的分类标准，深化了对雷暴中粒子加速机制的理解。
电场调控苯并卟啉互变异构实现三态分子开关
本研究通过密度泛函理论和量子输运计算，揭示了金属游离苯并卟啉的互变异构现象可由外加电场调控。不同于传统对称卟啉，其结构各向异性增强了电场响应，三种互变异构体展现出截然不同的电子输运特性，证实了其作为三态分子开关的潜力。进一步研究表明，融合两个苯并卟啉单元不仅能保留多态可区分的输运特征，实现多态分子寄存器功能，还能作为具有更高电导的分子导线。
QuantumChem-200K：用于光引发剂AI设计的大规模量子化学数据集
研究团队发布了包含20多万个有机分子的QuantumChem-200K数据集，通过混合计算工作流标注了11种关键量子化学与光物理性质，如双光子吸收截面和系间窜越能。基于此数据集微调的大语言模型Qwen2.5-32B，在光引发剂核心性质预测上显著优于GPT-4o等通用模型，为高通量AI驱动光敏材料发现提供了首个可扩展平台。
室内呼吸道疾病传播风险呈双峰分布，新模型揭示气流与行为的关键作用
研究团队提出了一个名为CompARE的综合风险评估框架，用于评估室内空气传播疾病。该框架结合计算流体动力学、机器学习和基于智能体的建模，揭示了由气流动力学和人类行为驱动的感染风险呈现显著的双峰分布。在一个典型托儿中心的模拟中，研究发现，即使在相同的整体环境下，个体间的感染风险差异可超过两倍，且风险分布模式因活动类型而异，包括指数衰减和厚尾行为。该模型支持近实时场景分析，为通风设计、空间布局和社交距离政策提供了量化见解。
NetworkGames：基于人格化LLM智能体的网络博弈合作演化模拟
本研究提出NetworkGames框架，利用基于大语言模型（LLM）的智能体模拟网络博弈中的合作演化。每个智能体被赋予MBTI人格特质，并置于小世界或无标度等不同网络结构中。通过迭代囚徒困境模拟，研究发现宏观合作结果不仅取决于成对交互，更受网络连通性与人格空间分布的共同影响。例如，小世界网络不利于合作，而在无标度网络中将亲社会人格置于枢纽位置可显著提升合作水平。
基于U谱的超声多普勒成像超杂波伪影抑制新方法
本研究提出了一种名为UPBD的鲁棒且计算高效的方法，用于抑制超快超声多普勒成像中的超杂波伪影。该方法利用奇异值分解（SVD）导出的空间奇异向量，通过分析像素沿奇异阶维度的强度分布，生成空间自适应的去杂波权重图。在多个体内数据集上的评估显示，UPBD在对比度噪声比和对比度组织比方面显著优于传统SVD滤波，有效提升了成像质量。
多语言自动微分模块及其在分布式并行粒子模拟中的应用
本文开发了一个快速、透明的自动微分模块，可轻松集成到多种仿真代码中。该模块已成功应用于基于MPI的分布式并行粒子模拟代码，实现了仿真结果及其对输入参数导数的同步输出。这为研究仿真结果的参数敏感性以及基于梯度的快速优化设计提供了高效工具。
海岸建模中相位平均与相位分辨波浪模型的综合评述
本文系统回顾了海岸工程与海洋学中数值波浪模型的发展与性能，重点对比了相位平均谱模型（如SWAN、WAVEWATCH III）与相位分辨模型（如FUNWAVE、SWASH）的差异。文章评估了各类模型在近岸条件下的效率、精度、非线性波-波相互作用、波浪破碎及波-流相互作用等方面的模拟能力，并讨论了其在业务预报、极端事件模拟、海岸结构设计及气候变化影响评估中的应用。同时指出了模型在计算可扩展性、物理参数化及耦合方面的局限性，并展望了高分辨率建模与混合模型的新趋势。
GANDALF：一款基于JAX的硬件无关等离子体湍流谱求解器
本文介绍了GANDALF，一款基于JAX的谱求解器，用于研究动力学约化磁流体动力学湍流。该工具通过硬件抽象，可在笔记本电脑、桌面GPU和苹果芯片上无缝运行，无需修改代码，显著降低了等离子体湍流研究的基础设施门槛。它采用傅里叶谱方法进行空间离散化，结合厄米谱基处理速度空间，并利用指数积分因子方法精确传播线性阿尔芬波，消除了相关的数值刚性。验证表明其具有研究级精度，并能复现预期的湍流能谱。GANDALF旨在为缺乏高性能计算资源的研究人员、学生和小型研究团队提供便捷的研究工具。
利用声子晶体缺陷模式生成声子频率梳
本研究提出了一种利用二维六边形声子晶体中的点缺陷局域模式来生成声子频率梳（PFCs）的方法。数值模拟表明，在单音驱动下，缺陷局域振动模式能产生均匀间隔的频谱线，实现稳健的能量转移并生成频谱边带。该工作展示了缺陷工程作为可调谐平台在生成PFCs方面的潜力，对高分辨率传感、计时及量子声学技术具有重要应用价值。
帕克太阳探测器揭示太阳风低变率区与日冕源区的关联
帕克太阳探测器在近日点观测到高速太阳风流，通过磁连通性分析和源区建模，发现约一半的低磁场变率区与日冕源区的低变率相关。研究指出这些“低变率”期可能源于太阳本身，为理解太阳风起源提供了新线索。
全光学光子晶体测辐射热计实现超低热容，为可扩展热成像提供新路径
本研究提出并演示了一种新型非制冷热探测器，通过全光学转换机制解决了现有技术的瓶颈。该探测器集成了热解碳吸收体、氧化锆空心结构热隔离层和硅光子晶体腔光学温度计，在常温常压下实现了1.1×10^7 Jones的比探测率和34微秒的热时间常数，速度比典型高灵敏度非制冷技术快一个数量级。其光学读出对压力不敏感，可在速度与灵敏度之间进行权衡调节，为构建可扩展的高性能热成像系统提供了通用架构。
黑洞阴影揭示宇宙膨胀新线索：4D爱因斯坦-高斯-博内引力与卡尼亚达基斯全息暗能量研究
本研究结合事件视界望远镜（EHT）对黑洞的直接成像，探讨了4D爱因斯坦-高斯-博内引力与卡尼亚达基斯全息暗能量模型下的宇宙演化及黑洞光学表现。通过宇宙计时器与Ia型超新星数据，利用马尔可夫链蒙特卡洛分析约束模型参数。结果显示，晚期宇宙倾向于类似幻影的物态方程，且尽管数据偏好正的高斯-博内耦合常数α，但结果在2σ置信水平下仍与广义相对论（α=0）一致。基于约束参数模拟黑洞质量吸积历史并计算阴影半径演化，发现在实际等离子体环境中，折射效应会掩盖内在的引力与暗能量特征，导致阴影整体收缩。然而，在红移z≲1.5时，相对于标准ΛCDM模型，仍存在约1%–1.5%的特征性系统内在偏差。这表明，尽管环境效应占主导，对黑洞阴影群体的精确统计分析仍有可能从标准宇宙学图景中分离出这些细微的动态暗能量信号。
LMT望远镜2毫米接收系统B4R完成科学验证，助力高红移星系探测
本文介绍了安装在墨西哥大型毫米波望远镜上的2毫米波段接收系统B4R的首次在轨测试与科学验证结果。该系统基于ALMA技术，旨在通过探测多条一氧化碳谱线，高效识别高红移尘埃恒星形成星系的光谱红移。测试期间，系统成功对猎户座分子云及高红移星系进行了观测，性能基本达到设计指标，并测量了望远镜在130-160 GHz频段的孔径效率。B4R将显著提升LMT在2毫米波段的单天线光谱观测灵敏度。
HIP-44302：从候选行星到三恒星系统的范式转变
本研究通过整合凌星数据、高分辨率成像和全局建模，证实TESS观测到的HIP-44302并非行星候选体，而是一个由一对紧密食双星（周期9.6天）与一颗遥远单星（相距约297 AU）构成的三恒星系统。研究团队利用升级的EXOFASTv2软件，结合光谱能量分布和恒星演化模型，成功解析了系统中两颗A型星和一颗G型星的物理参数。这项工作展示了一种无需大量后续观测即可高效、明确识别和排除系外行星假阳性信号的新范式。
利用盖亚卫星通过天体测量微引力透镜探测奇异暗天体
本研究首次全面分析了奇异天体物理暗天体（如Q球和玻色子星）通过天体测量微引力透镜产生的独特信号。这些扩展天体与点质量透镜（如原初黑洞）不同，会在透镜半径低于临界阈值时形成焦散结构，导致图像质心轨迹出现不连续跳跃。研究利用盖亚DR3恒星目录预测，在10年任务期内可探测多达约6000个天体测量微引力透镜事件，峰值质量范围为1-10倍太阳质量。若无异常探测，盖亚数据可在90%置信水平上对奇异天体的丰度施加严格限制，在1-10倍太阳质量范围内的约束力显著强于现有光度微引力透镜方法。
早期宇宙辐射如何塑造最暗矮星系的命运
LYRA高分辨率宇宙学模拟研究显示，早期宇宙的莱曼-维尔纳背景辐射对超暗弱矮星系的形成具有决定性影响。该研究通过65个局部星系群环境的暗物质晕模拟发现，辐射强度差异可将暗物质晕发光阈值从1000万太阳质量提升至1亿太阳质量，导致低质量星系形成显著差异的恒星-晕质量关系。
HITRAN2024甲烷光谱数据库更新：新增4万条谱线，提升行星大气探测精度
为准备2024版HITRAN数据库，研究团队整合了多项研究的光谱参数，对甲烷数据进行了大规模更新。通过高分辨率光谱验证，替换了约6万条谱线，并新增4万条谱线，将数据库覆盖范围从12,000 cm⁻¹扩展至14,000 cm⁻¹。更新重点针对多个遥感仪器关注的波段，通过比较不同谱线列表，择优选取参数。此外，在ν₃波段引入了新的压力加宽函数，以替换过时或不合理的数据，显著提升了数据库在行星大气和天体物理研究中的准确性与可靠性。
首次测量YZ Ceti恒星磁场，评估其与岩石行星的磁相互作用
本研究首次报告了对恒星YZ Ceti大尺度磁场拓扑结构的测量，并结合其岩石行星YZ Ceti b轨道相位窗口内重复出现的强圆偏振射电信号，评估了磁星-行星相互作用的可能性。研究发现，现有证据既有支持也有反对该假说，但关键的是，测得的磁场并未排除相互作用场景。未来需要更精确地评估磁场随时间演化，以明确判断。研究还提出，行星穿越阿尔芬表面可能触发行星诱导的恒星耀斑。
CAMELS模拟揭示星系内禀排列受重子模型显著影响
本研究利用CAMELS流体动力学模拟首次探测到星系的内禀排列信号。研究发现，排列幅度显著依赖于宇宙学参数（Ω_m, σ_8）和超新星反馈参数（A_SN1, A_SN2），但与活动星系核反馈无关。静止星系的排列幅度比恒星形成星系高一个数量级。超新星反馈对两类星系排列信号的影响机制不同，表明不同星系类型存在不同的排列机制。这些结果为理解星系形成和未来弱引力透镜分析中的排列模型提供了关键见解。
CRK-HACC框架实现宇宙学模拟中的星系形成建模
研究团队扩展了GPU加速的宇宙学流体动力学代码CRK-HACC，集成了一套天体物理亚网格模型，用于模拟辐射冷却、恒星形成、恒星演化和活动星系核反馈。这些模型经过校准，能在红移0到2的范围内复现观测到的星系恒星质量函数，并捕捉与多波段、互相关分析相关的大尺度重子演化，为面向巡天尺度的百亿亿次计算模拟奠定了基础。
脉冲星计时阵列数据跨度与频率覆盖对引力波探测的影响研究
本研究通过模拟分析欧洲脉冲星计时阵列（EPTA）第二次数据释放（DR2），解释了为何使用较短时间跨度（10.3年）的数据集反而比完整25年数据集显示出更高的纳赫兹随机引力波背景（GWB）显著性。研究发现，早期数据因频率覆盖有限对GWB证据贡献微弱，导致两种数据集在15%的模拟案例中出现显著性倒置，观测现象与噪声波动导致的~2σ结果一致。研究还指出，短基线数据集会引入幅度偏差并削弱GWB约束能力，而将EPTA数据与其他国际阵列（如NANOGrav、PPTA）及低频观测（LOFAR、NenuFAR）结合，可显著提升GWB证据强度和参数估计精度。
土地价值税的空间动态模型：临界激活与空间重构
本研究构建了一个空间动态框架，分析土地价值税对城市土地市场、资本积累和空间再分配的影响。模型通过耦合非线性偏微分方程描述土地价值和建成资本的演化，揭示了税收参数存在跨临界分岔，区分了低投资与自维持的空间状态。数值模拟证实了空间异质性稳态的出现，并量化了动态税收收入等关键宏观结果。
AI基础设施统一度量架构：整合性能、效率与成本的跨层分类法
本文针对大规模AI系统面临的基础设施瓶颈（如功耗、散热、互联、内存、数据吞吐及全生命周期成本）提出一个统一度量框架。现有度量标准（如PUE、网络延迟、TCO等）各自为政，无法揭示物理、计算与经济约束间的相互作用。研究通过三域语义分类与六层架构分解，构建了一个6x3分类法，系统梳理了各领域度量标准及其跨层依赖关系。基于此，框架进一步形式化为度量传播图（MPG），支持系统级解读、复合度量构建以及能源、碳排放与成本的多目标优化，为基准测试、集群设计、容量规划及生命周期经济分析提供了统一的分析基础。
制度归属如何塑造长期发展：西班牙与乌拉圭的对比研究
本研究通过对比西班牙和乌拉圭两个历史禀赋相似但发展路径迥异的小型民主国家，探讨了制度归属对长期发展的影响。研究构建了一个基于经济复杂性、制度路径依赖和Wasserstein GAN的生成式反事实框架，量化了国家在不同跨国制度网络中可能获得的结构性收益或损失。模拟结果显示，制度嵌入的差异是解释两国发展分化的关键因素。
可交易进口证书：支持战略部门国内生产的新工具？
本文重新审视了沃伦·巴菲特提出的可交易进口证书（TIC）方案，以应对战略部门供应链安全问题。TIC通过将进口量与出口表现挂钩，其证书价格相当于灵活关税与出口补贴的混合体。研究表明，在竞争性市场中，TIC是一种透明高效的工具，能有效减少他国通过隐蔽补贴或非关税壁垒偏离协议的行为。然而，若国内生产商在证书市场拥有市场支配力，则可能产生负面影响。
越战征兵抽签揭示：1950年黑人老兵战后死亡率显著升高
本研究利用越南战争征兵抽签作为准实验，分析了战斗暴露对退伍军人长期死亡率的影响。研究发现，1950年出生的黑人男性因征兵抽签导致的额外死亡率高达1.09%（约2700例额外死亡），而1951-1952年出生队列因实际部署人数较少，未检测到显著的长期影响。研究指出，将战斗暴露有限的队列合并分析，可能会掩盖特定队列的真实治疗效应。
经济环境稳定性对菲利普斯曲线失效的影响
本研究通过对1980-2016年间41个国家的分析，探讨了菲利普斯曲线失效的原因。研究发现，该曲线在多数发达国家成立，但在新兴和前沿经济体的平稳时期失效。更重要的是，在经济衰退时期，即使是在发达市场，该关系也完全崩溃，表明经济环境的稳定对菲利普斯权衡至关重要。衰退期间，通胀的前瞻和后顾成分显著增加，市场对通胀更为敏感。
发达国家与发展中国家通胀预期的菲利普斯曲线稳定性研究
本研究对1980-2016年间41个国家的预期增强型菲利普斯曲线进行了实证检验。主要发现：1990年代后通胀的前瞻性特征增强；发达市场比新兴和前沿市场更注重前瞻性价格预期；巴西、希腊等7国因长期高波动通胀历史，其前/后顾型菲利普斯曲线均失效。研究为不同经济体的政策制定提供了差异化依据。
简化报告界面未必提升匹配准确性：实验揭示偏好排序的复杂性
本研究通过实验室实验，探讨了在多属性项目（如结合院校、专业和学费的项目）匹配系统中，申请者报告偏好的难度。研究比较了三种报告界面和一种顺序选择机制。主要发现：即使在不考虑策略激励的纯准确性基准中，误报也普遍存在，且随偏好复杂性增加；简化报告界面未能提升准确性，有时甚至降低；而顺序选择机制在提升准确性的同时，也改善了效率和公平性。研究对依赖简化报告语言的匹配系统设计提出了警示。
跨文化研究证实：跨模态决策提升耐心，美日两国表现一致
本研究通过比较美国和日本参与者的跨期选择行为，检验了跨模态效应（即比较不同性质结果时更耐心）的普遍性。实验发现，无论采用组间还是组内设计，跨模态决策均显著提升了耐心程度，且该效应不受认知能力、社会地位等已知因素影响。尽管日本参与者整体更耐心，但跨模态效应的强度在两国间无显著差异，支持了该效应源于注意力稀释这一基本认知过程的观点。
网络规模如何影响监管效率：分散式监控的崩溃阈值
本研究通过一个网络模型探讨公共服务监管中的规模效应。研究发现，当网络规模超过特定阈值（如美国养老院数据中每县7家或每连锁34家）时，分散式监控会因策略互补性和溢出效应而失效，导致服务质量波动加剧、监管失败风险上升。模型预测并实证验证了网络规模与监管模式选择的内生关系。
HIV污名的双重效应：抑制检测与威慑高危性行为
本研究通过扩展HIV污名分析框架，首次将性行为预防选择纳入模型。研究发现，污名同时具有抑制HIV检测率的“抑制效应”和威慑高危性行为的“威慑效应”，其净社会影响存在模糊性。功利主义福利分析表明，福利最大化的污名水平可能高于自然水平，这意味着政府单纯降低污名的努力并非总能提升社会福利，为维持一定水平的污名以最大化社会福利提供了理论依据。
连续时间契约模型：最优奖金支付时机与签约奖金的作用
本研究探讨了在有限时间内，委托人与风险规避代理人之间的连续时间契约模型。委托人提供一系列支付时间由内生决定的奖金。通过将这一非零和互动重构为混合控制与停止问题，并利用数值模拟，分析了双方相对耐心程度及奖金支付次数等因素对委托人价值及最优奖金支付方案结构的影响。一个重要发现是，在某些契约环境下，委托人最优策略是提供签约奖金以提前激励。
西班牙经济利润率下降趋势的实证检验（1960-2024）
本研究将西班牙国民经济核算数据转化为马克思主义经济变量，构建了1960至2024年间资本有机构成、剩余价值率和利润率的历史序列。结果显示，资本有机构成持续上升，剩余价值率轻微下降，共同导致了利润率的长期下降趋势，并伴有与特定危机相关的周期性波动。结论在实证层面支持了马克思利润率下降规律在当代西班牙经济中的有效性。
AI竞拍者无需沟通即可达成隐性合谋，荷兰式拍卖价格被抬高
研究首次发现，在重复的荷兰式拍卖中，充当自主竞拍者的大型语言模型（LLMs）能够在没有任何沟通的情况下，通过协调接受平台出价的时机，达成隐性合谋，从而维持高于竞争水平的价格。理论模型给出了合谋可持续的阈值，模拟实验证实了在小规模拍卖中会出现系统性超竞争价格，而随着竞拍者数量增加，市场行为会回归竞争。研究指出，调整市场结构比限制AI能力更能有效缓解此类合谋风险。
平台声誉通胀：制度性道德风险如何侵蚀市场信任
本研究构建了一个理论模型，分析营利性平台通过声誉系统撮合买卖双方交易时的行为。研究发现，平台为最大化佣金收入，存在夸大卖家声誉评级的天然动机，这构成了制度层面的道德风险。这种评级扭曲会自我限制，因为平台仍需维持一定准确性以留住可信卖家，否则理性买家将退出市场。有趣的是，平台的最优策略有时反而是投资降低信号准确性；但当佣金可自由设定时，投资建设精准的声誉系统也可能实现利润最大化。这揭示了平台激励与市场参与者社会效用之间的复杂张力。
钢琴教学新工具：多模态可视化系统让抽象指令变具体
针对钢琴教学中“手腕抬高”、“放松”等抽象指令易产生理解偏差的问题，本研究通过访谈资深教授，提炼出七类核心教学需求。团队据此开发了一个集成视频、动作捕捉与乐谱的网页看板原型，使教师能提供具体、可视化的反馈，替代单纯的口头指导。该原型已通过109组演奏数据的可行性验证。
基于高斯泼溅与扩散增强的大规模4D人体动态捕捉系统
本研究提出了一种面向高端影视制作的大规模、多演员、高分辨率4D动态捕捉系统。系统采用双采集装置：场景装置用于捕捉多演员整体表演，面部装置则记录高保真面部细节作为参考。核心创新在于结合了动态高斯泼溅重建与基于扩散模型的细节增强技术，通过微调训练，将场景装置的重建质量提升至满足4K特写制作标准，有效弥合了大规模表演捕捉与影视级高分辨率需求之间的鸿沟。
JELV：提升语法纠错评估与模型泛化的编辑有效性评判框架
针对语法纠错领域因参考修正样本单一导致的评估偏差和模型泛化受限问题，本研究提出了编辑级有效性评判框架JELV。JELV从语法性、忠实度和流畅性三个维度自动验证修正编辑的有效性，并提供了基于大语言模型的流程和蒸馏的DeBERTa分类器两种实现。该框架不仅用于改进评估指标，使其与人工评判的相关性达到最优，还被用于筛选大模型生成的修正候选，从而大规模扩展了基准数据集。在扩展数据集上重新训练现有顶级系统，取得了可测量的性能提升。
基于优化机器学习与特征选择的AI生成评论检测系统
本研究提出了一种先进的机器学习系统，用于高精度检测AI生成的虚假评论。该方法集成了文本预处理、多模态特征提取、哈里斯鹰优化算法进行特征选择以及堆叠集成分类器。在包含40,432条原始与计算机生成评论的公开数据集上，HHO算法将初始13,539个特征优化至1,368个，实现了89.9%的降维。最终模型准确率达95.40%，精确率92.81%，召回率95.01%，F1分数93.90%，证明了集成学习与仿生优化结合在机器生成文本识别中的有效性。
MICM：利用概念触发器绕过LLM安全机制的新型攻击方法
本文提出了一种名为MICM的新型、模型无关的越狱方法。该方法基于概念形态学理论，通过将一组预定义的短语编码到固定提示模板中，形成“概念触发器”，从而微妙地操纵LLM输出中隐含的社会价值观，诱导其产生不当内容，同时绕过传统安全过滤器。实验在GPT-4o、Deepseek-R1等五个先进LLM上进行，结果显示MICM在成功率和低拒绝率方面均优于现有技术，揭示了商业LLM在底层价值对齐方面存在易受隐蔽操纵的关键漏洞。
固定树拓扑假设对系统动力学推断的影响评估
本研究系统评估了在病毒数据集上使用固定树拓扑策略对系统发育和系统动力学参数估计的影响。研究发现，替换模型和位点模型的全局参数对固定拓扑假设具有鲁棒性，而依赖于树时间结构的参数，如分子钟速率、节点年龄和种群动态历史，则可能出现显著偏差。结果强调了在计算效率与推断准确性之间寻求平衡的重要性，并呼吁开发更快速、同时整合拓扑和参数估计的时间感知方法。
深度学习揭示猕猴V4视觉皮层编码地形图：形状与纹理分离处理
本研究利用基于大规模钙成像数据训练的深度神经网络模型（V4“数字孪生”），系统探究了猕猴中级视觉皮层V4区神经元对多种视觉特征的编码组织方式。研究发现，偏好二维轮廓形状的神经元也倾向于偏好由阴影或纹理梯度定义的三维表面形状；而偏好二维纹理的神经元则更倾向于偏好由均匀纹理定义的平坦表面。这表明V4可能将视觉刺激的几何形状和表面外观编码分解给不同的神经元群体，并以交错簇的形式组织在其地形图中。
动态环境中细胞大小调控参数的统计推断新方法
本研究提出了一种基于分段确定性马尔可夫链的新框架，用于在动态环境中建模细胞大小调控。该方法将细胞分裂事件建模为依赖于当前细胞大小和出生后新增大小的随机跳跃，并用尺度、形状和分裂策略三个参数来表征分裂过程。研究者推导了分裂概率的解析公式，并基于此建立了最大似然估计框架，系统评估了不同样本量下的推断准确性。该模型适用于分析动态环境中细胞大小调控的新实验数据。
FoldSAE：通过稀疏表示学习引导蛋白质折叠
本研究将稀疏自编码器（SAE）应用于蛋白质结构生成模型RFdiffusion的内部表示，揭示了与二级结构相关的可解释特征。基于此发现，团队开发了一种新颖的引导机制，通过可调超参数实现对蛋白质二级结构形成的精确控制，同时揭示了模型内部块级和神经元级的可解释表示。这项工作为增强RFdiffusion的可解释性提供了新框架，并展示了如何将对内部特征的理解直接转化为对蛋白质设计过程的精确控制。
deepFEPS：统一生物序列特征提取的深度学习工具包
针对生物序列（DNA、RNA、蛋白质）的机器与深度学习应用，常因特征提取过程分散于多个库和预处理步骤而面临门槛。本研究开发的deepFEPS是一个开源工具包，它将k-mer嵌入、文档级嵌入、基于Transformer的编码器、自编码器潜在特征及图嵌入等五类前沿特征提取方法，整合进一个统一、可复现的工作流。该系统通过网页或命令行界面接受FASTA输入，输出可直接用于分析的特征矩阵，并自动生成包含序列统计、维度、稀疏度、方差分布及可视化诊断的质量控制报告。deepFEPS降低了生物信息学中现代表示学习的实践障碍，有助于用户快速将原始序列转化为下游分类、聚类和预测建模所需的高级嵌入特征。
生态演化博弈中的随机波动：环境反馈与种群规模依赖
本研究在Tilman等人建立的生态演化博弈动力学框架基础上，探讨了包含环境反馈机制的双策略系统中的随机波动问题。研究采用Ω展开法进行系统分析，结果表明：当宏观方程的内点均衡渐近稳定时，各策略的种群规模会围绕该均衡值波动，其方差收敛于一个与环境承载力成正比的常数。模拟验证了Ω展开近似的有效性，并证实了结论的可靠性。这类似于Fudenberg和Harris针对无限种群在外部噪声下的随机复制动力学，表明当环境承载力足够大时，生态演化博弈的动态稳定性可以扩展到随机体系。
磁弹性混合欧拉-拉格朗日能量的首次均匀化与线性化分析
本研究对具有混合欧拉-拉格朗日结构的磁弹性能量泛函进行了同步的均匀化与线性化分析。在忽略塞曼效应和各向异性贡献的条件下，作者通过Γ-收敛方法，刻画了非线性磁弹性能量、定义在实际构型上的对称交换项以及相关静磁自能之和的渐近行为。在证明了具有等界能量的位移和磁化强度的紧致性后，最终识别出极限能量泛函为一个二次均匀化磁弹性贡献项与一个极限均匀化交换及静磁项之和。据作者所知，这是流形值混合欧拉-拉格朗日能量泛函的首个均匀化结果。
理想正则范畴：将理想分类推广到非精确范畴
本文提出“理想正则范畴”的新概念，推广了Janelidze的理想精确范畴理论，使其适用于更广泛的非精确范畴（如正则且Bourn原模的范畴）。该理论的核心是，在此类范畴中，理想概念仍能分类正则商。研究给出了基于同调范畴（而非半阿贝尔范畴）的刻画，并提供了包括无挠幺环范畴、拓扑环范畴等在内的一系列重要实例。
随机优化中的银步长调度推广：提升强凸函数收敛性能
本研究将确定性优化中著名的两步银步长调度推广至随机优化场景。针对仅能获得无偏、有界方差且支撑集有限的随机梯度估计的强凸光滑函数最小化问题，当方差界相对于初始最优性间隙较小时，所提出的步长调度方案在收敛性能上优于经典的常数步长方案。这为随机梯度方法在特定条件下的参数选择提供了新的理论工具。
Motivic Leray-Hirsch 定理在纯 Tate 纤维丛上的证明
本研究在格罗滕迪克范畴的 Chow 动机范畴内，为纯 Tate 纤维丛证明了一个动机版本的 Leray-Hirsch 定理。该定理是代数拓扑中经典结果在代数几何动机理论中的推广，为理解纤维丛的动机结构提供了新工具。作者随后讨论了该定理的一些潜在应用。
新区间微积分框架：为区间微分方程提供统一高效解法
本文系统性地构建了一套新的区间值函数微积分理论，并将其应用于区间微分方程。研究首先引入了新的区间算术运算，使区间数空间成为一个严格的线性空间（希尔伯特空间），克服了传统区间运算仅形成半线性空间的缺陷。基于新运算定义的导数和积分，完整保留了经典微积分的核心性质，并融合了乘法微积分的思想，形成了一个统一的混合框架。该框架消除了传统gH-导数方法中对切换点繁琐的逐案分析，显著简化了计算流程。最后，论文在新微积分体系下建立了区间微分方程解的存在性定理，并通过实例验证了其有效性与实用性。相较于gH-导数方法，新方法避免了潜在解数量随切换点增加而呈双倍爆炸的问题，在理论与计算上均更具鲁棒性。
Luxemburg范数提升变指数空间非局部微分方程解定位精度
本研究在变指数Lebesgue空间中分析一类Kirchhoff型非局部微分方程。通过采用Luxemburg范数框架，研究证明该方法能显著提高非局部问题解的定位精度，同时大幅放宽对参数λ和非线性项f的限制条件。数值算例进一步验证了该方法相比传统技术在定性和定量上的双重优势。
凸Holder界及其在数学分析中的应用
本文提出了一种新的凸Holder界理论，为函数空间中的凸性分析提供了更精确的估计工具。该理论通过建立凸函数与Holder连续性之间的定量关系，扩展了经典凸分析的理论框架，并在优化理论和偏微分方程正则性研究中展现出潜在应用价值。
利用2的嵌套根式证明π的无理性
本文提出了四个与特定嵌套根式序列相关的定理，可用于证明圆周率π的无理性。该序列定义为cₖ = √(2 + cₖ₋₁)，其中c₀ = 0。研究展示了随着整数k增大，由此构造的有理逼近如何收敛于π，为证明这一经典数学结论提供了一种基于根式的新颖方法。
Auslander-Bridger猜想获解答：2-自反模不一定是自反模
本研究解决了Auslander和Bridger提出的一个长期悬而未决的问题，证明了并非所有2-自反模都是自反模。这一结果澄清了模论中自反性概念的重要边界，对表示论和同调代数领域具有基础性意义。
Ealy猜想在奇特征域获证，有限广义四边形对称性获完整分类
本研究解决了自1977年提出的Ealy猜想，证明了对于每个奇素数p，若有限广义四边形中每个点都允许一个阶为p的中心对称性，则该结构只能是三维经典辛四边形，或三维、四维的Hermitian四边形。作为副产品，研究更广泛地确定了所有至少在每个点存在一个非平凡中心对称性的有限广义四边形，为相关几何结构的分类提供了完整框架。
n元Γ-半环的同调对偶与导出函子理论
本文为非交换n元Γ-半环理论建立了同调基础。通过在双Γ-模范畴上引入Quillen正合结构，并在Γ-Noetherian和Γ-正则条件下构造了投射分解与内射分解。由此定义了双Γ-模的导出函子Ext与Tor，证明了它们的平衡性，建立了长正合列、Yoneda解释以及Künneth型谱序列。这些同调不变量为非交换Γ-几何提供了合适的导出语言。
非阿基米德几何中度量化丰富线丛的算术Hilbert-Samuel公式新证
本文引入了一类称为Shilov有限度量的半正度量，用于非阿基米德几何中的丰富线丛。通过非阿基米德范数约化技术，计算了由全局截面诱导的精确序列中的行列式度量畸变，从而为局部域上半正度量化丰富线丛的算术Hilbert-Samuel公式提供了分析证明。此外，定义了与Shilov有限度量相关的等分布测度，并解决了相应的逆问题。
互弧表示与编织开书：解决三维球面中纤维化链环的编织结构问题
本研究解决了Montesinos和Morton提出的一个公开问题，证明了三维球面$S^3$中的每个典范纤维化链环都是一个编织开书的装订。核心创新是引入了互弧表示这一技术工具，并证明任何允许此类表示的纤维化链环都是编织开书的装订。此外，通过连通和与电缆操作，构造了新的可作为编织开书装订的纤维化链环实例，其中一些并非典范纤维化，从而拓展了此类结构的范围。
贝叶斯风险规避模型预测控制：保证学习一致性与闭环稳定性
本研究提出了一种贝叶斯风险规避模型预测控制框架，用于处理在线学习模型不确定性下的随机非线性系统控制。核心贡献包括：1）建立了反馈控制诱导的条件独立状态转移下的贝叶斯学习一致性条件；2）引入了一种独立于具体风险度量的风险规避渐近稳定性概念及相应的李雅普诺夫稳定性定理；3）设计了一种实用的MPC方案，通过动态收缩的贝叶斯可信区间分别处理参数不确定性和随机扰动，并证明了在贝叶斯估计一致时能恢复渐近稳定性。
三维紧致拟爱因斯坦度量的局部齐性证明
本文证明了所有具有常数量曲率的三维紧致拟爱因斯坦度量都是局部齐性的。这一结论通过将常数量曲率拟爱因斯坦度量与Killing向量场拟爱因斯坦度量的等价性联系起来，并借助三维Sasakian几何实现。在更高维度，存在非局部齐性的反例，如Kunduri-Lucietti构造的紧致Kähler-Einstein基上的圆周丛。文章进一步探讨了何时此类度量可作为圆周丛构造，并证明在Goldberg猜想下，其基必须是Kähler-Einstein的。
三元素族诱导的幺半群单自同态结构研究
本文研究了具有三元素族ℱ³的幺半群B_ω^ℱ³的单自同态结构。作者描述了该幺半群的所有单自同态，并构造了两个关键自同态ϖ₃和λ，证明了任意单自同态ε均可表示为α_[k]∘ι的形式，其中ι由ϖ₃和λ生成。这一结果为理解此类幺半群的自同态结构提供了完整刻画。
数域类群2-挠元上界的新改进
本研究改进了数域类群中2-挠元大小的上界估计。在Bhargava等人2020年工作的基础上，将上界从O(D_K^{1/2-1/(2n)+ε})优化为O(D_K^{1/2-1/(2n)-δ_K+ε})，其中δ_K≥1/(28n)-3/(28n(n-1))。这一改进为代数数论中类群结构的研究提供了更精确的理论工具。
非线性泊松-玻尔兹曼方程的自适应有限元-边界元耦合求解方法
本研究提出了一种用于求解非线性泊松-玻尔兹曼方程的自适应有限元/边界元耦合方案。该方案能自动寻找最优松弛参数，确保非线性求解器快速可靠地收敛，无需人工干预。通过牛顿-拉夫森方法并首次迭代采用三次近似逐步引入非线性，结合其他优化技术，在测试中最高可减少40%的迭代次数，相比手动选取最优松弛因子获得1.37倍的加速。
贝叶斯网络在民事与刑事身份鉴定中的应用
本文探讨了DNA证据在民事与刑事身份鉴定中日益增长的应用，并指出评估此类证据证明力的必要性。作者提出，贝叶斯网络作为一种强大的工具，可以有效完成这一评估任务。研究通过分别展示一个民事鉴定问题和一个刑事鉴定问题的案例，具体说明了贝叶斯网络在此类司法科学问题中的实际应用方法与价值。
AI气象模型生成热带气旋的气候学基准评估
本研究对Pangu-Weather和Aurora两款AI全球天气预测模型生成的热带气旋进行了全面的气候学基准测试。通过对比2020-2025年北大西洋和西太平洋的实际观测数据与ERA5再分析资料，评估了AI模型在再现气旋路径密度、风暴特征气候学分布以及与气旋理论的物理一致性方面的能力。结果显示，两款模型在路径密度、移动速度和外围尺度分布上表现良好，Aurora在模拟风暴强度方面优于Pangu。但两者均高估了风暴内核尺度，且AI生成的气旋在物理合理性（如梯度风平衡）上存在不足。该基准测试为未来修正AI模型偏差、并将其应用于热带气旋灾害风险评估奠定了基础。
机器学习通过液滴断裂图像预测流体性质
研究团队利用高速成像捕捉液滴断裂瞬间的形态，结合机器学习算法，成功从单张图像中预测出流体的粘度和表面张力等关键性质。该方法覆盖了广泛的雷诺数和奥内佐格数范围，为传统测量提供了快速、自动化的替代方案，并揭示了液滴动力学与流体性质之间的深层联系。
基于超分辨率生成对抗网络的大涡模拟动态混合模型
本研究提出了一种动态混合超分辨率模型（DMSRM），将传统动态混合模型与生成对抗网络（SR-GAN）相结合，用于大涡模拟。SR-GAN将网格过滤的速度场上采样两倍，从而更精确地计算亚格子应力。先验和后验分析表明，该模型在预测能量谱、间歇性以及物理一致的亚格子能量耗散方面均优于传统动态混合模型，且在不同网格尺度和更高雷诺数下具有良好的泛化能力。
智能手机磁力计能否监测太阳耀斑？课堂实验揭示其局限与教学价值
一项大学课堂公民科学项目，在2025年11月4日X1.8级太阳耀斑期间，同时使用研究级质子旋进磁力计与智能手机磁力计进行地磁观测对比。结果显示，智能手机传感器存在约630 nT的系统性偏差，且稳定性不足，无法精确捕捉耀斑引起的纳特斯拉级地磁变化。然而，研究肯定了智能手机作为高参与度的教学与公众科普工具的独特价值，并提出了一个连接专业观测站、社区仪器与智能手机的“仪器阶梯”框架，以支持基于课程的真实本科研究。
FPGA加速实时机器学习推理用于托卡马克等离子体控制
本研究将基于FPGA的硬件加速机器学习推理系统集成到DIII-D托卡马克的实时诊断与控制基础设施中。该系统利用SLAC神经网络库（SNL）在AMD/Xilinx KCU1500 FPGA上实现超低延迟的等离子体状态分类和边缘局域模（ELM）预测。其核心创新在于支持动态参数加载，可在不重新合成硬件的情况下实时更新神经网络权重，从而支持单一FPGA设计执行多任务及自适应控制策略。该系统已成功应用于DIII-D的实时等离子体控制系统，提升了ELM规避、约束和运行稳定性，为未来聚变装置实现智能自主等离子体控制提供了可扩展且鲁棒的路径。
热力学一致振动-电子加热模型的普适性推导
本研究对非平衡等离子体流动中振动-电子加热模型进行了关键性扩展。原模型假设电子能量损失主要源于与基态分子的碰撞，新推导证明，即使将电子与振动激发态分子的冷却相互作用纳入考量，其核心加热-冷却比公式依然成立。这消除了模型对基态主导假设的依赖，使其适用于振动激发态对电子冷却有显著贡献的更广泛等离子体环境，提升了在高速飞行与等离子体辅助燃烧等应用中的预测准确性。
毫米波光频链：为便携式光钟提供自由空间时频传输新方案
本研究提出并演示了一种利用光生毫米波作为时频链路的新架构，旨在解决下一代便携式光钟的高精度信号分发与比对难题。该方案合成了90 GHz毫米波载波，其1秒残差不稳定度达2×10^-15，并可平均至10^-17量级。研究团队首次实现了110米相位稳定的自由空间毫米波频段频率比对链路，1秒不稳定度进入10^-14区域。这项工作为分布式便携式光钟之间的时间和频率传输实验奠定了基础，有望应用于定位导航、雷达技术及基础物理探测等领域。
剪切阿尔文波在混沌磁场中的谱系计算
本研究通过引入对称性破缺扰动，计算了存在混沌磁场轨迹时的剪切阿尔文波谱。利用二次通量最小化曲面，在混沌区域构建了伪直线场线坐标，并将理想磁流体动力学方程转化为特征值问题进行数值求解。结果表明，随着扰动强度增加和磁通面被破坏，波谱发生演变，但在磁通面完好时，特定磁通面上的解保持相对稳定，即使在大扰动下也保留原有特征。
天鹅座X中奇特原行星盘状天体的速度分辨[OI] 63微米观测
本研究利用SOFIA天文台对天鹅座OB2星团中心附近一个孤立的、形状类似原行星盘的奇特天体进行了高分辨率观测。通过分析[OI] 63微米、CII 158微米及CO分子谱线，发现其气体发射特征复杂，存在高速外流成分。结合射电连续谱数据，研究排除了该天体为金牛T型星的可能性，更可能是一颗大质量恒星及其光致蒸发盘。估算其光致蒸发寿命短于自由落体时标，表明该天体可能没有足够时间形成更多恒星。
银河系盘面多螺旋模式形成机制：数值分辨率与局部稳定性影响
本研究通过高精度数值模拟，揭示了银河系类盘-晕系统中多螺旋模式的自发形成机制。研究发现，数值分辨率、盘面局部稳定性及晕的动力学响应是关键因素。在足够分辨率且晕粒子质量比适中的模型中，螺旋模式呈现级联演化：高模式数（短波）模式先形成并衰减，随后低模式数模式出现，活动中心向内漂移。这一行为由局部摆动放大与长寿命模式间的干涉共同解释。固定势或低分辨率晕模型则因噪声过大而缺乏这种相干行为。m=3模式在内盘角动量输运中起过渡作用，预示棒的形成。
星震学探测B型脉动星HD 192575内部磁场
本研究利用TESS卫星长达1951天的光变曲线数据，对B0.5V型β Cep脉动变星HD 192575进行星震学分析。研究团队更新了其低阶四极重力模的频率，发现仅考虑科里奥利力无法解释观测到的9重频率分裂。通过建立包含科里奥利力与洛伦兹力的脉动理论模型，研究首次探测并建模了该恒星内部一个强度约24千高斯、与自转轴倾斜的稳定磁场。这颗质量约12倍太阳质量的恒星是未来的超新星前身星，其内部磁场的发现对理解大质量恒星内部的角动量传输和混合过程具有重要意义。
APEX望远镜揭示星际氯化氢分布与氯同位素比值
本研究利用APEX望远镜的SEPIA660接收器，对28个大质量恒星形成区进行了系统观测，探测了H³⁵Cl和H³⁷Cl的基态谱线。结果将已知的HCl探测数量增加了一倍以上，并首次通过XCLASS模型揭示了其在致密核和外流中的发射。研究发现H³⁵Cl在所有源中均被探测到，H³⁷Cl在除两个源外的所有源中也被探测到，柱密度约为10¹³ cm⁻²，同位素比值在1.6至3.5之间。该比值与银河系化学演化模型预测一致，且不随银心距变化，表明大部分银河系氯元素形成于早期低金属丰度时期。研究还首次在外流（特别是爆发性外流）中探测到H³⁵Cl发射，暗示其存在于更广泛的环境中。
宇宙正午时期冷气体流在星系演化中的普遍性与局限性
本研究利用IllustrisTNG-50模拟，系统分析了红移z=4至0期间大质量星系晕中冷气体流的统计特性。研究发现，在宇宙正午时期（z=4-2），超过80%的大质量星系晕中存在冷气体流，这些流通常呈现共面三流结构，具有冷密核心与暖弥散包层。然而，模拟显示这些气流通常在晕外围瓦解，难以有效抵达星系中心，其质量流入在z=2达到峰值。研究强调了冷流在早期星系供气中的关键作用，同时指出需要更高分辨率的模拟来完整刻画其后期演化。
恒星磁场在潮汐瓦解事件中对碎片流演化的关键影响
本研究通过磁流体动力学模拟和半解析模型，揭示了在超大质量黑洞潮汐瓦解恒星事件中，恒星原始磁场对碎片流演化的决定性作用。研究发现，当恒星磁场强于约10^4高斯时，磁压会在大部分碎片流中占据主导，导致其厚度快速增加，并遵循H ∝ R^{5/4}的规律膨胀。这种膨胀可能增强碎片流与星际介质相互作用产生的射电辐射，并从根本上改变碎片流返回近心点后的气体动力学和辐射特性。该工作为后续研究潮汐瓦解事件的晚期阶段，特别是磁场在吸积盘角动量传输及X射线辐射、相对论性外流等观测特征中的作用，提供了关键的物理初始条件。
JWST揭示“小红点”本质：被气体包裹的活跃星系核
本研究利用JWST的DAWN档案数据，对116个“小红点”天体进行了系统分析。通过NIRSpec光谱和NIRCam成像，发现这些天体的连续谱普遍符合修正的黑体辐射模型，温度集中在约5000K，部分低至2000K。其光谱特征与处于Hayashi线上的恒星类似，支持了“小红点”是嵌入致密气体包层中的活跃星系核（AGN）的观点。研究进一步揭示了其紫外-光学连续谱形状、光度与Hα、Hβ、[OIII]等发射线性质存在强关联，为理解这类天体的物理结构和辐射机制提供了关键经验基准。
J-PAS发布首个星云发射星系光学谱线强度增值星表JOLINES
研究团队基于J-PAS巡天的窄带测光数据，通过CIGALE软件进行光谱能量分布拟合，构建了首个增值星表JOLINES，为星云发射星系提供了可靠的光学发射线流量测量。该方法有效降低了传统连续谱扣除技术的不确定性，与SDSS和DESI光谱数据的对比验证了其高精度，尤其对明亮发射线流量测量的一致性可达~0.3 dex。目前星表包含约1.39万个Hα+[NII]复合线和7200个[OIII]λ5007线的可靠测量源，为大规模研究恒星形成、活动星系核及星系演化提供了关键数据资源。
LMT望远镜2毫米波段接收器成功观测猎户座分子云，揭示复杂有机分子分布
研究团队利用安装在50米大型毫米波望远镜上的2毫米波段接收器，对猎户座KL/OMC-1区域进行了科学演示观测。通过5角分×5角分的成图扫描，在10 GHz总带宽内检测到近400条发射谱线，识别出29种分子物种，包括含氮和含氧的复杂有机分子。研究进一步以约12角秒的空间分辨率，分析了乙基氰和甲酸甲酯两种代表性分子的柱密度、转动温度及丰度空间差异，证明了该接收系统在星际化学研究中的强大潜力。
引力波探测揭示超新星前身星内部结构差异
研究通过二维核心坍缩超新星模拟，对比了质量相近但内部结构不同的两颗前身星。质量分别为15.78和15.79太阳质量的前身星，其致密性参数ξ2.5分别为0.136和0.206。模拟发现，更致密的前身星会产生振幅更大、能量释放更强的引力波信号，其引力波信号中g-/f-模特征（gfF）的演化斜率也高出约26%。这表明引力波探测在原则上能够提供恒星内部结构的信息。
邻近宇宙中星系尘埃性质与整体参数的关系研究
本研究提出了一种更高效的方法，用于确定低红移星系的尘埃温度和发射率指数，并建立了尘埃性质与星系整体及积分特性（如星际介质、恒星形成）之间的联系。通过一种自洽的方法，无需对冷尘埃发射通量进行完整的光谱能量分布拟合，即可基于先前计算的尘埃质量确定尘埃温度。研究还量化了尘埃发射率指数随温度的演化，并分析了其与尘埃表面密度、星系整体特性等参数的新关系。
阿塔卡马宇宙学望远镜：利用DR6数据和大尺度结构示踪实现B模式去透镜化
本研究结合阿塔卡马宇宙学望远镜（ACT）DR6数据、unWISE星系样本及普朗克卫星的宇宙红外背景（CIB）波动图，构建了与宇宙微波背景（CMB）透镜化场高度相关的示踪器。该示踪器与真实透镜化收敛场的相关性达55-85%，用于生成透镜化B模式模板。在23%天区对ACT和普朗克B模式进行去透镜化，在100≤l≤1500尺度上移除了约39%的透镜化功率，在30≤l≤300尺度上移除47%，创下迄今最高去透镜效率，为西蒙斯天文台（SO）等未来实验分析早期偏振图提供了有力工具。
振动激发氢分子削弱系外海王星大气氦吸收线信号
本研究揭示，在温暖的系外海王星大气中，振动激发的氢分子（H2）会快速消耗氦离子（He+），从而显著削弱了用于探测大气逃逸的关键示踪谱线——氦原子三重线（1.08 μm）的吸收信号。这一新发现的化学过程解释了为何在某些观测到强烈氢吸收的行星上，氦吸收信号却很弱或未被探测到。该机制的有效性与大气中氢分子向原子氢转变的位置密切相关，对于理解小型系外行星的大气演化和逃逸历史至关重要。
红巨星RT Pav长周期之谜：干涉测量证据指向振荡对流模式
针对红巨星RT Pav的长次级周期现象，研究团队利用多波长VLTI干涉观测数据，结合盖亚卫星天体测量与测光数据，对“尘埃伴星”与“振荡对流模式”两种主流解释进行了严格检验。分析表明，伴星模型在波长一致性、闭合相位行为及观测频段检出率上均存在矛盾，且其质量对应的洛希瓣体积过小，无法容纳产生观测调制所需的尘埃物质。相反，一个约200K温度对比的振荡对流偶极子模型能更好地再现观测到的形态与振幅，且不违反其他约束。该结果支持振荡对流模式是RT Pav长次级周期的起源。
非线性面板数据模型的低秩估计方法研究
本文针对包含交互固定效应的非线性面板回归模型，提出了一种通用的参数估计框架。该方法采用两步估计程序：首先利用核范数正则化获得系数、因子及因子载荷的初步估计；随后通过迭代过程进行后推断，以提高系数估计的收敛速度。研究建立了初步估计量与迭代估计量的渐近性质，并探讨了因子数量的确定问题。蒙特卡洛模拟验证了该方法在确定因子数量和估计模型参数方面的有效性。实证部分将其应用于研究美国非金融企业的跨市场套利行为。
面板数据因果推断新方法：超越平行趋势假设
本研究提出一种不依赖传统平行趋势假设的面板数据因果推断新框架。核心思路是利用面板数据寻找与处理组在干预前结果高度相似的“近邻对照组”，通过比较干预后结果差异来估计处理效应。该方法具有识别策略稳健性，能在多种非嵌套识别策略（如双重差分、变化中的变化、滞后结果无混淆性等）下恢复平均处理效应。研究要求更强的设计条件（存在近邻对照组或时间同质性），但能提供更可信的推断。
广义矩方法在部分缺失数据下的识别与推断
本文研究数据向量部分缺失且缺失机制完全任意（可能内生）时广义矩方法（GMM）的参数识别问题。在此设定下，目标参数通常仅部分可识别。作者利用与数据一致的矩预测凸集的支撑函数来刻画识别集，该集合是尖锐的，适用于连续和离散数据，且易于估计。针对参数假设检验和置信区域构建，本文提出了一种检验统计量，指出标准非参数自助法可能无效，并基于Fang和Santos（2019）关于方向可微泛函的自助法提出了修正方案。蒙特卡洛模拟表明，在样本量中等且数据有界支撑时，所提估计量和置信区域表现良好。
Shapley-Scarf住房市场中的局部一致性公理与TTC机制新刻画
本研究在Shapley和Scarf（1974）提出的住房市场模型中，引入了一个新的公理——局部一致性。该公理将社会选择理论中广泛使用的一致性条件，扩展应用于模型中任何就自身禀赋最佳交换方案达成一致意见的代理人子集。基于这一新公理，研究在严格偏好和弱偏好两种偏好域下，为顶级交易循环（TTC）机制提供了多个简洁的特征刻画。
新框架识别同伴影响下的因果效应：教育溢出存在异质性
本研究提出了一个识别存在同伴溢出效应（Spillovers）时因果效应的通用框架。它扩展了局部平均处理效应（LATE）和边际处理效应（MTE）框架，定义了广义局部平均控制溢出/直接效应（LACSEs/LACDEs）和边际控制溢出/直接效应（MCSEs/MCDEs），并在不严格限制工具变量取值的情况下，给出了点识别的充分条件。研究还开发了半参数和参数估计方法，并应用“健康青少年”数据发现，在好友网络中，教育溢出效应存在显著的异质性。
回归断点设计新框架：考虑政策阈值与运行变量扭曲的总效应评估
本研究提出了一个评估回归断点设计（RDD）中总政策效应的新框架，不仅考虑处理对结果的直接影响，还纳入了当处理可用时运行变量发生扭曲所产生的间接效应。识别策略结合了条件平行趋势假设与局部不变性假设，以恢复未处理潜在结果并刻画运行变量对反事实政策阈值的响应。该框架允许识别和估计任何拟议阈值的反事实处理效应，并构建了总效应的非参数估计量，推导了其渐近分布，提出了自助法推断程序。最后，应用该框架分析了意大利国内稳定公约，其中基于人口的财政规则同时引发了行为反应和运行变量扭曲。
基于市场结果实证估计电力供应曲线：欧洲能源危机的启示
本研究提出了一种数据驱动方法，直接从观测到的市场价格和数量中实证估计电力供应曲线，无需依赖工程数据或额外建模假设。针对欧洲能源危机期间燃料价格剧烈波动的情况，研究采用两种聚类方法识别供应曲线稳定的时期，并将其应用于2019-2024年的德国电力市场。研究发现，燃料价格是供应机制转变的主要驱动因素，而传统电厂可用性和核电退出影响相对较小。该方法生成的实证供应曲线适用于市场结果的因果推断和反事实分析。
超越Logit的可转移效用匹配：通用异质性下的计算与估计
本研究提出了一个通用的可转移效用匹配框架，摆脱了对Logit结构的依赖，能够处理任意形式的异质性。该框架将最优匹配问题转化为易于处理的线性规划，允许灵活的误差分布和相关性模式。研究者开发了一种具有经济解释的迭代算法，可保证收敛并求解大规模匹配问题，同时支持基于模拟矩匹配的系统性剩余估计器。模拟实验验证了算法的可扩展性和估计器在正确设定下的一致性，并揭示了Logit误设定导致的系统性偏差。
比例再分配：介于完全补偿与自由放任之间的伦理妥协
本文在考虑个体需求的再分配基本模型中，提出了“比例再分配”的伦理框架。它通过结合形式化的问责制、功能性和公正性公理，为这一介于完全补偿性再分配与无视需求的自由放任之间的折中方案提供了理论特征。研究结果为古老的亚里士多德比例原则提供了新的伦理合理化论证。