大语言模型处方审核能力评估：部分任务已超越临床药师
研究团队开发了处方审核综合基准RxBench，包含涵盖14类常见处方错误的2300余项任务。对18个前沿大语言模型的评估显示，Gemini-2.5-pro等模型在准确性和鲁棒性上形成第一梯队。与持证药师对比表明，领先模型在部分任务上已达到或超越人类水平。基于基准洞察对中游模型进行微调，可使其在简答题任务上媲美顶尖通用模型。该研究为构建更可靠的临床辅助工具提供了标准化评估框架和基础资源。
2025-12-03 速览
2025-12-03 共 137 条抓取，按综合热度排序
VoxCap：基于药效团体素网格的分子生成新方法
本研究提出VoxCap，一种基于药效团和体素网格的生成模型，用于解决传统基于药效团的虚拟筛选方法在计算扩展性和分子新颖性方面的局限。该方法通过体素标注技术从三维分子表示中生成SMILES字符串，实现了高效的从头设计和快速搜索。实验表明，VoxCap在生成多样性分子方面显著优于现有方法，并能将计算时间降低数个数量级，从而实现对大规模化合物库的高效探索。
深度研究系统综述：大语言模型如何成为复杂任务的研究代理
本文系统综述了“深度研究”这一新兴范式，旨在将大语言模型的推理能力与搜索引擎等外部工具结合，以完成需要批判性思维、多源信息与可验证输出的复杂开放任务。文章贡献包括：形式化三阶段路线图、区分相关范式；剖析查询规划、信息获取、记忆管理与答案生成四大核心组件；总结提示工程、监督微调、智能体强化学习等优化技术；并整合评估标准与开放挑战，为领域未来发展提供指引。
全球AI治理新视角：从训练后检测转向训练前预防的版权保护方案
本文系统分析了欧盟、美国及亚太地区对AI训练数据的监管现状，指出当前框架多为被动应对，在执法机制上存在关键漏洞，威胁创作者权益与AI发展的可持续性。研究揭示了训练前数据过滤面临的两大根本挑战：大规模版权管理的不可行性，以及验证过滤有效性的工具缺失。为此，作者提出了一种结合访问控制、内容验证、机器学习分类器和持续数据库交叉引用的多层过滤管道，旨在将版权保护重心从训练后侵权检测前移至训练前的主动预防，为平衡创作者权利与AI创新提供了可行路径。
AI预训练数据版权治理：监管现状与多层过滤方案
本文分析了欧盟、美国及亚太地区AI训练数据治理的监管框架，指出当前机制以事后应对为主，存在关键执行缺口。研究揭示预训练阶段面临两大根本挑战：大规模版权许可收集与过滤的不可行性，以及验证过滤有效性的工具缺失。作者提出一个结合访问控制、内容验证、机器学习分类器和持续数据库交叉引用的多层过滤管道，旨在将版权保护从训练后检测转向训练前预防，为平衡创作者权益与AI创新提供可行路径。
AI如何重塑企业决策：93%企业已应用，但组织障碍大于技术限制
一项针对92家企业的定量调查显示，AI通过加速数据分析、减少人为错误，显著提升了管理决策的速度与清晰度。研究发现，成功应用AI的关键在于理解算法机制与变革管理，而非编程技能。员工适应、高成本和监管模糊是主要障碍，组织因素比技术限制更为关键。研究强调，结合人类判断、适应性领导与透明流程，AI能有效增强组织敏捷性与决策绩效。
全球洪水近实时监测新突破：多模态地理空间基础模型提升测绘精度
本研究针对全球洪水灾害监测，对ESA-IBM联合开发的TerraMind地理空间基础模型进行微调。利用包含全球85次洪水事件、融合哨兵1号雷达与哨兵2号光学影像的FloodsNet数据集，团队测试了多种模型配置。结果显示，经过微调的基础模型在精度、召回率和计算成本间取得了最佳平衡，其召回率优于仅使用Sen1Floods11数据集训练的模型。研究表明，结合多模态数据微调基础模型，能有效提升洪水淹没范围近实时测绘能力，为气候适应与防灾减灾提供了新的技术路径。
可逆大语言模型架构：通过时间可逆性大幅降低训练内存需求
本研究提出了一种基于对称和辛微分方程启发的可逆大语言模型架构。其核心创新在于利用时间可逆动力学在反向传播过程中重构隐藏状态，从而无需存储所有中间激活值。这实现了内存消耗的显著降低，允许在同等内存下处理更大批次，提升训练吞吐量。同时，研究还提出了一种将现有非可逆模型高效转换为可逆架构的微调方法，使其能利用现有预训练模型。实验表明，该方法在多个数据集和基准测试上取得了相当或更优的性能，为降低LLM从头训练和微调的内存与计算成本提供了一条可扩展的路径。
融合物理与专家知识的可解释AI框架，仅需32个样本预测航空合金焊接裂纹
针对工业AI应用面临的数据稀缺与模型“黑箱”两大瓶颈，本研究提出一个融合物理知识与专家经验的可解释、少样本AI工程框架。在仅32个航空K439B高温合金铸件补焊实验样本基础上，通过物理约束数据增强与嵌套优化策略，发现了一个可解释的本构方程，能以88%的准确率预测热裂纹倾向。该方程不仅提供定量预测，更揭示了热、几何及冶金机制的耦合作用，为工程师提供了明确的物理认知。此外，该方程还可用于工艺优化与高保真虚拟数据生成，提升其他数据驱动模型的精度。
LLM生成人物角色在低资源环境中与人类感知存在偏差
本研究在孟加拉国等低资源环境下，定量比较了人类与八个LLM生成的社会角色（如男性、女性、穆斯林、政治支持者）对文化特定问题的回答。结果显示，人类在所有回答和角色感知维度上均显著优于LLM，尤其在共情力和可信度方面差距巨大。LLM生成内容还表现出系统性的“波丽安娜”乐观偏见，积极情绪得分显著更高。这表明LLM角色未能准确反映资源匮乏环境中真实人群的体验，在社会科学研究中部署前需用真实人类数据进行验证。
Ada-MoGE：自适应高斯专家混合模型，解决时序预测中的频率覆盖难题
本文提出Ada-MoGE模型，用于解决多元时间序列预测中因数据频谱分布变化导致的频率覆盖失衡问题。传统固定专家数量的MoE模型难以适应频谱变化，易造成信息丢失或引入噪声。Ada-MoGE通过分析频谱强度和频率响应，自适应确定专家数量，并采用高斯带通滤波平滑分解频域特征。实验表明，该模型仅用20万参数即在六个公开基准上达到最优性能。
Superpixel Attack：利用超像素分割增强黑盒对抗攻击
本研究提出了一种名为“超像素攻击”的新型黑盒对抗攻击方法。该方法摒弃了传统攻击中使用的简单矩形扰动区域，转而采用能更好平衡颜色差异与区域紧凑性的超像素分割。结合新提出的“通用搜索”策略，该方法在多个已具备一定鲁棒性的模型上，将攻击成功率平均提升了2.10%，对评估和提升深度学习模型的安全性具有重要意义。
LLMBugScanner：基于大语言模型的智能合约审计框架
本文提出LLMBugScanner，一个基于大语言模型的智能合约漏洞检测框架。针对单一模型在不同漏洞类型和合约结构上表现不一致的挑战，该框架结合领域知识适应与集成推理。通过在不同数据集上微调多个LLM，并采用基于共识的冲突解决策略进行集成，提升了检测的鲁棒性和泛化能力。实验表明，相比单个预训练或微调模型，LLMBugScanner实现了更一致且显著的准确率提升。
DPWMixer：基于双路径小波混合的长时序预测新方法
本文提出DPWMixer，一种用于长时序预测的高效双路径架构。针对现有方法在捕捉非线性局部动态和避免信息损失方面的不足，该模型采用无损Haar小波金字塔替代传统池化，以正交分解无损失地分离趋势与局部波动。其核心的双路径趋势混合器，结合了用于宏观趋势锚定的全局线性映射和用于微观动态演化的基于分块的MLP混合器。最后通过自适应多尺度融合模块优化预测合成。在八个公开基准测试上的实验表明，该方法性能优于现有先进基线。
HTG-GCL：利用多尺度拓扑结构提升图对比学习性能
本文提出了一种新颖的图对比学习框架HTG-GCL，旨在解决现有方法难以识别任务相关拓扑结构及适应不同下游任务对拓扑粒度需求的问题。该框架通过生成基于环的多尺度胞腔复形来构建体现拓扑粒度的多样化图视图，并引入基于不确定性估计的多粒度解耦对比与加权机制，以过滤可能包含误导性语义的粒度。在多个基准测试上的实验验证了其有效性，表明其能通过分层拓扑信息捕获更有意义的图表示。
高效内存微调方法用于方言识别，显著降低计算成本
本研究将内存高效微调（MEFT）方法应用于通用预训练语音模型，以解决方言识别任务中计算成本高的问题。通过微调Whisper模型识别六种汉语方言，实验表明MEFT方法可将GPU内存使用降低高达73.25%，训练速度提升2.1倍，同时保持与全参数微调相当的准确率。
FDRMFL：基于信息最大化和对比学习的多模态联邦特征提取模型
本研究针对多模态数据回归中的特征提取问题，提出了一种任务驱动的监督式多模态联邦特征提取方法。该方法旨在解决现实场景中的三大核心挑战：数据有限且非独立同分布、多模态信息的有效提取与融合，以及模型学习易受灾难性遗忘影响。通过集成多模态信息提取与对比学习机制，并构建多约束学习框架，该方法在保证回归精度的同时，实现了任务相关信息的保留、多模态特征的提取融合与对齐，并缓解了非独立同分布场景下的表征漂移和灾难性遗忘。仿真和真实数据分析的实验结果表明，与经典特征提取技术相比，该方法在下游回归任务上取得了更显著的性能提升。
锂氟化物电子态非绝热耦合对光谱与预解离寿命的影响研究
本研究通过高精度从头算方法，系统计算了锂氟化物（LiF）在基态和第一激发电子态下的绝热势能面与非绝热耦合。通过构建双态相互作用模型，精确描述了高达7800 cm⁻¹的振动-转动能级、共振态位置及预解离寿命。计算得到的跃迁频率与实验数据高度吻合（标准偏差低至0.0009 cm⁻¹），并提供了涵盖高振动量子数（v≤50）和转动量子数（J≤200）的完整谱线列表，为天体物理和分子光谱学提供了关键数据。
云平台实现视网膜毛细血管血流与靶向药物递送的大规模模拟
本研究探索了利用云计算平台进行大规模、强耦合生物流体模拟的可行性，传统上此类模拟依赖于超级计算中心。团队在公共云上实现了可扩展且高效的模拟，利用耗散粒子动力学方法，在图像重建的视网膜毛细血管中模拟了血流及人工细菌鞭毛的靶向药物递送。结果显示，Mirheo和LAMMPS两种软件框架在云平台上均展现出优异的弱可扩展性，其中LAMMPS在多达2000个核心上仍能保持90%以上的扩展效率。
MoRSAIK：用于模拟RNA序列演化与生命起源研究的Python工具包
研究团队开发了MoRSAIK Python软件包，用于模拟和分析RNA序列基序在化学反应器中的动力学过程。该工具基于平均场近似模拟RNA短链的杂交、连接等反应，并利用贝叶斯方法从实验数据中推断反应参数。它通过追踪特定长度内的所有序列基序浓度，间接模拟更长RNA链的演化，为研究生命起源中信息如何从随机化学池中涌现提供了高效的计算框架。
AlGaAs折射率低温测量新方法助力量子光子器件设计
本研究提出了一种实验方法，精确测定了AlGaAs材料在4K至300K温度区间、500-1100nm波长范围内的折射率。该方法通过分析嵌入金镜微腔中的AlGaAs薄膜共振光谱，结合改进的Varshni和Paessler模型以及时域有限差分模拟，获得了与实验数据高度吻合（R²=0.993）的解析表达式。该成果为在低温下、靠近带隙边缘精确设计量子光源等微纳光子器件提供了关键工具，且方法可推广至其他半导体体系。
双曲色散傅里叶变换揭示极端各向异性材料中的波传播新原理
本研究针对极端各向异性天然材料与人工复合材料中的波双曲性，推导并分析了双曲色散关系的傅里叶变换性质，揭示了局域发射源在双曲介质中的辐射特性。研究提出了双曲波的广义惠更斯原理，阐明了负折射与聚焦效应的物理联系，并指出了极化激元成像中的混叠伪影现象。该分析为模拟极端各向异性材料中的极化激元传播提供了解析工具，其应用可拓展至天体物理学与地震学等多个物理平台。
确定性构建网络模型中的典型状态，评估真实网络与模型的匹配度
研究提出了一种在满足特定条件的广义正则系综及其随机混合中，确定性构建“最典型状态”的方法。该方法通过多轮去随机化程序实现，其中部分程序涉及点过程的去随机化。研究以确定性双曲图网络模型为例，展示了如何构建其最典型网络，并应用于真实网络分析，发现许多真实网络接近模型中的最典型网络。该框架通用性强，适用于满足特定条件的各类广义正则系综。
Geant4模型揭示卫星太阳能电池辐射损伤机制
本研究开发了一个Geant4蒙特卡洛模型，用于模拟电子、质子和X射线环境下卫星太阳能电池材料中的电荷与能量沉积。模型经过实验与计算基准验证，结果吻合良好。分析表明，低能X射线主要损伤表面层，而高能粒子则能穿透至半导体和衬底层，威胁电子元件安全。该研究强调了针对不同辐射类型设计防护策略对空间太阳能电池的重要性。
局部序不变逻辑在有界度类上坍缩为一阶逻辑
本研究回答了Weinstein关于序不变逻辑表达能力的多个问题。核心结论是，在有限结构的有界度类上，局部序不变逻辑的表达能力坍缩为标准的一阶逻辑。同时，研究将ε-不变逻辑嵌入局部序不变逻辑，从而也证明了其在有界度类上坍缩为一阶逻辑，并为一般有限结构上的ε-不变逻辑提供了表达能力上界。
原子集合逻辑：探索轨道有限计算模型的对称性理论
本研究深入探讨了基于原子集合的轨道有限计算模型，该模型允许在具有对称性的无限对象上进行计算。论文证明了在可数原子结构下，自同构群作为对称性是充分且表达力足够的，并揭示了某些不可数结构在对称性理论上与可数结构具有相似性。关键贡献在于建立了不同结构对称性理论等价性的判定条件，为轨道有限构造理论向更广泛结构扩展提供了理论基础。
为集合论中的内在乐观主义提供形式化基础
本文旨在为集合论中的“内在乐观主义”提供一种坚实的形式化表述。其核心是尝试为哥德尔的观点提供辩护，即现象学可以作为确立ZFC集合论新公理的一种方法，从而解决诸如连续统假设（CH）等独立命题的判定问题。这项工作试图在哲学基础与数学形式体系之间建立更稳固的桥梁。
基于渐逝平面波的Helmholtz问题连续Galerkin新方法
本研究提出了一种用于二维Helmholtz问题的新型Trefftz连续Galerkin方法，该方法基于渐逝平面波构建了一个全局协调的离散空间。该方法采用笛卡尔网格划分区域，基函数在整个计算域内连续、紧支，且在单元内可表示为渐逝平面波的简单线性组合，从而保持为Helmholtz方程的局部解。研究证明了该方法具有有界系数的稳定近似性，对解析解具有谱精度，且近似误差随离散参数呈指数衰减。数值结果证实了理论估计。
有限链环上单纯形码的权分布及其Gray映射像
本文研究了有限链环上线性码及其广义Gray映射像（称为R-线性码）的构造与性质。作者构建了链环R上的线性单纯形码及其对应的α型和β型R-线性单纯形码，并完整给出了这些码的基本参数，包括最小汉明距离和完全权分布。此外，论文还探讨了这些单纯形码关于Griesmer型界的优化性。该工作推广了素数幂模整数环上的线性码理论。
首个度量图上布朗运动模拟算法：实现超高速并行计算
本研究提出了首个在度量图上模拟布朗运动的实用算法，通过基于时间步分裂的Euler-Maruyama方法离散化对应的随机微分方程。该算法同样适用于度量图上的Langevin扩散，从而实现了度量图上的首次采样。研究提供了算法收敛所需时间步分裂次数的理论保证，并证明了模拟粒子的退出概率在时间步趋于零时收敛于底层随机微分方程的顶点-边跳跃概率。该算法高度可并行化，作者开发了定制的CUDA内核实现，在简单星形度量图上比使用PyTorch的GPU实现快约8000倍。
量子自旋系统中李-罗宾逊条件与弗雷歇拓扑的等价性研究
本研究针对无限扩展量子自旋系统的可观测量代数，定义了*-自同构的各种局域性概念并探讨其相互关系。核心发现是，由李-罗宾逊界导出的普遍局域性刻画，意味着但不完全等价于在几乎局域可观测量自然弗雷歇拓扑下的连续性。该弗雷歇拓扑是非交换施瓦茨空间的类比，这一结果深化了对量子多体系统动力学局域性的数学理解。
复几何新突破：ABC Massey积与全纯链环数的关联及其在卡拉比-丘三维流形构造中的应用
本研究在紧致凯勒流形上，建立了源于复解析圈的ABC Massey积与全纯链环数之间的深刻联系。这一理论关联使得作者能够构造出一族具有平凡典范丛的单连通射影三维流形，其上配备了非零的ABC Massey积。该工作为理解复几何中的高阶不变量与流形的拓扑、几何性质之间的关系提供了新的工具和视角。
概率对称性的投影极限及其在随机图极限中的应用
本研究将概率测度的投影极限与其对称群的直极限相耦合，证明了直极限群是投影极限概率测度的对称群。当投影系统代表同一无限空间中越来越大有限区域上的点过程时，在一定的良好性和一致性假设下，直极限群的扩展成为整个无限空间中投影极限点过程的对称群。该理论框架为随机图极限（如图子和图指数）提供了统一的“最短路径”推导方法，并能涵盖一大类平均度有界的随机图极限，为研究不同类型随机图的极限行为提供了通用工具。
仿射簇代数支配区域的结构确定
本研究确定了仿射型簇代数的支配区域。在多数重要情形下，该区域表现为一个线段，并给出了其显式描述。此项工作旨在为仿射型簇代数的所有点基分类，以及确定仿射情形下的所有theta函数提供关键工具。证明过程结合了双Cambrian扇、几乎正根模型等已知结果，并引入了一种新工具：对仿射型邻近种子（即g-向量扇边界附近种子）的详细刻画。
新加坡GDP实时预测框架：结合高维数据与可解释性工具
研究构建了一个用于实时预测新加坡季度GDP增长的框架，整合了约70个经济和金融指标。该框架比较了惩罚回归、降维方法、集成学习算法和神经网络等多种模型，并采用贝叶斯超参数优化和移动块自举法构建预测区间。结果显示，惩罚回归、降维模型和GRU网络的表现均优于基准模型，均方根预测误差降低约40-60%。通过特征归因方法，研究发现工业生产、对外贸易和劳动力市场指标是新加坡短期增长动态的主要驱动因素。
多向引力模型的无偏估计新方法：解决固定效应估计偏差问题
本文针对多向引力模型中最大似然估计（如泊松伪最大似然估计PPML）存在的“伴随参数问题”导致的估计偏差，提出了一种新颖的、渐进无偏的估计器。该方法将估计问题重构为一系列分类任务，对固定效应的数量和结构具有普适性。在稀疏数据环境下，其计算速度优于PPML。实证表明，该方法能提供更精确的点估计和置信区间，即使在模型设定错误或数据稀疏的情况下也表现稳健。研究以法国医疗政策改革对空间可及性的影响为例进行了应用。
新算法重构美国500万企业生产网络
本研究提出一种四步算法，利用企业规模和部门投入产出流信息，重构大规模加权企业间网络。算法结合增强型引力模型与二次规划，在保持观测数据的同时，成功重建了包含500多万家企业和1亿条买卖关系的美国生产网络。重构网络展现出与真实样本一致的拓扑特性，如度分布肥尾和低互惠性。
基于图论与层论的偏好聚合冲突定位方法
本研究引入了一种基于离散层论的图论框架，用于诊断和定位偏好聚合中的不一致性。该方法不同于传统的线性化方法（如HodgeRank），它保留了序数偏好的离散结构，能够通过“障碍轨迹”识别导致聚合失败的具体选民交互作用，这是全局方法无法提供的信息。研究形式化了“不相容指数”以量化这些局部冲突，并使用Mallows模型考察了它们在随机变化下的行为。此外，还开发了一种严格的层论前推操作来建模选民合并，并通过多项式时间约束DAG算法实现。研究表明，图商将分布式的边冲突转化为局部不可能性（空茎），为聚合悖论如何在尺度间持续存在提供了拓扑特征描述。
企业如何在“解释权”法规下实现最优可理解营销策略
本文针对欧盟GDPR等法规中的“解释权”要求，为企业设计可理解的营销策略提供了框架。作者构建了由简单句子表示的可理解策略类别，并展示了如何直接从数据中优化此类策略以实现利润最大化，而非将“黑箱”策略简化。通过耐用消费品零售商的促销实验数据应用，量化了“解释成本”：与最优“黑箱”策略相比，可理解策略使预期利润降低了7.5%（即每位客户23美分）。
IFRS如何影响英国公司的价值相关性与财务指标？
本研究通过两项实证分析，评估了国际财务报告准则（IFRS）在英国采用后的影响。首先，研究发现IFRS的采用对公司的价值相关性产生了积极影响，这通过Ohlson模型得到了验证。其次，分析表明IFRS显著影响了公司的关键盈利能力指标（如ROCE、ROA和PM）以及负债比率，但对效率与流动性比率的影响不显著。该研究为IFRS的实际经济后果提供了来自英国市场的证据。
品牌信任是土耳其保险保费增长的主要驱动力
本研究采用动态GMM面板估计方法，分析了2005-2015年间土耳其31家保险公司的数据。研究发现，品牌信任是保费产出的核心驱动因素，其单位增长可带来532万土耳其里拉的保费增长。相比之下，品牌价值的影响虽显著但有限。研究还揭示了保费增长存在强烈的惯性效应，表明土耳其客户忠诚度较高，并存在自我强化的“从众效应”。
企业AI应用提升财务困境预警能力：基于中国上市公司的证据
本研究探讨了企业层面的人工智能（AI）应用能否超越传统财务比率，改善公司财务困境的样本外预测。基于2008-2023年中国非金融上市公司的数据，研究采用一种新颖的“修剪训练窗口”方法处理稀疏的AI数据，并测试了多种机器学习模型。研究发现，AI应用能持续提高预测准确性，尤其是在识别困境企业的召回率上提升最大。基于树的模型和AI密度指标最为有效。关键的是，使用更长历史数据的模型优于仅依赖近期“AI丰富”数据的模型。分析还揭示了不同的AI应用模式：健康企业比困境企业更早、更多地采用AI。这些发现为构建早期预警信号提供了框架，并证明了AI指标作为一种与传统会计指标不同、稳定且互补的风险指标的广泛潜力。
零售价格涟漪：小幅度涨价如何悄悄增加消费者支出
本研究通过分析2006至2015年间近790亿条周度价格数据，首次在大规模、长周期数据中证实了零售定价中存在“小幅不对称”现象：小幅涨价的频率显著高于小幅降价。这种策略可能绕过消费者注意，增加其实际支出。研究同时发现了相反的不对称现象，并证明其并非数据误差所致，更新并拓展了学界对此类定价策略的认知。
土耳其经济增长对生态系统的影响：农业受益，生物多样性受损
本研究使用1995-2021年数据及ARDL方法，分析了土耳其经济增长对生态系统各子维度的影响。结果显示，经济增长对不同生态系统成分的影响方向各异：对农业和水资源有正面促进（GDP增长1%，相关指数提升0.074-0.672%），但对生物多样性、栖息地、生态系统服务、渔业、酸雨及总体生态系统活力产生显著负面影响（GDP增长1%，相关指数下降0.101-2.144%）。研究强调需在发展战略中纳入环保政策以减轻增长的环境成本。
土耳其省份社会经济差异的测量与评级研究
本研究构建了一个涵盖土耳其81个省份经济与社会维度的综合发展指数，以量化区域发展差异。研究采用16个关键指标，通过Min-Max归一化与主成分分析法处理数据，并运用K-Means聚类与肘部法则对省份进行分级。结果显示，伊斯坦布尔和安卡拉社会经济地位最高，西部省份普遍优于东部和东南部省份，揭示了显著的区域发展不平衡问题。
鱼市买家偏好模型收敛性获数学证明，揭示非理性决策的稳定模式
本研究对Weisbuch等人提出的鱼市买家偏好模型进行了严格的数学分析。在买家同质的最简情形下，利用合作动力系统理论，证明了无论卖家数量和参数如何，几乎所有初始条件下的动态轨迹都会渐近收敛于一个稳态。研究进一步确定了特定吸引力分布下的所有稳态及其稳定性，发现多数情况下偏好排序与吸引力排序一致，但也存在参数使最高偏好并非对应最高利润卖家的稳健模式。
多维测量误差模型的新识别方法：无需精确测量即可恢复潜在结构
本文针对所有观测值均受潜在相关误差污染的多维连续测量误差模型，提出了新的识别方法。核心是利用三阶交叉矩构建一个三阶张量，通过Kruskal定理保证其唯一分解，从而识别因子载荷矩阵。该方法从线性结构出发，通过构造合适的测量值并应用Kotlarski恒等式，恢复了潜在因子的完整分布。研究表明，即使没有单射测量，也能完全识别潜在向量与测量误差的联合分布，这比以往认为的适用条件更广。此外，论文还利用新定义的“信号秩”为非线性模型提供了通用的识别结果。该方法在因子模型、存在报告误差的调查数据、计量经济学中的误测回归变量以及心理学和市场营销中的多维潜在特质模型等领域具有广泛应用前景，可在无法获得精确测量的情况下实现更稳健的估计和解释。
HODL策略的真相：4.8亿次模拟揭示加密货币的极端风险与宏观情绪效应
本研究通过两项独立分析检验了加密货币的“HODL”（买入并持有）策略。首先，对378种非稳定币资产进行了4.8亿次蒙特卡洛模拟，发现存在严重的幸存者偏差和极端下行风险集中现象。在2-3年持有期内，中位数超额收益为-28.4%，尾部风险可能侵蚀全部本金，仅有表现最好的前四分之一资产能获得巨大收益。其次，采用贝叶斯多期本地投影框架分析发现，基于历史收益的内生预测指标影响微弱且不稳定，而宏观金融因素，尤其是“恐惧与贪婪指数”的24周指数移动平均，对未来1-3年的收益具有持续且稳定的显著影响。这表明宏观情绪状况，而非历史回报，是未来结果的主导指标。
利用简约机器学习建模社会与地球边界的“甜甜圈”框架
本研究提出了一种概念验证分析，将机器学习方法应用于评估环境与社会可持续性的“甜甜圈”框架。通过随机森林分类器和Q学习等简约算法，研究展示了如何寻找符合“生活在甜甜圈内”目标的政策参数，并识别参数空间中的最优政策轨迹。这些方法能够有效识别同时实现环境与社会可持续性的政策组合，为未来应用于更复杂的生态宏观经济模型奠定了基础。
数据包络分析新模型：解决投入产出同时改进的效率评估难题
本文回顾了传统方向性数据包络分析模型，指出其在规模报酬不变条件下同时改进投入与产出时的局限性。作者提出了一族具有广义导向的二次约束新模型，证明其能克服上述缺陷，并基于此扩展了Farrell技术效率测度。研究还证实了新模型满足理想的单调性性质，并指出在特定基础情形下，这些二次约束问题可通过线性规划求解。
隐式得分驱动滤波：时变参数模型的新框架
本文提出了一种基于隐式得分驱动更新的观测驱动建模框架，用于处理时变参数模型。该框架通过最大化观测对数密度并惩罚与一步预测参数的加权L2范数，实现了隐式随机梯度更新。研究表明，流行的显式得分驱动模型是其在预测点附近线性近似的特例。新方法保留了完整密度，从而全局化了ESD更新的优良局部性质。对于对数凹观测密度，无论模型设定是否正确，ISD滤波器对所有学习率均稳定，且其更新在均方误差意义下向（伪）真实参数收缩。仿真及金融、宏观经济实证应用验证了其有效性。
竞争市场中AI模型精度的定价悖论
本文通过构建消费者-企业双寡头模型，分析了AI模型市场的竞争如何影响企业提升模型精度的动机。研究发现，在竞争市场中，企业单纯提升整体精度未必能增加利润。相反，将模型误差分解为假阳性率和假阴性率后，企业的最优策略是集中投资于自身具有竞争优势的误差维度，而非劣势维度。这种策略虽可能损害消费者利益，却能提升整体社会福利。
AI聊天机器人能否替代网页搜索？塞拉利昂教师的实证研究
针对撒哈拉以南非洲地区互联网普及率低、带宽成本高的问题，一项研究通过分析塞拉利昂529名教师在17个月内提交的4万余条查询，发现教师越来越多地依赖WhatsApp上的AI聊天机器人获取教学帮助。相比本地内容仅占2%的网页搜索结果，AI回复的带宽消耗平均低3107倍，综合成本降低98%。盲评显示，教师们认为AI回复比网页搜索结果更相关、有用且准确。
暗能量可能并非恒定：结构形成对宇宙常数的新贡献
本研究提出了一种几何方法，允许FLRW观测者非微扰地评估其理想化过去光锥与实际物理过去光锥之间的尺度依赖距离泛函。研究发现，从FLRW观测者视角看，该泛函会产生一个与结构形成相关的、红移依赖的几何-结构-增长贡献ΩΛ(ẑ)，它会侵蚀对FLRW宇宙常数ẐΩΛ代表恒定暗能量的解释。特别是在星系团尺度等低红移处，ΩΛ(ẑ)变得与假定的ẐΩΛ同量级，表明晚期宇宙结构对FLRW宇宙常数提供了与之相当的有效场贡献。
修正宇宙学模拟中“光速降低”近似的光子不守恒问题
“光速降低”（RSL）近似是加速宇宙学模拟中辐射传输计算的常用方法，但已知会导致光子不守恒。本文提出了一种能精确计算缺失光子数量的数值方案，在简单测试中可实现亚百分比精度。然而，在模拟宇宙再电离的半现实场景中，该方案表现不佳，导致电离重叠过程加速，与保持真实光速的参考模拟相比，辐射场存在显著误差。
JCMT望远镜观测星际彗星3I/ATLAS，未探测到早期HCN与CO排放
研究团队利用詹姆斯·克拉克·麦克斯韦望远镜（JCMT）对第三颗星际天体3I/ATLAS进行了亚毫米波观测，旨在探测其彗发中的HCN和CO分子。在2025年7月期间，当彗星距离太阳约3.84至4.01天文单位时，未探测到这两种分子的排放，并给出了其产率的上限。结合后续观测数据，研究发现HCN产率随日心距离减小的变化指数高达12.7，远陡于典型太阳系彗星，但与该彗星其他物质的演化趋势一致，为理解星际天体的挥发物活动提供了新约束。
慢光效应揭示M87黑洞喷流发射区的结构特征
本研究通过广义相对论磁流体动力学模拟，结合“慢光”辐射转移计算，深入分析了M87星系中心超大质量黑洞喷流发射区的可观测结构。研究发现，与忽略光传播时间效应的“快光”图像相比，“慢光”图像能更准确地反映喷流的真实形态，呈现出与观测更为一致的双边缘锥状结构，而非螺旋或环状特征。喷流图像的形态和动力学行为强烈依赖于黑洞的自旋参数，低自旋模型产生摆动明显的喷流，而高自旋模型则产生更直、更稳定的喷流。
VLTI/GRAVITY观测揭示南天亮星Kappa Velorum的伴星并非黑洞
Kappa Velorum是南天一颗明亮的B型星，长期被认为可能拥有一颗致密天体（如黑洞）伴星。研究团队利用VLTI/GRAVITY干涉仪直接解析了该双星系统，探测到一颗主序B型伴星，从而排除了致密天体的可能性。结合相对天体测量轨道与历史径向速度数据，团队精确测定了轨道参数，并估算了双星质量。该研究展示了干涉测量技术在甄别未来盖亚任务（Gaia DR4）可能发现的众多候选“恒星+致密天体”双星系统方面的潜力。
低金属丰度恒星中重元素丰度弥散的起源研究
本研究对86颗贫金属亚巨星进行了高精度光谱分析，测量了包括11种重元素在内的23种元素丰度。通过使用先进的KORG光谱合成软件包，研究人员发现s-过程和r-过程重元素的丰度弥散显著高于轻元素，其中铕的弥散度最高。研究表明，这种弥散可能源于前身超新星质量、自转和磁场强度的随机性采样，以及核合成源比例的星间差异。分析指出，需要同时存在快速旋转和磁旋转驱动的超新星才能解释观测到的丰度模式与弥散度。
红外自行运动揭示NGC 2024星团中年轻恒星的快速形成过程
本研究利用欧洲南方天文台的多期近红外巡天数据，首次对火焰星云NGC 2024星团中的362颗候选年轻恒星天体进行了高质量、均匀的自行运动测量。结果显示，该星团的形成过程迅速（<100万年），支持快速塌缩模型，而非长期的分级组装。研究发现存在由内而外的年龄分层现象，且最年轻的I类天体速度弥散度略高。恒星径向速度与气体速度基本一致，但部分较老的恒星已开始与气体解耦。
神经网络助力GALAH DR4星表：新增超11万颗恒星铕丰度数据
本研究利用卷积神经网络，将GALAH DR3星表中精确的铕元素丰度迁移至最新的DR4光谱数据，构建了一个包含118,946颗恒星铕丰度的公开星表。其中54,068颗巨星的“黄金样本”精度优于0.1 dex。该工作克服了DR4数据精度下降的局限，并与DR3数据结合，在统一尺度上提供了超过10万颗恒星的高质量铕丰度，成功复现了已知的银河系化学演化趋势，为研究r-过程元素起源及中子星合并等稀有事件提供了关键数据。
黑洞吸积盘中的发电机效应如何调控喷流形成与演化
本研究通过全球三维广义相对论磁流体动力学模拟，揭示了吸积盘中由磁旋转不稳定性驱动的发电机效应与黑洞喷流形成之间的直接联系。不同于传统模拟预设大尺度磁场，新采用的‘亚标准’初始条件允许小尺度磁环通过快速重联和湍流自发形成大尺度磁场。研究发现，发电机产生的磁场波会直接印刻在喷流的电磁能流上，但喷流的最终维持依赖于黑洞视界处磁场的相干性。当相干性下降时，喷流会关闭。
限制ZLK振荡导致的白矮星污染：耗散进动的影响
本研究探讨了Von Zeipel-Lidov-Kozai（ZLK）振荡作为白矮星污染的一种动力学机制，并重点分析了耗散进动对其发生率的限制作用。耗散进动在原行星盘阶段促使系外行星寄主双星系统轨道对齐，从而减少了能够触发ZLK振荡所需的高轨道倾角构型。通过对4400个已知白矮星/主序双星系统的分析，研究发现50-70%的系统具备ZLK污染的参数条件，但污染率受限于ZLK振荡产生大质量但低频污染物的倾向。对于初始间距较近（<500-800 AU）的双星，耗散进动是主要限制因素；而对于间距更宽的双星，ZLK振荡的时标约束则更为关键。
AT2022zod：红移0.11椭圆星系中的一次特殊潮汐瓦解事件
本研究报道了在红移0.11的椭圆星系中发现的一次极端、短寿命光学耀发AT2022zod。其高光度和约30天的持续时间，使其不太可能源于宿主星系中心约10^8太阳质量的超大质量黑洞。研究认为，该事件最可能源于一个嵌入超致密矮星系中的中等质量黑洞对恒星的潮汐瓦解。此发现为利用即将运行的Vera C. Rubin天文台巡天，优化中等质量黑洞的搜寻与表征策略提供了重要参考。
POTFlow：基于生成模型和实验验证的胶质母细胞瘤靶向肽设计新框架
本研究针对胶质母细胞瘤（GBM）治疗需求，提出了一个名为POTFlow的干湿结合框架，用于生成和优化靶向潜在靶点ATP5A的治疗性肽。该框架首创了先导肽条件化生成模型，利用二级结构作为几何约束，并通过最优传输理论优化生成路径，有效降低了从头设计的组合复杂度。与五种主流方法相比，POTFlow取得了最优性能。在GBM患者来源的异种移植模型中，其生成的肽能选择性抑制细胞活力并显著延长生存期，展示了作为通用治疗性肽设计框架的潜力。
混合隐空间模型揭示脑连接组中连续与离散变异源
本研究提出一种具有混合隐空间的变分自编码器（VAE），用于联合建模脑结构连接组中的连续（如连接强度）和离散（如成像站点）变异因素。在包含5,761个连接组的大规模阿尔茨海默病数据集上，该方法以无监督方式有效解耦了变异源，其离散空间在捕获站点相关差异方面显著优于PCA和标准VAE后聚类方法。这为大规模、高维脑连接组的可解释分析提供了新工具。
CONFIDE：提升蛋白质结构预测可靠性的幻觉评估新框架
本文提出了CONFIDE评估框架，通过结合能量稳定性指标pLDDT与新型拓扑评估指标CODE，显著提升了蛋白质结构预测的可靠性。CODE通过无监督分析AlphaFold3的潜在扩散嵌入来量化蛋白质折叠能量景观中的拓扑挫折，与蛋白质折叠速率的相关性达0.82，远超pLDDT的0.33。在分子胶结构预测基准测试中，CONFIDE与RMSD的斯皮尔曼相关性达到0.73，相比pLDDT提升了73.8%。该框架可广泛应用于药物设计任务，为结构生物学和药物发现提供更稳健的工具。
EcoCast：用于持续预测非洲生物多样性与气候风险的时空模型
本研究提出EcoCast模型，旨在持续预测生物多样性与气候风险。该模型整合多源卫星影像、气候数据和公民科学观测记录，利用基于序列的Transformer架构捕捉时空环境依赖性，以预测物种分布的近期（月度至季节性）变化。初步在非洲的试点研究表明，相较于随机森林基线模型，EcoCast在预测选定鸟类物种分布方面展现出更优性能。该模型通过支持持续学习，为未来整合新数据流进行业务化部署奠定了基础，有望为制定有针对性的保护政策提供数据驱动的决策支持。
基于调整成对似然的新方法：快速稳健的进化节点年龄估计
本研究针对大规模基因组数据下，结合化石信息进行进化分歧时间估计时面临的计算成本高、对化石校准不确定性敏感的问题，提出了两种基于调整成对似然（APW）的快速替代方法。该方法通过渐近矩匹配权重，在贝叶斯MCMC框架内更好地逼近完整似然的行为。模拟实验表明，APW方法在保持与完整似然可比估计精度的同时，对化石错位和先验误设更具鲁棒性，且计算成本降低一个数量级以上。在鸟类基因组数据集上的应用验证了其有效性与高效性。
PRIMO：基于上下文学习的少样本蛋白质适应性预测新框架
本研究提出PRIMO框架，通过结合上下文学习与测试时训练，仅需少量实验数据即可准确预测蛋白质适应性。该框架将序列信息、零样本预测及稀疏实验标签统一编码，在大规模预训练后能快速适应新蛋白质与检测任务，在多种蛋白质家族与突变类型上表现优于现有基线方法。
MolAS：基于分子嵌入的蛋白质-配体对接算法选择系统
本研究提出MolAS，一种轻量级算法选择系统，用于预测蛋白质-配体对接任务中不同算法的性能。该系统利用预训练的蛋白质-配体嵌入，通过注意力池化和浅层残差解码器，仅需数百至数千个标记复合物即可实现高效预测。在五个不同的对接基准测试中，MolAS相比单一最佳求解器（SBS）实现了高达15%的绝对性能提升，并将虚拟最佳求解器（VBS）与SBS之间的差距缩小了17-66%。分析表明，当求解器性能排名稳定且可分离时，MolAS表现优异；但在协议引发的排名层次变化下，其性能会下降。这揭示了稳健对接算法选择的主要障碍并非表征能力，而是不同姿态生成机制下求解器排名的不稳定性。MolAS既可作为实用的域内选择工具，也可作为评估算法选择可行性的诊断工具。
大脑与AI的融合：预测与生成世界模型作为通用计算基础
本文提出，大脑新皮层与小脑虽结构相对统一，但通过构建预测性世界模型并利用预测误差学习，实现了从感知理解到运动生成等多样化功能。研究发现，基于注意力的AI系统也独立地采用了类似的学习范式和基于世界模型的计算，这表明预测与生成世界模型构成了生物与人工系统实现高级智能的共同核心计算基础。该理论洞见架起了神经科学与AI之间的桥梁。
scCluBench：首个全面评估单细胞RNA测序聚类算法的基准平台
研究团队推出了scCluBench，一个用于评估单细胞RNA测序（scRNA-seq）聚类算法的综合性基准平台。该平台整合了36个经过统一处理的多样化数据集，并系统评估了包括传统方法、深度学习、图算法及生物基础模型在内的多种聚类技术。通过核心性能指标、可视化分析及下游生物任务（如标志基因识别）的验证，scCluBench揭示了不同模型在鲁棒性、可扩展性及实际应用边界上的差异，为研究人员选择合适方法提供了标准化依据。
非马尔可夫生化反应网络的高效模拟与推断方法
本研究针对具有历史依赖性的非马尔可夫生化反应网络，开发了高效的随机模拟算法。方法将“下一反应方法”和“τ-跳跃方法”推广至支持任意事件间隔时间分布，并引入耦合方案生成精确样本路径。这为基于模拟的贝叶斯推断带来了高达两个数量级的效率提升，显著扩展了非马尔可夫模型在系统生物学等领域的实际应用。
血管网络拓扑结构如何影响分子通信信号质量
本研究针对心血管系统中的合成分子通信应用，提出了一个涵盖复杂血管网络拓扑结构的全新信道模型。该模型描述了信号分子（如超顺磁性氧化铁纳米颗粒）在血管中的对流、扩散及吸附/解吸附过程，并引入了平面线圈感应传感器作为接收器模型，实现了端到端的实验验证。研究还借鉴无线通信中的多径传播概念，提出了分子延迟和多径扩展两个新指标，定量揭示了血管网络结构如何通过影响分子色散来最终决定接收端的信噪比。该框架为心血管系统中的传感器优化布局及特定信噪比要求的测试平台设计提供了理论依据。
单细胞检测误差如何重塑基因调控网络的观测动力学
本研究将分子捕获的二项式模型扩展到一般基因调控网络，揭示了不完美的单细胞分子检测如何重塑观测到的分子计数时间统计量。研究发现，在转录因子丰度较高或启动子状态转换时间尺度显著区别于其他反应时，技术噪声会导致观测到的基因产物平均爆发大小减小，并使转录因子结合反应显得更快。这些效应可被理解为对动力学速率的部分重正化，为解释嘈杂的单细胞测量提供了系统性基础。
大规模脑机接口算法评测：34万种配置揭示个性化解码的必要性
本研究通过大规模基准测试，评估了超过34万种空间与非线性的EEG分类算法组合，用于解码脑电图中的心理指令。研究发现，协方差切空间投影和共空间模式平均准确率最高，但效果高度依赖数据集和个体，非线性方法对特定个体更优。结果表明，不存在适用于所有用户或数据集的通用方法，未来实用BCI系统需能自动适应个体神经生理差异。
Seizure-NGCLNet：基于节点-图双重对比学习识别癫痫发作的SEEG空间病理模式
针对耐药性癫痫的立体脑电图检测难题，本研究提出Seizure-NGCLNet框架。该方法通过中心性指标引导的自适应图增强策略构建脑网络，并采用全局图级与局部节点-图级双重对比学习，有效编码发作间期抑制与发作期传播等空间病理模式。在大规模公开数据集上的实验表明，该模型平均准确率达95.93%，其学习到的表征能清晰区分发作状态，并有助于定位致痫区。
LLOST模型：通过医学影像预测癌症体细胞突变
本研究提出了一种名为LLOST的深度隐变量模型，旨在通过患者的医学影像（如CT或MRI）来预测其体细胞突变谱。模型采用点云表示病灶图像以确保成像模态不变性，并利用双变分自编码器与条件归一化流，将影像特征与突变计数信息耦合到一个共享的隐空间中。实验基于癌症影像档案库和癌症基因组档案库的泛癌数据集，验证了模型在预测特定突变计数和突变发生方面的性能，揭示了影像与突变域之间反映癌症类型的共享模式。
神经网络逼近经典系统发育距离函数，实现高效大规模进化树推断
本研究提出了一种利用小型神经网络架构逼近经典系统发育距离函数的新方法。该方法能够学习多种分子进化模型下的距离度量，相比传统的贝叶斯或最大似然模型推断，以及近期提出的模型无关卷积/Transformer网络，具有计算开销小、可扩展性强的优势，能够高效处理大量分类群和分子特征。在适当训练数据下，其推断结果可与当前最先进方法相媲美。
训练动态揭示：3D旋转等变性学习为何快速高效
本研究通过推导一个原则性的等变性误差度量，量化了模型在学习对称性时的效率。在3D分子任务（如流匹配、力场预测）上的实验表明，模型能在1千至1万步内将等变性误差降至总损失的2%以下。研究发现，学习3D旋转等变性比主预测任务更容易，其损失景观更平滑、条件更好。非等变模型在整个训练过程中的损失惩罚较小，因此除非等变模型的“效率差距”缩小，否则它们在单位GPU时间内可能获得更低的测试损失。
LLMs展现类人贝叶斯行为：GPT-5 Mini在视觉线索整合上存在缺陷
研究通过心理物理学范式，构建了BayesBench行为基准测试，评估了9种大语言模型在文本和图像多模态线索整合中的表现。研究发现，尽管部分模型在文本任务上准确率很高（如GPT-5 Mini），但在整合视觉线索时效率低下，未能展现出接近最优的贝叶斯策略。研究揭示了模型能力与底层计算策略之间的关键分离，表明仅关注准确率的基准测试可能高估了模型处理不确定性的鲁棒性。
FCDB：基于函子范畴的数据库框架，实现信息保全与操作可交换性
传统数据库架构常以丢弃信息为代价确保局部一致性。本文提出函子-范畴数据库（FCDB），将数据操作建模为分层函子范畴中的态射，并建立了一个跨越内容不变性、能力和所有权的“完全保全族”投影集。该框架识别出一个最小核心，能在保全信息的同时，将非交换性操作坍缩至授权/撤销的伦理边界。通过伴随提升和纤维化结构，操作对在范畴极限下可交换，同时保持所有权完整性与能力约束。该框架通过投影解释连接信息几何学，支持在不丢弃语义、时间或关系熵的情况下进行实证验证。
强化学习结合力觉感知提升机器人安全控制
本研究针对非结构化环境中复杂操作任务，提出将力与触觉感知融入强化学习框架，以提升机器人的安全性与可靠性。传统手工编码方法效果有限，而纯强化学习策略的稳定性难以保证。实验表明，基于力感知的强化学习方法能更好地适应环境变化，在物体推动任务中，其模拟到现实的迁移表现更安全、高效，为广泛的机器人应用提供了新思路。
集成机器学习模型通过特征优化实现早期糖尿病预测
本研究利用2015年BRFSS健康调查数据（约25万条记录），通过SMOTE和Tomek Links处理数据不平衡问题，评估了多种监督学习模型。随机森林、XGBoost等单一模型ROC-AUC达0.96，而XGBoost与KNN的堆叠集成模型表现最佳，准确率达94.82%，ROC-AUC为0.989，实现了召回率与精确度的良好平衡。研究还开发了基于React Native和Python Flask的应用程序，为临床决策和用户健康监测提供支持。
如何选择最适合的大语言模型？一种基于量化评估的模型选择方法论
本文针对大语言模型（LLM）快速迭代背景下模型选择日益复杂的问题，提出应从定性和定量两个维度进行考量。研究聚焦于定量评估维度，通过分析现有模型排行榜和基准测试，并以医疗领域为案例，展示了量化评估的演变、现状及实际意义。最终，作者提出了一种系统性的模型选择方法论（MSM），旨在指导用户根据特定用例导航、排序并选择最匹配的模型。
扩散语言模型新解码框架：CCD通过历史一致性提升生成质量与速度
针对现有扩散语言模型推理方法依赖局部置信度指标、易导致采样轨迹不一致的问题，本研究提出连贯上下文解码框架。该框架包含轨迹校正与自适应采样两大创新：前者利用历史上下文增强序列连贯性，并基于条件互信息理论建模步骤间一致性；后者根据一致性度量动态调整每步解码预算，替代传统固定分配。在Dream和LLaDA基准测试中，该方法在推理速度上实现最高3.48倍加速，同时性能提升达3.91%。
PIBNet：基于物理启发的边界网络，用于高效模拟多重散射问题
本研究提出PIBNet，一种基于学习的物理启发式方法，旨在加速边界元法（BEM）中求解多重散射问题的核心瓶颈步骤——边界解迹的计算。该方法利用图结构高效建模障碍物及其长程相互作用，并引入新颖的多尺度图神经网络架构。在构建的多个数据集基准测试中，PIBNet不仅超越了现有基于学习的方法，且在障碍物数量增加时展现出更优的泛化能力。
SFL Transformer：通过上下文门控机制提升歌词分类与校准性能
本研究提出了一种名为SFL Transformer的新型深度学习模型，通过将辅助结构特征直接集成到预训练Transformer的自注意力机制中，实现了对歌词内容分类的特征融合创新。该模型采用上下文门控机制，在BERT编码器堆栈的中间层调制隐藏状态序列，而非在最终输出层融合特征。实验表明，该方法在基于UMAP降维歌词嵌入的二元分类任务中取得了0.9910的准确率和宏F1分数，显著超越了先前SFL模型的性能，同时保持了极低的预期校准误差和Log Loss，验证了在模型中间层注入辅助上下文是结合结构与语义信息的最有效方式。
零压力梯度湍流边界层在粗糙度突变下的响应模拟研究
本研究通过数值模拟，探究了零压力梯度湍流边界层在壁面由光滑突变为三角形沟槽（S-R）及反向突变（R-S）时的响应与松弛过程。研究开发了一种适用于非结构谱元法的新网格生成方法，以匹配边界层内湍流尺度。结果表明，从沟槽到光滑壁的突变后，内部平衡层厚度在12倍初始厚度内达到0.4倍初始厚度；而反向突变仅需4倍距离。在所有情况下，由于冻结尾流区的持续历史效应，内部平衡层厚度在突变下游45倍初始厚度内均未达到边界层总厚度。
三角形肋条对分离湍流边界层的影响研究
本研究通过直接数值模拟，分析了90°和60°三角形肋条对分离湍流边界层的影响。研究发现，两种肋条均使平均分离位置提前至参考位置下游140θ₀处，相比光滑壁面情况（170θ₀）缩短了18%。这一现象与逆压梯度持续增强下Kelvin-Helmholtz涡旋的强化有关，该涡旋以更大的尺寸和相干性穿透湍流分离泡。研究揭示了肋条几何形状对流动分离控制的潜在机制。
利用辅助场方法量化自旋2粒子及其对水星进动的影响
本研究采用辅助场方法，对具有质量和无质量的自旋2粒子进行了量子化。重点探讨了所谓的vDVZ不连续性问题，即在树图近似下，具有质量的引力子模型是否与水星等天体的近日点进动观测数据相符。研究发现，对于一个包含虚标量鬼粒子且引力子质量很小的引力模型，其理论预测与观测结果是一致的。
从庞加莱不变性推导规范理论：杨-米尔斯与广义相对论的统一框架
本文基于两个核心原理：普适场方程与福克-伊万年科协变导数。前者给出了任意自旋自由场的运动方程，并揭示在无质量情况下，张量场的洛伦兹变换会额外产生规范变换项。后者则基于内禀群与庞加莱群引入相互作用。这一框架不仅完整地重建了杨-米尔斯理论，还导出了基于联络表述的帕拉蒂尼与阿什特卡形式的广义相对论，二者均为局域规范对称理论。不同于从物质作用量对称性出发的传统方法，本研究直接从庞加莱不变性推导动力学，表明自由场的洛伦兹不变性诱导了无质量张量的规范对称性。
CP破坏非线性电动力学修正黑体辐射热力学定律
本研究基于有效场论思想，系统探讨了CP破坏非线性电动力学模型的双重效应。一方面，揭示了在磁场背景下真空呈现双各向异性行为；另一方面，建立了低温光子热力学的普适形式，量化了其对能量、压强、熵、比热等热力学量的标准值的偏离，并分析了其对普朗克分布和斯特藩-玻尔兹曼定律的修正。
数值求解液-气两相等熵流模型的黎曼问题
本研究对Chun Shen提出的液-气两相流模型进行了数值求解。该模型用于描述液态水载体中浸没水泡的动力学。在一维时空坐标系下，通过Python编程框架，对多个黎曼型初值问题进行了数值求解。研究比较了三种有限差分格式（Lax-Friedrichs、Lax-Wendroff和FORCE）的性能，其中FORCE格式具有总变差减小和单调性，不会产生振荡。数值解由光滑剖面、激波和稀疏波的组合构成。
非洲航空连通性分析：本土航司主导市场但网络灵活性不足
本研究通过分析2016-2022年非洲267个城市间的航线座位容量数据，应用扩展的多重离散-连续选择模型，揭示了非洲航空市场的结构特征。研究发现，非洲本土航司在非洲内部旅行中提供了最佳连通性，但其航线网络灵活性较低，且存在明显的对本国航司的优待。尽管有《亚穆苏克罗决定》等自由化政策，但结构性和监管壁垒依然制约着非洲内部的航空连通性，跨境合作与竞争的缺乏限制了高效一体化航空市场的形成，进而影响了更广泛的经济增长。
引力如何影响量子叠加态？波包扩散揭示新关联
本研究通过波包扩散过程探索引力与量子力学的关系。作者将德布罗意波长用康普顿波长表示，并用米歇尔-拉普拉斯半径 Gm/c² 替代，研究质量大于普朗克质量的球状物体。在球坐标中分析波包宽度 σ(t) 的扩散，发现大质量物体导致更快的扩散速率，且该过程仅能被自由落体观测者探测。不同观测者会测得不同的扩散率，表明引力源处于量子叠加态。
信息与能量的本质关联：澄清布里渊负熵定律与兰道尔擦除定律的混淆
本文辨析了描述信息与能量关系的两大理论：基于克劳修斯不等式和香农数学理论的布里渊负熵定律，以及基于信息需要物质载体（数据位）这一简单观念的兰道尔擦除定律。研究指出，兰道尔定律源于将信息（一个全局涌现概念）与数据（局部物质对象）相混淆，这导致了诸多不一致性，并与热力学和信息论相悖。文章认为，该混淆盛行源于唯物主义常倾向于还原论，忽视了涌现性并试图消除观察者的角色。信息与熵本质上是理论中通过约定引入的涌现量。
集合预报可靠性诊断存在缺陷，传统指标可能误导评估
研究表明，集合预报中常用的“离散度-误差”相等性和秩直方图平坦性，虽然是可靠性的必要条件，但并非充分条件。即使在无平均偏差的情况下，这些指标也可能给出错误的可靠性诊断。研究通过理论分析和理想化实验证明，当集合均值与气候态存在显著差异时，传统方法会误判集合的离散度状况（完美离散或离散不足）。误判可能导致不当的模式调优，反而损害预报质量。为此，研究者提出了一个新的可靠性诊断方法，基于三个易于计算的统计量，能够区分气候态和可预报性对不可靠性的贡献，从而更精确、稳健地刻画集合预报行为。
Nb3Sn超导磁体中发现电磁瞬态现象与线圈滑移运动
研究人员在测试SMCTM1应力管理余弦-θ偶极子镜像磁体时，观察到一种新的电磁瞬态现象。在磁体失超前，半线圈电压抽头出现大幅电压尖峰，同时新增的差分电流探头检测到快速、显著的电流变化。分析表明，这可能是由线圈运动引起的。研究者建立了一个基于内外层线圈相对位移的简单模型，其预测的位移量与磁体约束条件下的估计值相符。该行为被证明是可逆的，并具有“粘滑”运动的特征。
逆设计单片透镜实现可见光到长波红外超宽带成像
研究人员通过逆设计方法，制造出一种溴化钾单片透镜，首次实现了从0.45微米（可见光）到14微米（长波红外）的超宽带、近消色差聚焦，其相对带宽接近理论极限。该透镜焦距在整个波段内几乎恒定，为高光谱成像、中红外显微、超分辨成像及多波段遥感等应用提供了单一、紧凑的平台。结合可扩展制造，该技术有望推动生物医学、环境监测和空间传感等领域超宽带成像设备的广泛应用。
基于增益管理非线性与啁啾脉冲放大的Mamyshev振荡器实现
本研究首次实验演示了一种结合增益管理非线性与啁啾脉冲放大的新型Mamyshev振荡器。其创新点在于，增益管理非线性区域在一条臂中充当种子源而非功率放大器，而另一条臂则通过啁啾脉冲放大实现了超过300nJ的脉冲能量输出。该配置为设计高能量超快激光器提供了一种新途径。
费米实验室IOTA加速器质子束动力学研究：空间电荷效应限制束流寿命
本研究利用费米实验室的积分光学测试加速器（IOTA），分析了2.5 MeV质子束在两种不同晶格配置下的动力学行为。报告重点评估了束流强度对横向发射度增长率的影响，量化了残余气体散射、束内散射和空间电荷效应的贡献。计算表明，在当前真空条件下，低强度束流寿命预计不足7分钟，而高强度下因强空间电荷效应，寿命将少于10万圈。这些结果为未来抑制发射度增长、优化IOTA实验策略提供了关键指导。
新型热噪声抑制方法实现宽带低幅电子温度涨落测量
研究人员开发了一种用于聚变等离子体测量的新分析方法，能够利用单个辐射计通道测量宽带、低幅度的湍流电子温度涨落。该方法利用了热噪声与等离子体涨落相关时间的差异，在ASDEX Upgrade托卡马克装置上，通过与传统双通道方法的对比，验证了其在L、I、H等多种约束模式等离子体芯部和边缘测量的有效性。
薄流体层中混合对流触发的不稳定性机制研究
本研究通过三维初始值和二维特征值计算，探究了具有矩形截面的无限薄流体层在对流不稳定性下的行为。研究发现，不稳定性阈值随纵横比减小而降低，遵循εf⁻¹的幂律关系。主导的三维模式表现为附着在域边缘的两个横向驻波，其频率和波数被表征为瑞利数和纵横比的函数。基于解析基态进行的局部分析揭示了振荡横向不稳定性，其最不稳定模式的源项源于垂直剪切与水平温度梯度之间的相互作用。
液滴撞击超疏水表面时产生新型奇异射流
本研究通过实验和理论分析，在液滴撞击超疏水表面的过程中，发现并定义了一种新型的奇异射流——由水平惯性驱动的奇异射流，区别于此前已知的由毛细变形驱动的奇异射流。研究揭示了两种射流不同的空腔形成机制，并定量分析了撞击过程中的关键步骤，最终绘制了奇异射流形成的状态图，为理解液滴撞击动力学及控制液体分散传输提供了新见解。
高维Fermat型偏微分差分方程组的整函数解研究
本研究探讨了高维空间中一类Fermat型非线性偏微分差分方程组有限阶整函数解的存在性与精确形式。该系统将经典的Fermat方程推广至多复变函数与差分算子结合的情形，并将前人关于二维复空间的结果扩展至任意m维复空间。研究通过分析不同正整数组合下解的结构，提供了若干示例以验证结果的适用性与精确性，推动了复分析与差分方程交叉领域的发展。
Fermat型偏微分差分方程的解研究
本文研究了Fermat型偏微分差分方程的非平凡整函数与亚纯函数解。该方程将经典的费马方程推广至多变量、包含偏导与位移的复杂情形。主要贡献在于将现有结果从二维复空间推广至任意高维，并解决了Xu和Wang提出的一个公开问题。研究提供了丰富的例子以阐明结论。
整函数与其线性微分平移多项式的唯一性问题研究
本文研究了整函数与其线性微分平移多项式的唯一性问题，获得了三个主要结果。这些结果在较大程度上改进并推广了Qi在2011年《波兰数学年刊》上的相关结论，为复分析领域的函数唯一性理论提供了新的见解。
三体问题中发现新型动力学结构：辛搅拌器揭示强拓扑不稳定性
研究团队为经典三体问题及其限制性版本构造了“辛搅拌器”这一动力学结构，并以此证明这两个模型均展现出一种鲁棒的、强烈的拓扑不稳定性。该结论不依赖于天体质量的微小性假设，仅要求至少有两个质量不同。核心贡献在于两个抽象定理，分别给出了圆柱上扭转映射对生成局部传递迭代函数系统的显式条件，以及将该结果推广至特定圆柱斜积系统的方法。
10个四面体定向双曲3-流形完整普查完成，揭示1849个最简单双曲纽结补
本研究将定向尖点双曲3-流形的完整普查扩展至10个四面体，新增150,730个流形及其496,638个极小理想三角剖分。应用发现439,898个例外Dehn填充，并识别出S^3中接下来1849个最简单的双曲纽结补空间。同时给出了包含闭完全测地曲面的最简单定向尖点双曲3-流形示例。
理想不可压缩磁流体中首次构造出挤压型奇点，解析性在自相交时丧失
本研究首次为具有自由边界的理想不可压缩等离子体-真空系统构造了“飞溅-挤压”奇点。当等离子体边界的两段弧光滑地自相交时，Sobolev范数保持有界，但解析性必然丧失。这与经典的“飞溅”奇点（解在自相交时刻前保持解析）形成对比。关键在于，被挤压的区域是真空而非等离子体，其中承载的磁场在交点处被无限阶压平，从而形成解析奇点。这为分析其他不可压缩流体模型中的挤压型奇点提供了新框架。
高维空间中的Eigen-Falconer定理推广与Erdős相似性猜想
本文研究了高维空间中的Erdős相似性猜想，推广了Eigen-Falconer定理。研究证明，对于满足极限条件（模长趋于零且相邻项模长比值趋于1）的任意非零向量序列A，总存在一个具有正勒贝格测度的可测集E，使得E不包含A的任何仿射副本。这一结果深化了对高维空间中点集几何结构的理解。
递增函数多重积分的可能值域刻画及其应用
本文研究了递增函数多重积分在端点处的可能取值问题。对于定义在[0,1]上的递增函数f，作者完整刻画了其一次、二次和三次积分在x=1处的取值(a, b, c)所必须满足的不等式条件。主要定理表明，当这些不等式严格成立时，存在一个满足端点值和导数约束的C∞递增函数实现这些积分值。该研究源于共单调逼近问题，并进一步探讨了Cⁿ函数在端点处导数值的可能集合。
基于奇异摄动的分布式时变覆盖控制算法
本文提出了一种新颖的动态覆盖控制算法，使机器人群体能够跟踪任意时变密度函数下的最优部署配置。该设计基于奇异摄动理论，采用双时间尺度分离方法，将快速时间尺度用于通信，慢速时间尺度用于智能体运动。算法在2跳Delaunay图上分布式实现，并在摄动参数足够小时达到与集中式算法相同的性能。研究还引入了三种仅依赖1跳通信的离散时间版本，并正式建立了其渐近收敛性。
素数短区间中的丢番图逼近新结果
本文研究了从短区间中选取的素数在无理数附近的分布问题。对于具有有界连分数展开的无理数（特别是二次无理数），作者证明了在特定参数范围内，满足逼近条件的素数个数具有渐近公式。该结果将素数分布与丢番图逼近理论相结合，深化了对两者关联的理解。
有限群的中心化子覆盖结构及其模p性质
本文研究了有限群被元素中心化子覆盖的问题。证明了在偏序关系下，极大中心化子集合和极小中心化子集合均构成群的覆盖。特别地，对于非阿贝尔p群这类F-群，证明了其非平凡中心化子的个数模p同余于1，揭示了这类群中心化子结构的数论性质。
PESO：基于子空间优化的LLM高效微调新框架
本文提出了一种参数高效微调（PEFT）的新视角——参数高效子空间优化（PESO）框架。该框架不仅统一了LoRA等现有方法，并将其与子空间优化的算法和理论基础相连接，揭示了子空间方法“探索-利用”的本质。PESO的关键贡献在于，它首次为低秩更新方法在完整参数空间上建立了收敛性保证，解决了LoRA变体缺乏理论保证的缺陷。基于此框架实例化的PESO-LoRA算法，在标准基准测试中显著优于现有方法。
有限矩阵幺半群的表示理论：Kovacs定理的显式单位元公式
本文研究了有限域上n×n矩阵乘法幺半群𝔐ₙ的复代数表示。核心贡献之一是给出了Kovacs定理中一个关键单位元的显式公式，该定理指出由秩不超过r的矩阵张成的双边理想存在单位元，此前该公式仅在少数特例中已知。此外，作者完整描述了该代数的单模，建立了诱导与限制规则，并利用有限一般线性群的表示论（基于Gurevich-Howe的Pieri规则）给出了任意模的分解方法。文中还建立了该代数的一个Schur-Weyl对偶版本。许多结果可推广至更一般的系数域。
无限维山道定理及其在非线性椭圆系统中的应用
本文建立了一个无限维临界点定理，推广了Rabinowitz的经典广义山道定理。作为应用，该定理被用于证明一类在二维欧氏空间中具有不定权重的半线性椭圆系统至少存在一个解。这项工作为处理无限维空间中的变分问题提供了新的理论工具。
JWST发现两个高红移活动星系核，揭示致密气体在黑洞演化中的作用
通过JWST COSMOS-3D巡天项目，天文学家在红移z~3处发现了两个具有宽发射线的X射线活动星系核（cid_414和cid_947）。它们均显示出显著的He I λ10830发射与吸收线，并被中红外探测证实存在热尘埃。其中一个源（cid_947）表现出强烈的外向流特征，速度超过5000 km/s。研究推断，这些致密的吸收气体尺度与宽线区相当，很可能与遮蔽黑洞的尘埃环动力学耦合。这表明在高红移时期，致密的核周气体普遍存在，对活动星系核的遮蔽及黑洞与宿主星系的共同演化起着重要调节作用。
DREAMS项目揭示：暗物质晕差异对银河系卫星星系的影响远超重子物理模型
DREAMS项目通过模拟1024个银河系质量宿主星系及其卫星，在ΛCDM宇宙学框架下，评估了重子物理模型不确定性对卫星星系预测的影响。研究发现，与宿主暗物质晕之间的固有差异相比，重子物理模型（如超新星风能、风速等参数）的不确定性对卫星星系的恒星质量函数、径向分布、暗物质密度轮廓内斜率及恒星半光半径等属性的影响相对次要。其中，超新星风能是影响卫星恒星质量和尺寸的最主要重子物理因素。
韦伯望远镜发现两个“小红点”正在向类星体转变
詹姆斯·韦伯空间望远镜发现了一类被称为“小红点”的致密天体，其性质一直存在争议。本研究报道了两个处于特殊过渡阶段的“小红点”，它们不仅具有“小红点”的标志性光谱特征，还首次探测到了强烈的X射线、射电和中红外辐射。这表明其中心黑洞周围的致密气体包层正在消散，高能光子得以逃逸，同时尘埃环正在形成。这一发现直接揭示了“小红点”的本质，并证明其中至少有一部分会在后期演化为活动星系核或类星体。
首次发现超大质量黑洞双星可能是高能中微子源
本研究首次将超大质量黑洞双星作为候选源类，对其高能中微子发射进行了系统性搜索。通过对693个候选体与IceCube十年数据的无分箱最大似然比分析，发现了正相关信号，最高显著性达到3.0σ。这为高能天体物理中微子的起源提供了新的潜在源类证据，并探讨了其与纳赫兹引力波辐射的潜在联系。
火星质量如何塑造地球的米兰科维奇气候周期
本研究通过动力学分析，量化了火星质量变化对地球轨道参数和气候强迫谱的影响。结果显示，火星质量显著调控地球的偏心率周期：当火星质量增大时，由火星驱动的约10万年短偏心率周期带会延长并增强；而240万年的长周期在火星质量趋近于零时消失。同时，地球的倾角（黄赤交角）周期也会随火星质量增加而从经典的约4.1万年延长至4.5-5.5万年。这表明类地行星的米兰科维奇气候周期谱是其行星邻域结构的敏感探针。
利用星系团作为宇宙计时器：多探针宇宙学的新途径
本研究首次利用三个邻近红移星系团的高质量光谱数据，通过宇宙计时器方法测量了红移z=0.54处的宇宙膨胀历史。团队选取了38个最宁静、质量最大的星系成员，通过全光谱拟合获得其年龄与物理参数，并推导出新的哈勃参数测量值H(z=0.542)=66^{+81}_{-29} (stat) ±13 (syst) km/s/Mpc。该工作为在同一数据集上结合不同宇宙学探针（如时间延迟宇宙学）进行自洽性检验迈出了第一步。
ClumPyLen：模拟高红移团块星系强引力透镜图像的Python工具
研究团队开发了名为ClumPyLen的Python模拟器，用于生成高红移、团块状恒星形成星系在强引力透镜作用下的逼真模拟观测图像。该工具使用Sérsic轮廓模拟星系盘、核球和旋臂等结构，并根据物理驱动的分布生成恒星团块。它整合了用户提供的偏转角图以模拟引力透镜效应，并考虑了仪器效应、点扩散函数卷积、天空背景和光子噪声，以模拟真实的观测条件。目前支持HST/ACS、HST/WFC3-IR和JWST/NIRCam等仪器。通过模拟z=6.145的“宇宙群岛”星系等案例，验证了其生成图像在形态和极限星等方面与真实观测高度一致。该工具旨在探索不同质量和尺寸（尤其是低质量）恒星团块的可探测性，并研究团块混合效应。其模块化设计使其适用于引力透镜研究、星系演化以及为机器学习或正向建模生成合成数据集等多种科学目标。
无需建模选择函数的新方法：利用恒星运动学精确测定银河系引力势
本研究提出了一种名为“条件深度势能”的新方法，用于从恒星位置和速度的快照数据中测定银河系的引力势，从而推断其重子物质和暗物质的分布。该方法的核心创新在于绕过了对星际消光、巡天深度等复杂空间选择函数的建模，转而建模条件速度分布。通过结合无碰撞玻尔兹曼方程和平稳性假设，该方法能同时学习引力势和整个示踪星族（包括未观测到的恒星）的空间密度。研究表明，即使在具有复杂三维尘埃分布的模拟数据集中，该方法也能准确恢复引力势，尤其适用于处理盖亚卫星等大型复杂数据集。
JWST发现早期宇宙中罕见的双成像“小红点”系统
VENUS巡天项目利用JWST/NIRCam在星系团Abell 383后方发现了一个双成像的“小红点”候选体A383-LRD1。该系统由两个紧密相邻的组分构成：一个符合LRD光谱特征的红色点源，以及一个距离仅约380秒差距、主导了先前紫外探测的蓝色致密伴星。引力透镜效应将其放大并形成两个像，预测时间延迟约为5.2年。这是继A2744-QSO1之后第二个已知的多重成像LRD，也是首个通过ALMA观测确认了[C II]发射线的LRD系统，为研究早期宇宙中类星体、宿主星系及其环境的关系提供了独特机会。
SEAMLESS 巡天发现四颗暗弱矮星系，揭示不同环境下低质量星系演化
SEAMLESS 半自动机器学习巡天项目在本地宇宙中识别出四颗暗弱矮星系，其中 Hydrus A 为首次发现。这些星系分布于从高度孤立到邻近大星系的不同环境中，展现出从受宇宙再电离影响而停止恒星形成、孤立持续恒星形成，到形态受扰、处于演化过渡状态等多种演化阶段。该发现证明了 SEAMLESS 方法在构建本星系群外暗弱星系普查方面的强大能力。
OASIS 巡天发现亚恒星伴星 HIP 71618 B，或成罗曼太空望远镜关键技术演示目标
OASIS 巡天项目结合盖亚与依巴谷卫星的精密天体测量数据，以及夏威夷两台大型望远镜的高对比度成像，发现了一颗围绕年轻 A1V 型恒星 HIP 71618 运行的亚恒星伴星 HIP 71618 B。其质量约为 60-65 倍木星质量，轨道半长轴约 11 天文单位，且偏心率高。该伴星在罗曼太空望远镜日冕仪的技术演示阶段将恰好位于其“暗区”内，其主星亮度高、位置佳，使其成为验证该仪器核心性能指标的潜在理想目标。
宇宙早期星系形成受重子物质分布不均影响
研究使用FLAMINGO星系形成模型，首次量化了ΛCDM宇宙学中重子与暗物质比例扰动对星系形成的影响。这些自然产生的等曲率扰动会导致早期星系重子比例降低5%，恒星形成率减少12%，但效应随宇宙演化逐渐减弱。该发现对JWST时代的高红移星系观测预测具有重要意义。
首次实时观测中等质量黑洞撕裂恒星事件，揭示五阶段演化模型
研究团队针对首个被实时多波段观测并光谱确认的中等质量黑洞潮汐撕裂事件EP240222a，提出了一个新颖的五阶段演化模型，成功解释了其奇特的光变曲线。该模型首次系统描述了从不完全环化、延迟的流-盘相互作用到超爱丁顿吸积与再处理的完整物理过程，确立了此类光变曲线为中等质量黑洞TDE的典型特征。
便携式呼吸气体分析仪：为早期诊断呼吸系统疾病提供新工具
本文设计了一种便携、低成本的数据记录系统，可同时测量呼出气体中的多种关键参数（如特定气体成分和双向潮气质量流量）。该系统通过整合这些相互关联的呼吸生物标志物，提供对呼吸系统状态的协同视图，有望成为一套新的临床生命体征。其桌面式、手持式和面罩式版本适用于不同场景，仅需患者短时呼吸即可完成检测，有助于实现多种呼吸系统疾病的早期诊断，改善预后与生活质量。
个体化精准神经影像：追踪学习相关可塑性的新方法
本文提出了一种个体化精准神经影像研究范式，以克服传统群体平均方法的局限。该方法通过高频次采集高质量神经影像数据、在个体自身解剖空间映射脑功能，并结合详细的行为学习指标，能够精确追踪个体在学习过程中的神经轨迹。结合fMRI与移动式近红外光谱等技术，可在更自然和长期的时间尺度上研究大脑可塑性，为理解技能学习的个性化神经机制提供了新途径。
评估随机流行病模型的贝叶斯推断方法：粒子滤波与条件归一化流对比
本研究针对随机流行病模型参数估计的挑战，系统比较了两种先进的贝叶斯推断方法：伪边际粒子马尔可夫链蒙特卡洛（粒子滤波）与条件归一化流。研究在经典的SIR模型和两变种SEIR模型上评估了这两种方法，结果表明它们在处理难以处理的似然函数时，仍能提供准确且稳健的参数推断能力，有效捕捉流行病的随机动态。基于埃塞俄比亚队列研究的应用进一步验证了方法在真实世界噪声和不规则数据采样下的操作稳健性。
高阶信息理论：从统计度量到认知机制的桥梁
本文系统回顾了高阶信息理论在计算神经科学中的应用，旨在弥合统计度量与认知机制之间的解释鸿沟。作者将多元依赖性分解为相互作用强度和冗余-协同平衡两个独立维度，并论证了协同整合与冗余广播的平衡分层可优化多尺度复杂性，形式化了计算与通信的权衡。文章进一步探讨了部分信息分解在神经数据分析中的实用考量，并将冗余-协同平衡的数学特性逐步嵌入现实约束，从小型合成系统扩展到神经影像数据，以连接其与认知功能的关系。