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。
AI 导读
今日看点（自动摘要）：physics: FuXi-Nowcast：深度学习系统突破强对流天气临近预报难题；physics: 太空AI数据中心：系绳架构实现太阳能供电与连续计算；physics: 线性准地转流中的守恒伪动量：诺特定理的应用
数据源：arXiv 官方 RSS（physics / math / cs / q-bio / econ / astro-ph 等）。
标题与摘要由 DeepSeek 进行中文润色，便于快速浏览；外链跳转至原文。
AI 速览助手：点击卡片“速览全文”可拉取 arXiv HTML，生成全文要点并缓存；右下角悬浮按钮可随时展开/收起速览。
自动抓取：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。
往期回顾：点击上方“往期回顾”进入日历页，按月查看每日抓取总数，并跳转到对应日期速览。
2025-12-11 共 134 条抓取，按综合热度排序
本研究提出的FuXi-Nowcast深度学习系统，通过整合多源观测数据与三维机器学习天气预报模型，实现了对中国东部地区1公里分辨率下雷达回波、降水、温度及阵风等要素的联合预报。系统采用多任务Swin-Transformer架构，并设计了专门的对流信号增强模块与分布感知混合损失函数，有效缓解了深度学习预报中常见的强度快速衰减问题。在长达12小时的预报时效内，其关键成功指数在多个阈值上均超越了业务数值预报模型，尤其在强降水预报方面提升显著。
本研究提出了一种基于系绳结构的轨道数据中心架构，旨在部署于晨昏太阳同步轨道，利用连续日照实现全太阳能供电。该设计通过串联计算节点与光伏板，可提供2-20兆瓦的持续计算能力，专为低延迟AI推理任务服务。系统采用辐射冷却与集成屏蔽技术管理散热与辐射防护，并详细分析了质量预算、被动姿态控制及微流星体碰撞动力学等关键工程问题。
本研究为线性化二维准地转方程提供了哈密顿量和拉格朗日量表述。由于线性近似中不存在波-波相互作用，系统展现出无限的U(1)对称性。根据诺特定理，该对称性对应一组无限的守恒定律，即著名的伪动量。研究明确指出，每个纬向波数都存在独立的守恒伪动量，澄清了过去文献中可能存在的模糊之处。
本研究提出了一种无表面活性剂、溶剂导向的飞秒激光液相烧蚀策略，用于调控层状材料CdPS3的相态与光电性质。通过改变溶剂环境，可在保留原始单斜晶格与诱导生成CdS量子点及金属镉缺陷位点之间实现可控转变。由此构建的CdPS3/CdS异质结构纳米胶体，凭借肖特基型金属-半导体结显著提升了电荷分离效率，在532 nm可见光照射下30分钟内对亚甲基蓝的降解率高达约90%。该工作为复杂三元层状材料的高性能光催化剂设计提供了可扩展的缺陷工程新工具。
本研究通过贝叶斯优化结合粒子网格模拟，系统研究了激光驱动器的光谱脉冲整形对通道引导激光等离子体加速器性能的影响。研究采用基于新型光场电离通道技术的真实等离子体剖面，并保持激光能量恒定。结果表明，通过优化激光脉冲的时间轮廓和等离子体通道参数，可以显著提升加速性能。与基线高斯脉冲相比，优化后的光谱整形方案能使电子束的电荷量提高一个数量级，同时增加电子束的平均能量。
本研究从Navier-Stokes-Korteweg方程出发，开发了一种基于第一性原理的液-汽相变流动模型，用于模拟表面活性剂在非平衡条件下的复杂效应。该模型成功再现了表面活性剂介导的表面张力降低现象，并通过模拟气泡平衡态、界面振荡、气泡聚并和冷凝过程，揭示了表面活性剂影响相变动力学的关键机制。这项工作为研究表面活性剂在液-汽相变中的作用提供了新框架，并为探索复杂表面化学对气泡流动及声学响应的影响指明了方向。
本研究通过单分子测量和分子动力学模拟，揭示了II型拓扑异构酶（topo II）结合动力学如何相反地调控其两种关键功能：解链与松弛。研究发现，增加酶与DNA的解离速率会加速解链反应，但同时会减慢松弛反应。这种相反行为源于酶在链环状与超螺旋DNA中，通过促进扩散寻找目标与持续合成能力之间的权衡。该发现阐明了topo II维持基因组拓扑简单性的精细调控机制，对理解其在转录和复制中的关键作用具有重要意义。
本研究通过准线性动力学方程，结合解析与数值方法，探究了电磁趋肤效应对具有小尺度湍流磁场的稠密、非相对论、无碰撞等离子体中带电粒子反常输运的影响。研究获得了考虑趋肤效应的福克-普朗克方程扩散张量分量的解析表达式，并针对静磁湍流情况进行了数值求解。结果表明，趋肤效应增加了粒子在湍流等离子体中的平均自由程，从而降低了其反常电阻。同时，它还导致粒子散射的各向异性，进而使得其稳态速度分布也呈现各向异性，且这种各向异性随屏蔽参数的增大而增强。研究还获得了具有各向同性静磁湍流的等离子体中带电粒子有效迁移率和电导率的近似解析公式。
针对传统气体动力学教学中求解非线性控制方程依赖迭代法或查表、物理直觉不直观的问题，本文提出一个深度学习框架，为瑞利流、法诺流、斜激波、缩放喷管及非定常激波管等五个经典问题构建高保真替代模型。研究详细阐述了针对不同问题的神经网络架构与物理信息特征工程策略，如对法诺摩擦参数使用对数输入、为斜激波引入几何锚点。模型精度高，能即时可视化复杂设计空间，展示了如何将现代数据驱动技术融入物理课程以增强概念理解。
本综述系统评估了非热等离子体（NTP）对聚乳酸（PLA）和聚碳酸酯（PC）等生物医用聚合物表面的改性作用。NTP处理能可控引入极性官能团、增加表面能、改变介电行为并产生微粗糙度，从而协同增强蛋白质吸附和早期细胞粘附。研究通过整合接触角、介电阻抗谱、FT-IR化学成像和光学显微镜等多模态分析，构建了阐释等离子体诱导化学与形态变化的统一框架，为组织工程支架、植入器械等下一代功能化生物材料的理性设计提供了路线图。
研究提出，聚变系统在实现能量收支平衡前，即可通过中子驱动的嬗变过程生产高价值同位素而获得经济可行性。通过在包层中加入特定靶材，聚变系统可同时发电和生产同位素，显著提升其经济价值并加速应用。计算表明，在较低等离子体增益（Q_plas < 1-3）下，仅需几兆瓦聚变功率即可生产满足全球需求的医用放射性同位素（如钼-99）。在较高增益（Q_plas > 3）下，则可实现发电与同位素（如由汞嬗变产金）的联产，使经济可行的等离子体增益要求从10-100大幅降至3-5。该技术为聚变能源从兆瓦级同位素生产装置到太瓦级发电厂的部署提供了创收路径。
研究团队成功将非范德华层状氧化物Na2Zn2TeO6剥离至约4纳米厚度，揭示了其层间高度无序且可移动的Na+离子是机械剥离的关键。该材料在可见光至近红外波段表现出显著的光学双折射（Δn约0.25），是一种宽带隙介电材料。其[Zn2TeO6]2-刚性框架与高离子电导率解耦，使其成为兼具环境稳定性、光学各向异性和离子传输特性的理想平台，为“离子光子学”这一新兴领域开辟了道路。
研究团队通过原子层沉积技术成功制备出大面积硫化镓薄膜，其光学常数与单晶材料几乎无差异，解决了传统范德华材料难以规模化集成的难题。该材料在可见光波段展现出高折射率和强各向异性，能有效抑制高密度集成波导中的串扰，为下一代集成光路和增强现实显示器的规模化制造提供了可行的技术路径。
本研究提出了一种基于体积保持平均曲率流的动力学方法，用于证明尖锐的Berezin-Li-Yau不等式。通过建立边界谱密度与平均曲率之间的几何关联不等式，并证明Riesz均值沿该流单调非减，最终利用流收敛于球体这一性质，为所有光滑凸域建立了该不等式的尖锐形式。该方法还导出了一个关于特征值平均的尖锐动力学Cesàro-Pólya不等式。
本研究建立了一种新的数学理论，将经典的实代数几何推广到更一般的域扩张情形。当实闭域R包含一个有序子域K（如K为有理数域Q）时，研究者系统研究了R^n中由K系数多项式定义的K-代数集。与复代数几何不同，实情形下希尔伯特零点定理不再成立，导致新的几何现象。该理论为证明纳什-托格诺利定理的强化版本提供了基础：任何紧致光滑流形都可微分同胚于一个由有理数定义的非奇异代数集，首次实现了仅用有限精确数据对光滑流形的全局与局部编码。
本研究将经典的Pólya-Hurwitz部分分式方法推广到q-分析领域，用于研究由Jackson第三类q-Bessel函数定义的有限q-Hankel变换的零点分布。新方法作为原技术的q-对应物，显著放宽了先前结果中对参数q的严格限制条件。研究利用q-Hankel变换的q-型采样定理，直接导出了q-部分分式展开，并建立了多个实验示例验证方法的有效性。
本文提出BISTRO框架，用于解决不确定性下的高计算成本优化问题。该方法创新性地结合了低精度模型的曲率信息和随机空间的关联性，通过信赖域方法快速收敛至高精度模型的局部最优区域，再切换至方差缩减的随机梯度下降进行精细优化。理论分析保证了期望收敛性和最优的收敛速率。在基准问题和20维航天器再入案例中，BISTRO相比自适应采样和方差缩减方法，计算成本最高可降低29倍。
本文介绍了Cyqlone，一种专为具有阶段式最优控制结构的线性系统设计的求解器。它通过统一顺序Riccati递归、并行Schur补方法和循环约简方法，在最小化浮点运算次数的同时，充分利用现代硬件的多级并行性。在足够并行资源下，求解时间随预测时域长度的对数增长，实现了长时域问题的实时求解。基于此开发的二次规划求解器CyQPALM，相比现有方案HPIPM获得了数量级的速度提升。
本文为纪念丘成桐75岁诞辰的微分几何综述特辑而作。文章重点回顾了作者们近年来与Tong、Song、Sturm合作获得的一系列关于Monge-Ampère方程的新几何不等式与估计。这些成果本质上依赖于丘成桐解决卡拉比猜想的工作，该猜想本身也即将迎来50周年。文章同时简要概述了丘成桐近期开创的复几何多个前沿方向。
本研究证明了独立Steinhaus随机变量（复平面上单位圆均匀分布）和的负矩的精确上界。结合König-Kwapień (2001)、Baernstein II-Culverhouse (2002)和König (2014)的系列工作，完整解决了Steinhaus和的L_p-L_2型Khinchin不等式的精确刻画。研究同时修正了早期论文中的错误，并提供了在Rényi熵精确界方面的应用。
本文旨在对代数曲线的约化类型进行系统分类。约化类型捕捉了一维曲线族中纤维的离散不变量，此前已在亏格1、2和3的情形中得到描述。对于固定亏格g>1，约化类型构成有限多个族。研究解释了如何构造这些族，并引入了一种命名约定，为高亏格曲线的算术几何研究提供了新的工具和框架。
本研究将分层混合维椭圆方程的后验误差估计方法，从匹配网格推广至非匹配网格场景。核心创新在于引入了平面子域与界面网格间的转移网格，并构建了针对势变量与通量变量的稳定离散投影算子。所提出的非匹配网格误差估计器不仅完全可计算，且具有理论保证。基于三维裂隙多孔介质不可压缩达西流社区基准的数值实验表明，该估计器在非匹配网格上性能可靠，其有效性可与匹配网格下的估计器相媲美。
本文系统回顾了计算导数的各类数值方法，旨在帮助科学家和工程师根据具体问题选择最合适的算法。文章不仅比较了不同方法的相对优势和适用条件（如处理噪声、边界约束的能力），还阐述了其数学理论基础。为方便应用，作者同时提供了一个开源Python工具包PyNumDiff，集成了多种适用于噪声数据的微分算法。
本研究利用局部Banach空间理论中的不变量，探讨了在复空间完全Reinhardt域上向量值全纯函数与算子值多重调和函数的Bohr定理。结果表明，相关的Bohr半径始终严格为正，并分别在有限维与无限维情形下获得了其渐近行为。该框架将经典的Minkowski空间情形作为特例包含在内，并适用于包括混合Minkowski空间、Lorentz空间和Orlicz空间在内的广泛Banach序列空间。此外，研究还建立了完全Reinhardt域上算子值多重调和映射的系数型Schwarz-Pick引理。
本文系统研究了一类由指数函数和幂函数系数微分算子生成的新型非交换代数——Weyl型和Witt型代数。核心贡献包括：建立了指数多项式环的自同构群结构；证明了有限伽罗瓦作用下的不动点子代数可恢复原始Weyl型代数；揭示了该代数不存在有限维单模；构建了完整的表示理论框架，包括不可约权模分类、具有BGG型分解的Harish-Chandra模构造，以及范畴O的结构分析。这些结果统一并扩展了经典Weyl代数、Witt代数和广义Weyl代数的理论。
本研究提出一种为无源随机接入（URA）引入安全性的新方法。该方法巧妙利用反馈辅助URA的固有特性，在不增加开销、不改变原有结构的前提下，通过物理层技术实现保密通信。每个用户利用基站广播的反馈信号生成私钥和人工噪声，对数据进行加密和掩蔽。仿真结果表明，该方案能在几乎不影响标准性能的情况下，为URA提供有效的安全保障。
本文系统综述了双曲及相关系统中保持不变域的高阶数值方法。双曲系统的可容许状态构成凸不变域，数值计算中违反该域会导致双曲性丧失，引发数值不稳定。文章首先回顾了一阶精度格式中建立不变域保持性质的基本方法，涵盖有限差分、有限体积、有限元和残差分布法。重点聚焦于近十年发展起来的两类主流高阶IDP方法：一类基于寻求高阶格式的弱IDP性质，再设计多项式限制器在关注点强制强IDP性质，适用于高阶有限体积和间断伽辽金格式；另一类基于通量限制方法，源自通量校正传输法，可适配更广泛的离散格式，包括有限差分和连续有限元法。文中通过气体动力学和磁流体动力学的算例阐明了IDP格式的构造思想。
本研究提出了一种结合神经网络与有限元法的混合方法，用于求解计算成本高昂的粘塑性海冰动力学模型。该方法利用神经网络在局部网格块上学习高分辨率模拟的细尺度修正，并将其应用于粗网格有限元近似中。数值实验表明，该方法能以约11倍的计算成本降低，获得与高分辨率模拟相近的精度，同时使牛顿求解器加速高达10%。
本研究证明了具有Fisher-Hartwig奇异性的二维Toeplitz行列式的渐近公式，并将其应用于具有复谱的随机正规矩阵。主要成果包括：证明了特征多项式在亚临界相中收敛于极限液滴上的高斯乘性混沌随机测度；电势逐点收敛于对数相关场；识别了其水平集（厚点）的测度；揭示了关联自由能经历冻结相变。这确立了二维自由费米子中刘维尔量子引力测度的涌现，并证明了其关于外势的普适性。
本研究探讨了生成式AI作为“卧底队友”在协作学习中的作用。研究将AI设计为支持型或反对型人格，并基于论证性知识建构的四维框架，分析了212名人类与64个AI参与者在问题解决任务中的对话。研究发现，AI能维持平衡的参与度，但显著重组了认知与社会过程：支持型AI促进概念整合与共识导向推理，而反对型AI则激发批判性阐述与冲突驱动协商。个体学习收益与论证的认知充分性相关，而非发言量，表明智能体AI的教育价值在于提升推理质量与协调性。
本研究提出Motion2Meaning框架，旨在解决AI辅助帕金森病步态分析中缺乏透明度与临床争议渠道的问题。该框架整合了步态数据可视化、基于一维CNN的疾病分期预测模型，以及一个创新的可争议解释界面。该界面引入跨模态解释差异（XMED）安全机制与大型语言模型，使临床医生能验证AI决策并对其错误提出质疑。评估显示，系统在保持AI能力的同时，实现了临床监督与可审计性。
本文提出了一种基于剧本生成的多智能体实验设计自动化框架，旨在降低社会科学计算实验的门槛。该框架将实验设计分为剧本生成、剧本定稿和演员生成三个阶段，通过“编剧”、“导演”和“演员工厂”三类智能体协同工作，将抽象的实验设计转化为可执行的智能体行为脚本。实验表明，生成的智能体能够按照设计脚本执行，并复现与现实情境一致的结果，为政策制定和研究提供了新的决策支持工具。
本文提出并验证了一个名为SHARP（安全、有用、准确、相关、个性化）的原则性框架，用于系统评估应用于个人健康与保健领域的大语言模型。该框架集成了专家评估、自动评分和对抗性测试等方法，并应用于Fitbit Insights健康数据解读系统的迭代开发中。通过对超过13,000名用户的阶段性部署，该框架成功识别了初始测试中未显现的挑战，证明了结合技术评估与真实用户反馈的必要性，为负责任地开发和部署健康AI应用提供了标准化方法。
研究通过专家评估比较了Reddit高赞人类建议与LLM生成建议的质量。结果显示，LLM在整体评分、有效性、温暖度及用户再次寻求建议的意愿上均显著优于人类建议。GPT-4o在除奉承性外的所有指标上均优于GPT-5，表明基准性能提升未必改善建议质量。研究还发现，人类建议经过润色后可与AI建议竞争，且用户对建议代理的偏好（如教练型或朋友型）存在异质性。
本研究通过混合方法（230份问卷与14位专家访谈），探讨了人工智能（AI）如何有效整合进战略技术管理（STM）。研究发现，AI通过数据驱动的战略对齐和持续适应从根本上改变STM，但成功依赖于培育专有数据生态系统、专业人才和稳健的治理能力。研究提出了AIbSTM概念框架，强调最可行的路径是以人为中心的增强模式，即AI作为协作伙伴而非人类判断的替代品。
本研究基于Twin-2K-500数据集，系统评估了大型语言模型驱动的人类数字孪生模拟医疗系统不信任心理特质的能力。结果显示，数字孪生的模拟响应分布更集中、方差更低，极端选项选择更少。虽然能大致复现年龄、性别等主要人口模式，但在捕捉教育水平等细微差异时敏感性较低。研究表明，当前LLM驱动的数字孪生在模拟复杂人类态度方面存在局限，应用于医疗系统政策模拟前需谨慎校准。
本研究提出了一种个性化的城市可达性评估框架，通过整合指数衰减函数与用户可自定义的权重系统，实现了基于个人优先级和生活方式的实时评估。该框架采用网格化离散和两阶段计算架构，将密集预处理与轻量级实时计算分离，使非技术用户也能通过交互界面进行精细化的空间分析，识别社区内部的可达性差异。该研究为理解不同人群如何体验相同的城市空间提供了工具，支持基于证据的政策制定，以解决可达性差距，助力实现可持续发展目标11（可持续城市和社区）的愿景。
本研究针对资源有限的分布式独立游戏开发团队，提出了CIGDI框架，以整合AI工具应对技术债务、协调与倦怠问题。基于对三人团队开发过程的实证分析，研究发现AI虽能降低认知负荷，但也导致了“理解债”——即团队构建的系统复杂度超出了其独立理解和维护的能力，形成对AI的依赖与系统脆弱性。该工作为资源受限团队提供了实用框架，并引发了对AI辅助是“学习阶梯”还是“依赖陷阱”的思考。
本文针对检索增强生成（RAG）中检索文档常含无关或误导性噪声，导致摘要压缩模型易遗漏关键信息的问题，提出了抗噪摘要压缩方法ACoRN。该方法通过更细粒度的文档分类，引入两个新颖的训练步骤：首先对训练数据进行离线数据增强，以增强模型对两类检索噪声的鲁棒性；其次，针对基于语言模型的压缩器难以充分利用多文档信息且存在位置偏差的缺陷，进行微调以生成围绕支持正确答案的关键信息的摘要。实验表明，采用ACoRN训练的T5-large压缩器在保留答案字符串的同时，提升了EM和F1分数，尤其在包含大量降低准确性文档的数据集上表现优异。
本研究评估了大语言模型（LLM）在生成文本时，能否复现基于心智化治疗（MBT）理论框架的语言结构。研究通过五位受过MBT培训的精神科医生对LLM生成的50段对话进行盲评，发现模型在“内隐-外显”和“自我-他人”维度上表现出较高的结构一致性与评分者间信度，但在整合内在状态与外部情境方面存在局限，且整体情感表达趋于中性。
本文探讨了大语言模型（LLMs）未来可能取代传统搜索引擎成为主要信息门户所带来的社会挑战。研究聚焦于LLM提供商、内容创作者和终端用户三大角色，系统识别了15类潜在挑战，并从技术和法律两个维度分析了当前的缓解策略。文章评估了每类挑战的影响，并指出了未来的研究方向，为理解这一技术变革的社会影响提供了框架。
本研究提出了一种用于电磁编队飞行的新型控制器，解决了传统方法中反作用飞轮角动量分布不均、易饱和的问题。该控制器基于角动量守恒原理设计，能同时控制电磁力和电磁力矩，仅需在部分卫星上配置飞轮即可实现整个编队的姿态与位置控制。结合主卫星的简单卸载控制，可有效消除系统角动量累积。数值仿真验证了该控制器在五卫星系统编队保持与重构任务中的有效性。
本研究针对移动健康干预中强化学习面临的用户负担与干预效果平衡难题，在“行动-测量”启发式算法基础上，提出了一种贝叶斯扩展方法。该方法用卡尔曼滤波器风格的贝叶斯更新替代标准Q学习，以维持对Q值的不确定性感知估计，从而实现更稳定、样本效率更高的学习。在小型表格化环境中，贝叶斯方法取得了可比或更优的标量化回报，且方差显著降低，策略行为更稳定。然而，在更复杂的大型移动健康场景中，两种方法均表现不佳，揭示了现有模型假设与现实领域结构性挑战之间的不匹配。
本文提出了AI Co-Artist系统，利用GPT-4等大语言模型，通过直观的视觉界面支持用户迭代演化和精炼GLSL着色器。该系统借鉴了Picbreeder平台的用户引导进化原则，允许用户无需编写或理解代码即可创作实时视觉艺术。评估表明，该系统显著降低了着色器创作的技术门槛，提升了创意成果，并能广泛应用于网站布局生成、建筑可视化等多个创意领域。
研究提出一种仿真优先的流程，将访谈数据转化为276个虚拟患者，用于训练人形机器人的对话代理。通过感知-融合-策略循环，机器人学习决定何时发言、何时回应以及如何避免打断，同时关注信任、节奏和融洽关系。在三种控制器对比中，定制的TD3算法在保持奖励相当的情况下，实现了更全面的覆盖和更稳定的对话节奏。该研究为临床监督下的人形机器人试点奠定了基础。
本文介绍了SimClinician，一个用于心理健康诊断的交互式模拟平台，旨在研究AI诊断界面设计如何影响心理学家对AI建议的采纳、调整或拒绝行为。该平台整合了音频、文本、视线-表情模式等多模态数据，通过虚拟化身模块呈现匿名化动态信息，并将AI输出映射到多模态证据以供心理学家审查。在E-DAIC语料库上的测试表明，增加确认步骤可将AI建议接受率提升23%，同时将升级干预率控制在9%以下，保障了流畅的交互流程。
本研究针对心电图（ECG）分析，首次对语言、通用时序及ECG专用基础模型进行了全面评估。实验表明，通用时序与ECG基础模型在多项任务中取得了高达80%的优异性能，证实了其在心脏活动分析中的有效性。研究不仅提供了详尽的实验结果与深入分析，还指出了基础模型在生理波形分析领域的潜力与局限，为AI辅助医疗诊断提供了重要参考。
本文提出LLM4XCE，一种利用大语言模型进行超大规模MIMO信道估计的新框架。针对6G网络中混合近/远场信道带来的估计挑战，该方法通过精心设计的嵌入模块与并行特征-空间注意力机制，深度融合导频特征与空间结构，构建语义丰富的表征。仅微调顶层Transformer层，即可高效捕获导频数据中的潜在依赖关系。仿真表明，该框架在混合场条件下显著优于现有方法，实现了更高的估计精度与泛化性能。
本文提出DW-KNN，一种改进的K近邻分类器。传统方法假设所有邻居同等可靠，在异构特征空间中存在局限。DW-KNN通过整合指数距离权重与邻居有效性评估，实现了实例级可解释性，能抑制噪声或错误标记样本，并降低对超参数的敏感性。在9个数据集上的评估表明，其平均准确率达0.8988，在六种方法中排名第二，且交叉验证方差最低（0.0156），预测稳定性可靠。统计显著性测试证实其性能显著优于对比方法。该方法为需要可解释预测的高风险应用提供了简单有效的方案。
本文提出LUMOS，一种基于Transformer架构的大规模用户模型，旨在解决在线B2C平台用户行为预测的规模化难题。该模型摒弃了传统任务特定模型和人工特征工程，仅使用原始用户活动数据进行多任务联合学习。其核心创新在于引入一种新颖的跨注意力机制，能够将未来已知事件（如节假日、促销）作为条件融入预测，从而捕捉复杂行为模式。通过在包含2750亿活动令牌、2.5亿用户的生产数据集上进行实验，LUMOS在5项任务上均优于传统基线模型，二分类任务ROC-AUC平均提升0.025，回归任务MAPE降低4.6%。在线A/B测试验证了其商业价值，使日活跃用户数提升了3.15%。
研究团队推出了EEG-Bench，这是一个专注于评估基于脑电图（EEG）的基础模型在临床应用中性能的统一基准测试框架。该基准覆盖了癫痫、精神分裂症、帕金森病等11项明确的诊断任务，涉及14个公开EEG数据集。其特点是预处理步骤极简、评估协议标准化，支持经典基线模型与现代基础模型的并行比较。结果表明，尽管基础模型在某些场景下表现强劲，但更简单的模型在面临临床数据分布偏移时往往仍具竞争力。为促进可复现性与应用，所有处理后的数据与代码均已开源。
本研究通过深度成像与高分辨率光谱观测，结合光致电离模型，揭示了行星状星云Ou 5的奇特物理化学结构。该星云呈现嵌套双极形态，所有结构动力学年龄均约1万年。研究发现其氢温度（3000-6000 K）远低于碰撞激发线诊断的温度（约1万K），证实了星云内存在至少两个不同的温度/金属丰度相。模型表明，正弦变化的金属丰度能成功再现观测光谱与形态，且需要极端与中等丰度对比的混合。星云He II发射要求中心星比先前推断的更热、更亮，支持其源于约0.58太阳质量的后AGB星，正演化为CO白矮星。Ou 5强化了密近双星核与极端丰度差异的关联，为理解共包层抛射如何产生行星状星云中的热与丰度不均匀性提供了关键案例。
夏威夷大学2.2米望远镜对第三颗星际天体3I/ATLAS进行了为期两个月的分光光度观测，获得了其发现后约12.5小时的首个波长≤3800 Å的早期光谱。数据揭示了该彗星在近日点前（4.4-2.5 AU）具有波长依赖性的光谱斜率变化（S≈0%-29%/1000 Å），并确认了其彗星活动特征，包括Ni和CN发射线。合成测光显示其颜色在观测期内基本稳定。
本研究利用EAGLE、IllustrisTNG和Simba等宇宙学流体动力学模拟，首次开发了随机森林算法来预测暗晕内的径向气体密度分布。算法输入为暗晕总质量和中心星系的五个全局属性，预测精度达80-90%。通过Sobol敏感性分析发现，暗晕总质量和星系气体质量对气体分布影响最大，而恒星和黑洞属性的重要性则依赖于具体的反馈模型和红移。该框架为未来通过观测星系属性及其周围气体分布来约束反馈模型提供了概念验证。
本研究通过分析包含气体冷却的流体动力学宇宙学模拟，探讨了近期质量吸积对星系团内介质（ICM）热力学结构的影响。研究发现，在最后一个动力学时间内的强烈吸积会显著降低中心气体密度，但对暗物质影响甚微，从而在重子耗尽函数中产生独特特征。压力与熵的分布对吸积过程最为敏感，而温度敏感性较低。研究揭示了热力学剖面可作为诊断星系团生长历史的有力工具。
本研究基于非平衡热力学，提出了解释吸积黑洞系统X射线准周期振荡（QPOs）的新理论框架。模型认为冕区变异性源于等离子体宏观振荡与软光子逆康普顿散射冷却速率之间的反馈。通过“对偶恒温器”机制，冕区可像热机一样，从低熵加热与高熵冷却之间的热不平衡中周期性提取功，类似于恒星脉动的κ机制。该自振荡机制无需外部共振驱动即可解释QPOs，并可能为冕区湍流和喷流的产生提供能量来源。
本研究利用JWST和MUSE数据，深入分析了长伽马暴GRB 230307A（一个可能的千新星候选体）的宿主星系。该瞬变天体距离其旋涡星系宿主约40千秒差距。研究排除了其源于遥远球状星团内中子星并合的可能性。通过建立宿主星系质量模型并结合种群合成模拟，研究发现，虽然该事件可能源于星系盘内形成的中子星双星系统，但其需要经历特殊的诞生踢速度和轨道演化，才能在如此遥远的距离上并合，模拟中仅有约0.1%的系统满足条件。
本研究应用红外表面亮度技术，结合光学与近红外测光及视向速度曲线，成功测定了球状星团M3中14颗天琴座RR型变星的距离。结果显示，M3的平均距离为(10.07 ± 0.19 ± 0.29) kpc，距离模数为(15.015 ± 0.041 ± 0.063) mag，个体距离的离散度仅为7%。同时，该方法以0.5%的精度确定了恒星的半径，其周期-半径关系与理论预测高度吻合，验证了该经验性方法的可靠性与精度。
本研究针对短周期系外行星，提出了优化探测其轨道进动与潮汐衰变信号的指标与方法。轨道进动可能由潮汐作用或与其他行星的长期相互作用驱动，而潮汐衰变会产生相似的凌星时间变化信号。研究探讨了如何利用凌星和掩星的高精度、长时间基线计时观测来区分这两种过程，并确定了有利于信号探测的系统特性。此外，研究还评估了公民科学观测在此类研究中的贡献潜力。
NASA流星体工程模型（MEM）发布3.1版本，首次将模型适用范围扩展至黄道面纬度数度以外的区域。新版本提供了计算黄道面外流星体空间密度和方向性的算法，并讨论了其应用。研究表明，准确模拟黄道面外环境对于评估流星体对太阳观测任务（如Solaris）的风险至关重要。
本研究评估了法官在复杂集体诉讼中的两种关键管理工具——Lone Pine命令与示范性审判——对案件结果的影响。通过分析1992年至2017年的数据发现，要求原告提供伤害与因果关系证据的Lone Pine命令，显著增加了在集体诉讼程序中得到解决的案件数量。这为优化诉讼管理、平衡效率与公正提供了实证依据。
本文研究当买方对供应商成本一无所知且无先验信念时，如何设计采购机制。研究发现，一种简单的机制——将买方效用按固定比例与卖方分享——能够保证买方在所有可能的成本下，都能获得一个确定比例的有效社会剩余。通过基于已知需求明智地选择分享比例，该机制甚至能在所有可能（任意复杂和非线性）的机制和成本函数中，最大化可实现的剩余比例保证。该结论在相关的非线性定价和最优监管问题中同样成立。
本文针对高维回归模型中基于稀疏先验（如尖峰-厚尾、马蹄型）的贝叶斯推断提出了一种新颖的去偏方法。该方法能校正整个后验分布的偏差，并建立了一个新的Bernstein-von Mises定理，从理论上保证了去偏后验的频数有效性，使得可信集在渐近意义上可作为有效的置信集。通过蒙特卡洛模拟和两个经济学实证应用验证了其优越性能。
本研究利用巴西市政审计报告，通过构建审计违规词典并结合主成分分析，开发了一种自动化的腐败指数。该指数与独立人工编码结果高度一致，在编码员共识高的样本中，能解释71-73%的人工编码腐败计数变异，且结果稳健。指数表现符合理论预期，与先前研究关联腐败的市政特征相关。监督学习方法得出的市政排名与该指数高度相似（R²=0.98），验证了词典方法捕捉了相同的潜在结构。该方法可扩展至全部审计语料，在透明度、成本和长期可复现性方面优于人工编码和大型语言模型。
本研究改进了Farrell等人（2021）关于深度前馈神经网络估计器的非渐近高概率界。原理论在针对全连接网络时收敛率次优。通过为更窄的全连接深度神经网络推导出专门的逼近界，本工作证明原定理可被改进以达到（在对数因子意义下）最优的收敛率。此外，研究还简要展示了深度神经网络估计器能够缓解具有组合结构函数及定义在流形上函数的维度诅咒问题。
本文针对因果中介分析中估计自然直接与间接效应的标准方法（如基于高效影响函数的估计器和逆概率加权估计器）存在的两大问题——估计不稳定性和有限样本协变量失衡——提出了改进方案。研究者开发了一种新算法，通过直接惩罚权重离散度并强制实现协变量与中介变量的近似平衡，从而获得更优的权重。理论证明新权重具有收敛性，所得估计量渐近正态且达到半参数效率界。模拟实验表明，在模型设定错误等挑战性场景下，新方法的表现优于现有主流估计器。该方法已应用于研究媒体框架对移民态度影响的真实数据集。
本研究针对建筑原材料价格持续波动带来的成本估算风险，开发了一个基于建筑规范学会（CSI）MasterFormat数据结构的精细化预测框架。该框架整合了原材料价格、商品指数和宏观经济指标等解释变量，并在仅用CSI数据的基线配置和加入解释变量的扩展版本中，评估了LSTM、ARIMA、VECM和Chronos-Bolt四种时序模型的性能。结果表明，引入解释变量能显著提升所有模型的预测精度，其中LSTM模型表现最优，其RMSE和MAPE值分别低至1.390和0.957，相比传统ARIMA模型提升高达59%。该框架在多个CSI分部验证了其可扩展性，为业主和承包商在项目确定阶段实现更可靠的预算与成本估算提供了稳健的方法论。
本文针对高维时间序列预测中传统因子模型的局限性，提出了核三通回归滤波（K3PRF）方法。该方法在Kelly & Pruitt（2015）三通回归滤波的基础上，通过引入核技巧，有效解决了预测变量与潜在因子之间依赖关系可能非线性的问题。新方法计算高效，实证表现优异，在短期预测上与传统模型相当或更优，在长期预测上则显示出显著改进。
本研究通过美国木材行业合同数据，量化了合同期限对买家支付意愿的影响。研究发现，买家通过延迟消费来管理收益风险，导致支付意愿存在异质性。利用结构估计方法，研究揭示了延迟消费激励的关键参数，并通过反事实模拟发现，将合同期限从3年延长至4年，可使卖方收入增加9-13%，且该效应在大型项目、高价值买家及市场上升期更为显著。
本文研究了在增值回归中使用经验贝叶斯收缩估计量时，下游回归系数的估计偏差和推断有效性。研究发现，若收缩估计量未考虑噪声的异方差性，会导致估计量渐进有偏且推断无效。相反，若正确构建模型以处理异方差性，收缩估计量能实现自动偏差校正，使回归估计量渐进无偏、渐进正态且高效，其渐进等价于对真实（潜在）增值进行回归。在此情况下，基于收缩估计量的OLS标准误也是一致的，为实践者提供了简便高效的推断方法。
本文针对多重假设检验后选择性报告显著效应导致的估计偏差和置信区间覆盖不足问题，提出了新的估计量和置信区间构建方法。该方法基于选择性条件推断原理，适用于包括逐步检验和基于bootstrap的逐步向下检验在内的多种检验，并能处理大规模应用场景。研究通过两个实证案例展示了偏差校正和置信区间调整的效果，并指出校正的幅度和方向取决于估计效应间的相关结构。
本文通过揭示偏好理论推导出福利的多边边界，用以评估主流国际比较方法（如购买力平价PPP和实际收入）的福利可解释性。研究发现，当代主流指数具有福利可解释性，而市场汇率则不具备。采用福利一致的多边指数进行测算，2017年世界相对于美国的经济规模更大、不平等程度更低，这与传统衡量结果存在差异。
研究发现，大型语言模型的隐藏状态可用于估计和填补经济与金融统计数据。在县级和公司级变量上，基于开源模型隐藏状态训练的简单线性模型，其表现优于模型自身的文本输出。这表明隐藏状态比直接回答蕴含更丰富的经济信息。仅需数十个标注样本即可有效训练，且提出的迁移学习方法无需目标变量标注数据即可提升估计精度。该方法在超分辨率和数据填补任务中展现了实用价值。
本研究基于Perplexity旗下AI浏览器Comet的数亿次匿名交互数据，首次对开放网络环境中通用AI智能体的采用、使用强度及用例进行了大规模实证分析。研究发现，早期采用者、人均GDP与教育水平较高国家的用户，以及从事数字技术、学术、金融等知识密集型行业的从业者更倾向于采纳并积极使用AI智能体。研究构建了一个分层分类法来系统刻画使用场景，结果显示，57%的查询集中于“生产力与工作流”及“学习与研究”两大主题，个人用途占55%。短期内用例粘性高，但长期用户会转向更具认知挑战性的主题。
本研究提出一种计算框架，能够直接从常规苏木精-伊红染色的组织学图像中，预测微米级分辨率（55和100微米）的空间通路活性。利用计算病理学基础模型提取的图像特征，研究发现TGFb信号通路是三个独立的乳腺癌和肺癌空间转录组数据集中预测最准确的通路。在87-88%的可信预测案例中，生成的空间TGFb活性图反映了肿瘤区域与邻近非肿瘤区域之间的预期对比，这与TGFb在调节肿瘤微环境内相互作用的已知作用一致。值得注意的是，线性和非线性预测模型表现相似，表明图像特征可能与通路活性呈主要线性关系，或非线性结构相对于测量噪声较小。这些发现证明，从常规组织病理学中提取的特征可以恢复空间上连贯且具有生物学可解释性的通路模式，为在肿瘤微环境研究中整合基于图像的推断与空间转录组信息提供了一种可扩展的策略。
斯坦福医疗团队提出并实践了一套AI系统部署后监控框架，旨在确保AI在医疗场景中的持续安全、质量和效益。该框架围绕系统完整性、性能和影响三大支柱构建，不仅关注技术运行状态与准确性，还评估系统对临床医生和患者的实际价值。文章提供了针对传统AI和生成式AI的具体监控计划制定指南，并讨论了资源有限、组织复杂性等实施挑战，为医疗机构提供了确保AI长期可靠运行的实用模板。
本文提出了一种新颖的非均匀分支随机游走框架，用于模拟生长过程。该模型创新性地将分支速率和位移分布与个体谱系相关联，以更真实地刻画如细菌菌落生长等现象。现有随机模型通常假设个体行为独立同分布，或仅考虑时空非均匀性，而忽略了基于谱系的非均匀性对过程长期行为的影响。研究通过在二维空间中构建多个分支速率和位移分布随谱系、时间、空间变化的模型，并利用计算机模拟调整参数，观察生成的结构，并将其与真实细菌菌落图像进行比较，以探究生长模式的形态。
本文为生成模型中常见的“温度调节”启发式方法提供了物理解释框架。研究发现，在具有巨大“能隙”的系统中，从稀疏数据中学习会导致模型系统性高估高能态概率，而降低采样温度可以纠正此偏差。研究进一步量化了最优采样温度如何取决于数据规模与系统底层能量景观的相互作用，并指出在某些条件下，提高温度反而能获得更好的生成性能。该框架将温度调节转化为揭示真实数据分布特性和模型学习极限的诊断工具。
本研究提出一个元学习框架，用于发现循环神经网络中支持结构化信用分配的局部学习规则。该方法通过“学习过程的切向传播”优化可塑性参数，产生仅依赖局部信息和延迟奖励的三因子学习规则，为理解生物循环回路中的学习机制提供了新视角。
本研究提出NeuroSketch框架，通过系统性的模型架构优化来提升脑机接口中的神经解码性能。研究从基础架构分析入手，发现二维卷积神经网络在解码任务中表现优异，并从时空角度探究其有效性。在此基础上，从宏观到微观逐层优化架构，在视觉、听觉、言语三种模态，EEG、SEEG、ECoG三类脑信号以及八种解码任务上进行了超过5000次实验验证。结果表明，NeuroSketch在所有评估数据集上均达到了最先进的性能水平。
单细胞组学数据分析常受批次效应干扰。本研究提出基于高斯混合模型的MoDaH算法，首次为批次校正提供了严格的理论保证。在明确参数化批次效应的新模型下，作者建立了校正误差的最小最大最优界，并证明MoDaH通过利用各向异性高斯混合聚类的最新理论进展达到了该最优界。在多种单细胞RNA-seq和空间蛋白质组学数据集上的实验表明，MoDaH在去除技术噪声与保留生物信号之间取得了优异平衡，其经验性能媲美甚至超越当前主流启发式方法。
本研究提出了一种面向多GPU集群及未来E级超算的新型脉冲神经网络构建方法。该方法基于消息传递接口（MPI），允许每个进程独立构建局部连接，并预先准备数据结构，从而在状态传播过程中实现跨集群的高效脉冲交换。研究通过分别使用点对点通信和集合通信，展示了两种皮层模型的扩展性能，为大规模复杂延迟微分方程系统的模拟提供了高效的通信与内存管理方案。
本研究针对部分观测的线性和近线性随机微分方程模型，提出了首个基于微分代数的结构可辨识性分析通用框架。该框架通过推导描述系统统计矩动态的确定性递推关系，迭代构建仅包含观测矩的方程，从而确定结构上可辨识的参数组合。研究明确了SDE模型结构可辨识性的定义，并揭示了初始条件对可辨识性的影响，为校准生物等领域的随机模型提供了关键理论工具。
本研究提出了一种名为QCAI的新型后验可解释AI方法，旨在解读Transformer解码器中的交叉注意力机制，以理解T细胞受体与pMHC复合物之间的结合。为解决XAI方法定量评估的难题，团队构建了包含274个实验确定结构的TCR-XAI基准数据集。评估表明，QCAI在该基准上，无论是可解释性还是预测准确性，均达到了最先进的性能水平。
本研究通过推广一类描述生物系统中持久瞬态行为的模型，揭示了一种产生超均匀性的新机制。在该模型中，粒子对共享资源的竞争将种群导向一个具有长个体寿命的临界稳态。其空间扩展形式表现出超均匀的密度涨落。通过显式粗粒化，研究者建立了与随机模拟结果高度吻合的流体动力学理论。与以往的非平衡超均匀态模型不同，该模型即使在趋近临界点时也不存在守恒律，超均匀性源于系统趋近临界点时相互作用范围的发散。
本研究提出SimpleFold，首个基于流匹配（flow-matching）的蛋白质折叠模型。它摒弃了传统模型中计算昂贵的三角更新、显式配对表示等专用模块，仅使用标准Transformer块与自适应层，通过生成式流匹配目标进行训练。该模型参数量达30亿，在约900万个蒸馏蛋白质结构及实验PDB数据上训练。在标准基准测试中，SimpleFold-3B性能与最先进模型相当，且在通常难以实现的集成预测方面表现优异。其通用架构使其在消费级硬件上部署和推理更高效，为蛋白质折叠模型设计开辟了新路径。
本文提出了一种名为SAPIN的新型计算模型，旨在解决传统神经网络依赖全局反向传播这一生物学上不合理的机制。SAPIN受主动推理和生物神经形态可塑性启发，在二维网格上运行，通过最小化局部预测误差进行学习。其核心创新在于结合了局部的类赫布突触可塑性规则和细胞在网格上迁移以优化信息接收场的结构可塑性机制，从而同时学习如何处理信息（突触权重）以及如何配置计算资源（网络拓扑）。模型在经典的Cart Pole强化学习基准测试中成功实现了平衡策略，验证了其通过最小化预测误差维持稳态的内在驱动力。
本研究提出了一种简洁的变分框架，用于处理受一般分布式载荷作用的平面弹性杆。该框架将重力、磁体扭矩等载荷的能量贡献直接纳入能量泛函，避免了传统方法中复杂的力平衡构造，使物理效应的添加更为直接。所得方程紧凑，且不同载荷的贡献清晰可分。该框架能精确复现经典重弹性杆方程，并自然兼容硬磁杆模型中的磁能项，为平面杆变形分析提供了清晰且可扩展的结构。
本研究针对稀有事件探测所需的极低本底环境，开发了一种用于有机液体闪烁体的超痕量铀-238和钍-232污染物筛查方法。该方法结合了中子活化分析与放射化学技术，并采用符合能谱测量以最小化干扰本底，最终实现了对铀-238和钍-232分别高达0.65×10⁻¹⁵克/克和2.3×10⁻¹⁵克/克的检测灵敏度，达到世界领先水平。
本研究提出了一种结合可微分不连续伽辽金求解器与神经网络的新框架，用于加速高精度流体模拟。通过神经网络学习修正项，该框架能以低阶计算成本获得高阶求解精度。在一维粘性Burgers方程和二维衰减均匀各向同性湍流的测试中，交互式训练显著提升了模拟的精度与长期稳定性，其中Burgers方程的模拟在计算成本降低8倍的同时，达到了高阶解的精度。
本研究针对高超声速零压力梯度湍流边界层，提出了一种更严格的可压缩变换一致性条件，要求变换后的平均速度梯度能用单一不可压缩模型统一描述。基于高超声速直接数值模拟数据，现有变换方法存在1-25%的误差。团队开发了一种新的前向变换，将变换坐标构造为半局部和积分型基函数的凸组合，其系数建模为摩擦马赫数和壁面热传递率的函数。优化后一致性误差降至1-4%。该变换被嵌入逆向求解框架，能从自由流和壁面条件准确重构可压缩状态的关键参数和速度剖面，为强壁面冷却条件下的高超声速湍流边界层近壁建模提供了物理约束更强的基础。
本研究开发了一种基于光谱峰现象的自由可控光频梳源，通过将光能量集中在与甲烷吸收光谱重叠的梳齿上，显著提升了测量灵敏度。利用非线性环形镜和光纤拉曼放大器，实现了相干保持的功率放大，并通过新型超高分辨率滤波器筛选出单一梳齿模式。演示实验中，使用单个选定梳齿模式测量了高精细度光学腔的衰荡信号，对甲烷2v_3吸收带的测量灵敏度高达4.2×10⁻¹¹ cm⁻¹，比此前报道的基于光频梳的腔衰荡光谱技术高出两个数量级，残差仅为0.29%，展现了该方法在高灵敏度、高分辨率分子光谱分析中的高精度潜力。
本研究通过模拟经颅聚焦超声治疗中的声波传播，比较了粘性与粘弹性模型在预测颅骨声学特性（衰减和相速度）上的差异。研究发现，两种模型均预测衰减随孔隙尺寸增大而增加，但峰值衰减对应的孔隙率不同（粘性模型峰值在20%孔隙率，粘弹性模型在70%）。相速度方面，粘弹性模型对孔隙尺寸变化较不敏感。结果表明，模型选择对从CT图像估计颅骨声学特性至关重要。
受动物尾流冲浪现象启发，本研究通过风洞实验探究了固定翼在二维非定常尾迹中的空气动力变化。结合粒子图像测速技术与力测量，发现冲浪翼的升力响应与流场结构冲击高度同步，且周期平均升力波动可简化为上游扑翼运动的无量纲振幅与频率函数。经典非定常空气动力学理论能有效预测涡流遭遇时的相位分辨升力波动，与实测数据吻合良好。
本研究通过容量扩张模型，模拟了2030年德州ERCOT电网在人口增长与不同脱碳政策下的表现。结果显示，人口增长将推高系统总成本和未满足的电力需求。静态的二氧化碳排放限额因ERCOT预计已达标而影响甚微，但碳定价能有效推动能源结构向可再生能源转型，减少天然气使用。研究强调了在长期规划中考虑人口不确定性以及碳定价作为脱碳机制的有效性。
本文提出了一项系统文献综述方案，旨在全面评估用于水管网络的非侵入式流量监测技术。该综述将遵循Kitchenham方法，重点比较超声波、加速度计等主流技术的测量精度、能耗及在不同工况下的适用性，并分析信号处理与机器学习算法对提升系统性能的作用。其目标是为水资源高效管理与管网漏损检测提供实证依据，并指明未来研究方向。
本研究通过非线性回旋动理学模拟和理论分析，揭示了反剪切阿尔芬本征模的非线性抑制和饱和机制。研究发现，在保持高能粒子动力学线性的条件下，拍频驱动的带状电流会诱发模式频率向下啁啾。这一过程增强了模式向径向传播的电子朗道阻尼动能阿尔芬波的转换，从而增强了模式的耗散，最终导致其被抑制并达到饱和。理论结果与模拟在定性和定量上均吻合良好。
本研究提出了一种利用旋转电子束与固体箔片相互作用，产生偏振可调谐的混合柱矢量伽马射线的新方法。该方法通过操控电子束的初始方位角动量，控制伽马射线相对于横向动量的偏振角，从而产生可调谐的混合柱矢量偏振态。三维自旋分辨粒子模拟显示，偏振角可在(-90°, 90°)范围内连续调谐，且偏振度超过60%。该工作推动了结构化伽马射线的发展，有望为高能物理、核科学和实验室天体物理学开辟新途径。
本研究聚焦于广义Robertson类函数（α-星形β阶函数）的几何性质。核心贡献在于，针对该类函数，精确推导了其Schwarzian导数和前Schwarzian导数的范数上界，这些界由函数的初始系数（特别是零初始系数这一重要情形）表达。同时，论文建立了该类函数的精确畸变定理与增长定理，并解决了其半径问题，确定了精确的凹性半径与凸性半径。
本文研究了有限域上系数位于固定仿射代数集中的首一不可约多项式的计数问题。通过建立误差界，精确刻画了此类多项式的数量与代数集几何结构之间的关系，为数论与代数几何的交叉研究提供了新的定量工具。
本文指出，发表于《数学分析与应用杂志》2026年的三项关于数值级数下界的定理，其现有证明过程仅为形式推导。作者通过初等微积分方法，为这些定理提供了更基础、更严谨的证明框架，揭示了其核心数学本质，简化了理解路径。
本文指出，对于拟簇而言，一个自然的同余可换性概念（即其所有代数上的同余关系都是可交换的）实际上蕴含了该拟簇本身就是一个簇（即由等式定义的代数类）。这一结论可直接从已有文献[3]中得出，本文旨在明确陈述这一事实，并提供一个极其简短的证明。
本文提出了一种基于动态机动提示（DMC）的实时反应式车辆制导方法。该方法通过解析表达式计算车辆为规避动态威胁区域所需的最小转向量，以此量化风险，并可直接用于机载实时执行。研究将DMC约束应用于简单反馈控制器和模型预测控制器（MPC），后者性能更优但需在线求解优化问题。该方法可扩展至同时处理多个威胁区域，且计算复杂度增加极小，为对抗性威胁环境下的保守型碰撞规避提供了新思路。
本文研究带边电导的有限简单无向图，提出一种加权Nash-Williams密度函数A_c(G)。该函数在c≡1时退化为经典密度，具有同构不变、子图单调、正齐次和凸性等性质。作者证明了该密度的全局上下界，并引入局部变体，利用环境网络中的有效电阻推导出电导-电阻不等式。此外，研究揭示了该密度在边不相交并运算下的代数行为：它构成一个交换幂等幺半群，且A_c(G)关于该运算是幂等的。
本文提出并分析了一类用于解决资源感知、无模型优化问题的事件触发极值搜索算法。通过利用混合系统李括号平均化的最新进展，研究证明了所提出的控制器可被表述为具有良好适定性的多时间尺度混合系统，并满足关键的正则性、稳定性和鲁棒性。算法通过引入低通滤波器并精心设计混合系统的流集与跳集，解决了探索与利用的内在耦合问题，使得最优解具有半全局实际渐近稳定性，且解具有一致的半全局驻留时间。研究还展示了如何修改事件触发方案以利用传统平均化工具进行分析。数值模拟验证了理论结果。
本研究探讨了皮亚诺算术及其片段在模型论中的“紧致性”与“坚固性”等性质。研究证明，对于任意n，在IΣn与PA之间存在既是坚固的、又是紧致但不整洁的理论。这回答了Enayat关于PA是否存在真坚固子理论的问题，并进一步分离了与紧致性相关的不同性质。
本文介绍了Psychlysis的开发，这是一款基于问卷的机器学习应用，旨在分析用户当前的心理状态，并利用机器学习提供改善情绪的建议。该应用采用OCEAN人格模型来理解用户的性格特质，从而提供个性化的健康建议。其重点在于改善用户情绪，而非仅仅检测情绪。初步结果显示，该模型在预测用户情绪和提供个性化推荐方面具有潜力。
本研究提出了一种针对性的强化学习框架，旨在同时缓解大语言模型在短问答和长问答任务中的内在与外在幻觉。通过改造TriviaQA数据集处理外在幻觉（错误内部知识），并利用FineWeb长文本构建事实锚定奖励机制来应对内在幻觉（不忠于上下文）。该框架还明确奖励模型拒绝回答无法回答的问题，以培养其谨慎性。实验表明，该方法在多个基准测试中显著提升了性能，有效减少了两种幻觉类型，为解决大模型高级推理能力与事实可信度之间的关键矛盾提供了实用方案。
利用2021年事件视界望远镜（EHT）增强的观测基线，天文学家首次在230 GHz频率上探测到M87*超大质量黑洞喷流基座的微弱发射信号。新增的基线与新分析方法，将探测尺度扩展至约0.02-0.2 pc，发现了一个与喷流方向一致的、流量密度仅约60 mJy的高斯特征结构。这表明此前观测中缺失的流量主要来自更大尺度，而喷流基座本身的发射比预期更弱。当前数据尚不足以重建其形态，未来需要更多中间基线观测来精确约束其结构和性质。
本研究提出了一个适用于10-10^8太阳质量黑洞的时变粘滞扩散吸积盘模型，并将其应用于潮汐瓦解事件（TDEs）和明亮快速蓝色光学暂现源（如AT2018cow）的晚期辐射观测。模型通过纳入超爱丁顿吸积外流、角动量非守恒、外盘辐照及多种粘滞应力模型，揭示了TDE晚期平台辐射可由角动量重分布形成的大范围角动量扩散盘解释，无需依赖年尺度的粘滞扩散。研究强烈支持热稳定的磁主导吸积盘模型，并指出盘面倾斜导致的辐照可显著增强平台辐射的亮度和持续时间。该模型同样能解释AT2018cow的晚期光学-紫外辐射，并预测其X射线将再次可探测，为研究吸积盘形成、角动量传输等物理过程提供了独特探针。
本研究利用JWST/NIRSpec对红移z=8.6的星系EGSY8p7/CEERS-1019进行了首次空间分辨光谱观测。研究发现，星系中存在宽发射线成分（FWHM=650km/s），其形态和运动学特征表明这些气体源于恒星反馈驱动的外流，而非活动星系核。能量与动量分析显示，恒星反馈足以驱动该外流，辐射压可能提供了所需的动量转移。研究还排除了活动星系核的电离作用，支持了恒星形成驱动的电离场景。
本研究通过Nexus框架模拟不同气体比例的孤立星系演化，发现高红移时期富气星系盘中的恒星径向迁移效率比贫气盘高出近一倍，并伴随更强的径向与垂直加热。机制分析表明，贫气盘中棒旋驱动的迁移以共转共振拖拽为主，而富气盘中恒星更易聚集在外林德布拉德共振处形成屏障。这种高效的径向混合能在几个轨道周期内显著展平恒星金属丰度梯度，为解释银河系等化学双模星盘的演化提供了新视角。
本研究针对中性氢Lyman-α谱线在观测中的核心作用，揭示了现有模拟与理论中的关键缺陷。研究发现，在光学厚环境中，为提升蒙特卡洛辐射转移计算效率而采用的“核心跳过”方法，虽能保持出射光谱，却错误地描述了内部辐射场与光子动量传递。同时，传统的光子在频率与物理空间扩散的近似在核心频率附近及有限光学深度处失效。作者提出了一个更具物理动机的核心-翼区过渡频率新定义，推导了内部辐射特性的新谱分布，并展示了Lyman-α光子具有“肥尾”分布的反常空间扩散行为。这项工作深化了对共振线转移中扩散过程的理解，并指出了现有模拟与解析方法的潜在失败点及改进方向。
本研究提出利用UMAP算法压缩星系颜色空间，构建连续、密集的流形，以解决传统基于自组织映射的方法在处理有偏、稀疏的光谱红移训练数据时面临的困难。实验表明，基于UMAP流形的最近邻红移估计方法，在代表性训练集上表现出更小的散射和离群值比例；即使在光谱数据稀疏的颜色空间区域（约占测光样本的25%），该方法也能保持稳定的性能，为生成更具代表性的训练集提供了新思路。
本研究利用澳大利亚平方公里阵列探路者（ASKAP）的高分辨率H I巡天数据，在7秒差距尺度上对极端恒星形成区30 Doradus及其周边的冷中性介质（CNM）进行了分析。通过将H I吸收谱分解为862个高斯分量，识别出四个具有不同物理特性的速度结构（B1-B4）。研究发现，B2结构与主致密区相关，而B3和B4则描绘了质量流入，其总质量流率（0.14 M⊙/年）与当前恒星形成率相当，B1则对应着质量流率低得多的外流。所有结构的H I柱密度变化仅在两倍以内，表明存在为H2形成提供屏蔽的H I层。
本研究利用SRG/eROSITA的五期光变曲线，首次系统性地刻画了光学选SDSS类星体在最高爱丁顿比和最巨大黑洞质量下的X射线变率特征。通过采用针对X射线光变曲线泊松性质定制的新型分层贝叶斯模型（eBExVar），测量了集合归一化超量方差。研究发现，集合变率与黑洞质量存在清晰的反相关关系，并将此关系延伸至月时间尺度，这为X射线冕区尺寸和/或物理条件随黑洞质量标度的观点提供了证据。此外，研究意外地发现接近爱丁顿极限时集合归一化超量方差有所增加，这与经验变率模型的预测相悖，暗示快速增长的黑洞可能存在额外的变率成分，可能与热冕尺寸随爱丁顿比的系统性变化，或由内部膨胀盘和/或外流对热冕的屏蔽有关。
本研究利用M3晕巡天中87个孤立星系样本，系统分析了星系方位角与金属线吸收强度之间的关联。通过高质量成像获取星系盘倾角和位置角，结合MgII和CaII吸收线数据，发现吸收强度与方位角之间无统计学显著相关性。CaII吸收覆盖分数较低且无方位依赖性。研究考虑了投影效应和系统误差，结果表明低红移金属吸收体空间分布符合随机分布模型。
本研究基于Gaia DR3的高精度天体测量数据，对太阳系50秒差距内的恒星进行了全面的运动学分析。通过利用完整的六维相空间信息（位置和速度），应用基于密度的DBSCAN算法，在银河系中心笛卡尔速度空间中无监督地识别出恒星速度过密区。该方法成功识别出包括毕星团和昴星团流在内的主要本地运动群的动力学核心，无需对其成员或空间分布进行先验假设。分析揭示了这些星协的速度弥散和结构特性，证实了自动化聚类算法是描绘银河系盘复杂动力学历史的有效工具，并为后续光谱观测提供了高概率成员星表。
本研究利用IRAM 30米望远镜对典型星前核L1544进行观测，结合先进化学模型，发现其甲醇的氘化比例高达约20%。观测显示氘代甲醇发射集中在核心中心和西北部。通过与化学模型对比，研究强调了氢提取过程在甲醇形成与氘化中的关键作用，并指出非局部热动平衡效应在准确测量氘氢比时的重要性，为理解星际介质中分子复杂性的发展提供了关键见解。
本文提出了一种新的基于似然估计的方法，用于计算“斜坡采样”模式下天文探测器的电子增益。该方法充分利用了探测器在复位前多次非破坏性读取的单个读数，假设探测器仅受光子噪声和高斯读出噪声影响。研究还扩展了该方法以处理光电子与测量计数之间轻微的非线性关系。结果表明，该方法能提供一致且近乎无偏的增益估计器，并成功应用于罗曼空间望远镜宽视场仪器的单个探测器，揭示了平场图像中像素响应变化主要由像素间增益差异导致。
本研究提出一种适用于恒定均匀照明的经典非线性校正算法，能够在读取噪声和光子噪声存在的情况下，同时处理多个不同计数率的非破坏性斜坡数据，直接计算将测量计数转换为线性化计数的函数。算法计算成本与读取次数和斜坡数量呈线性关系，并可通过卡方检验确定最佳多项式阶数。应用于罗马空间望远镜宽视场仪器的测试表明，至少需要9阶非线性校正才能达到理论预期精度。
詹姆斯·韦伯空间望远镜（JWST）在红移z>10处发现了远超预期的紫外亮星系。本研究分析了约2420个z~7-14的星系候选体，通过非参数化恒星形成历史模型发现，其比恒星形成率（sSFR）和质量-光度比（M/L）在探测的红移范围内基本保持恒定。这一观测结果与多数理论模型存在张力，表明星系在宇宙极早期（大爆炸后仅数亿年）就可能已高度演化，且任何无尘埃的星暴阶段都必须是短暂的。研究还识别出两类特殊星系：一类在z~7-8时已形成大部分恒星，其前身可能在z>20时即可观测；另一类z>11的星系则经历了随机的恒星形成历史。
本研究对潮汐瓦解事件早期光学/紫外耀斑的多种物理起源理论进行了“量热学”检验。通过对比理论预测与观测到的耀斑辐射能量、峰值光度与黑洞质量之间的标度关系，发现现有理论均无法在所有黑洞质量尺度上令人满意地解释观测数据。其中，与爱丁顿极限吸积盘再处理或近圆化半径开普勒盘形成相关的理论表现最佳，但仍需扩展。而基于碎片流直接冲击或与回落率高效再处理相关的模型，则被高置信度地排除。
本研究探讨了在实验参与者存在部分依从性（即不完全遵守实验安排）的情况下，如何通过事前筛选参与者来优化实验设计。理论分析表明，理想的筛选策略是保留所有依从者并排除所有非依从者。这样做能同时实现三个目标：确保局部平均处理效应估计与未筛选时的标准2SLS估计一致、最小化中位数偏差，并最大化统计功效。由于实践中无法直接观测依从状态，作者讨论了可行的筛选策略，并提出了一种简单的筛选有效性检验方法。未来工作将通过实验验证该最优筛选设计的可行性与优势。
本文提出“风险-保险平价”理论，系统性地将不同类别的保险合同与不同强度的风险厌恶概念联系起来。研究表明，经典的弱风险厌恶和强风险厌恶概念，可以通过对不同类型保险合同的偏好倾向来刻画，这推广了学界近期关于全额、比例及免赔额-限额合同偏好的研究。该理论不仅完整描述了与弱、强风险厌恶相对应的保险赔偿函数类别，还基于对纯免赔额合同和纯限额合同的偏好，定义了介于两者之间的两种新型风险厌恶概念。
本研究探讨了在垄断市场中，如何通过最优的市场分割策略来实现再分配目标。研究发现，最优的再分配性市场分割会促使卖方进行累进定价，即向富裕消费者收取比贫穷消费者更高的价格。然而，这种分割策略可能不会最大化消费者总剩余，反而可能为垄断者带来额外利润。研究进一步证明，这种最优的再分配性市场分割可以通过基于价格的监管政策来实施。
本文针对存在右删失数据的持续时间模型，提出了一种非参数检验方法，用于验证处理变量Z是否外生。该方法基于工具变量W，并假设所有协变量均为分类变量。核心在于检验条件秩V_T是否独立于(X, W)。研究克服了V_T被V_C删失带来的技术难题，证明了其估计量以快于常规参数速率的收敛速度趋于均匀分布。蒙特卡洛模拟验证了检验统计量及自助法临界值在有限样本下的良好性能，并以美国国家职业培训伙伴法案研究为例进行了实证应用。
本研究提出了一种基于黎曼流形（对称正定矩阵空间）的计算框架，用于量化步态运动。通过Log-Euclidean度量将原始骨骼姿态序列转化为几何特征向量，分析不同速度（慢、中、快）下的步态变异性和平滑度。与传统欧几里得方法显示的线性增长模式不同，黎曼度量揭示了一种非线性的“倒U型”模式，表明高速运动时系统趋于稳定，遵循最小努力的测地线轨迹，优化了运动效率。这为临床生物力学诊断和可解释机器学习模型提供了更敏感、更稳健的分析基础。
传统模型认为灵长类视觉皮层有两条通路：腹侧通路负责物体识别，背侧通路处理空间和动作信息。本研究整合解剖学、神经影像学和神经心理学证据，提出并证实存在第三条视觉通路。该通路从早期视觉皮层经运动敏感区V5/MT延伸至上颞沟，专门处理面部表情、眼神注视和身体动作等动态社交线索，用于推断他人意图与行为。这一发现更新了对视觉皮层功能组织的理解，并强调了上颞沟在社会认知中的核心作用。
研究调查了印度150只成年流浪狗对不同人类奖励的偏好。实验发现，高价值食物（鸡肉）最能驱动流浪狗接近并保持接近行为，而抚摸虽然能引发更高的亲和行为得分，但比食物更快让狗感到满足。这表明流浪狗在与陌生人互动时，优先考虑高能量摄入而非社交互动，符合最优觅食策略，以平衡能量需求与潜在风险。
本研究整合强化学习建模、转录组学和神经影像学，揭示了人类与猕猴在逆转学习任务中行为表现差异的神经机制。两者在奖赏预测误差的编码层面具有相似的神经信号与基因表达模式，但人类在将误差信号转化为适应性行为时，更广泛地募集了背侧前扣带回和背外侧前额叶皮层。适应性差异的关键在于前额叶对误差信号的“读取”与转化效率，而非编码能力本身。
本研究提出多模态癌症检测网络（MMDCNet），通过整合医学影像的视觉特征与患者临床数据，显著提升乳腺癌自动检测性能。该方法采用计算机视觉技术处理影像，同时通过全连接网络学习结构化患者元数据，将两类特征融合形成综合表征。在Mini-DDSM数据集上，准确率从79.38%提升至90.87%，在纯影像数据集上也达到97.05%的准确率，证明了多模态学习在医疗诊断中的潜力。
Uchimata是一个用于可视化基因组3D结构的工具包，包含一个用于网页渲染的JavaScript库和一个用于Jupyter Notebook的Python组件。其主要特点包括提供表达性视觉编码方式，并能根据基因组语义和空间特征对3D结构进行筛选。该工具包设计为与Python生态中的生物信息学工具高度集成，采用MIT开源协议，代码已在GitHub和Zenodo上发布。
肠道微生物群通过脑肠轴双向调节睡眠生理，影响神经递质（如血清素、GABA）、短链脂肪酸代谢及昼夜节律。菌群失调与睡眠障碍、神经炎症及免疫功能障碍相关。研究表明，益生菌、粪菌移植等微生物靶向疗法有望恢复睡眠稳态，为神经退行性疾病和代谢综合征提供干预新思路。