cs
04-29 00:00
针对传统自上而下负荷预测方法难以捕捉混合电器复杂模式的问题，本文提出GCA-BULF框架。通过关键电器过滤、相关电器分组及协同预测三个模块，仅监测高影响电器即可提升预测精度。在住宅和办公楼数据集上，相比现有方法，小时级总负荷预测误差降低20.85%–92.48%。
短期负荷预测关键电器分组预测自下而上方法能源管理
cs
04-29 00:00
本研究提出一种基于深度特征融合的方法，结合深度学习和手工特征，从数字听诊器采集的心音图中自动检测小儿先天性心脏病。在751名孟加拉国儿童（1个月至16岁）的四个听诊位置数据上，模型达到92%准确率、91%敏感性和特异性，AUROC为96%。该方法有望成为低成本、可远程的筛查工具，尤其适用于资源匮乏地区。
先天性心脏病心音图深度学习特征融合自动筛查儿科
cs
04-29 00:00
本研究提出一种基于物理信息的函数链接约束框架（FL-TFC），结合域映射方法，高效分析多孔纳米梁在正弦载荷下的静态弯曲行为。通过将控制方程嵌入约束表达式，并利用函数链接神经网络（FLNN）表示自由函数，该方法无需复杂深度网络即可精确满足边界条件。与标准PINN相比，该方法在保证精度的同时显著提升计算效率，并揭示了静态弯曲与动态挠度之间的关系。
物理信息神经网络多孔纳米梁弯曲分析函数链接网络域映射边界条件
cs
04-29 00:00
针对老年自动语音识别（EASR）训练数据稀缺的问题，本文提出一种结合大语言模型（LLM）文本改写与语音合成（TTS）的数据增强流水线。LLM生成老年语境化转录改写，TTS利用老年参考说话人合成语音，与原始数据混合微调Whisper模型。在70岁以上英语和韩语老年语音数据集上，该方法相比基线最高降低58.2%的词错误率，无需修改模型架构即可显著提升低资源场景下的EASR性能。
老年语音识别数据增强语音合成大语言模型低资源asr
cs
04-29 00:00
本研究针对自动驾驶车辆（AV）与人类驾驶车辆（HDV）混合交通流，提出一种随机动态基本图（FD）框架。利用描述函数法推导非线性HDV跟驰模型的线性传递函数，并基于序列构建随机动态FD，评估不同车辆排序和AV渗透率下流量-密度关系的滞回演化。蒙特卡洛模拟表明：AV-HDV排序显著改变滞回环大小；高AV比例通常抑制滞回幅度与变异性，但净效果取决于AV在队列中的分布。
混合交通流动态基本图自动驾驶车辆交通滞回车辆序列蒙特卡洛模拟
cs
04-29 00:00
本文提出一种多维基准测试方法，评估在配备最新硬件加速器（如NPU、GPU）的单板计算机上运行大型语言模型（LLM）的推理性能与硬件效率。研究发现，硬件加速器能显著提升token吞吐量，同时需权衡功耗、设备尺寸与性能。该研究为隐私敏感、连接受限环境（如无人系统、便携设备）中的生成式AI部署提供了实用指导。
边缘计算大语言模型硬件加速单板计算机基准测试推理效率
cs
04-29 00:00
本研究利用液态神经网络（LNN）对亨利枢纽天然气现货价格进行短期预测。LNN通过动态内部状态更新，能适应非平稳价格行为，在波动剧烈的市场条件下提升预测准确性，为能源交易和电力市场决策提供支持。
液态神经网络天然气价格预测时间序列亨利枢纽能源市场
cs
04-29 00:00
研究发现，在LLM控制的机器人中，注入短安全提示短语（1-5个token）可触发模型安全推理，导致任务中断或执行失败，无需越狱或覆盖策略。这种“语义拒绝服务攻击”在多种视觉语言模型和防御措施下普遍存在，且防御仅改变攻击形式（如硬停止转为确认循环），而非消除威胁。研究提出“破坏成功率”（DSR）作为新评估指标，并指出架构级解决方案（如分离安全监控与动作选择）比提示级防御更有效。
语义拒绝服务llm安全机器人控制提示注入安全推理
cs
04-29 00:00
本文提出V.O.I.C.E分类体系，系统梳理合成语音生成中的隐私、安全与治理风险。研究基于569起AI事件、1067份直接报告及2221条Reddit讨论，建模风险如何随曝光度、社会可见度及法律保护等情境因素演变，为语音生成技术的风险管理提供实证基础。
合成语音风险分类隐私安全治理实证研究
cs
04-29 00:00
本研究对 Lean 4 的 Mathlib 库进行网络分析，构建了包含 308,129 个声明、840 万条边和 7,563 个模块的多层图。通过图分解方法，发现人类设计的分类与逻辑结构存在 50.9% 的跨命名空间耦合，开发者平均仅使用 1.6% 的导入范围，且网络中心性反映的是语言基础设施而非数学相关性。
形式化数学网络分析依赖结构lean 4mathlib
cs
04-29 00:00
该研究提出一种混合光电架构，利用光原子时空全息相关器（STHC）替代传统3D CNN中计算密集的卷积层。通过将时间信息存储于冷铷-85原子阵列的原子相干性中，并结合2D空间相关器，实现时空同时相关处理。在四类人类动作数据集上达到59.72%的准确率，潜在处理速度高达每秒125,000帧，为视频分类的加速提供了新路径。
3d卷积神经网络光电混合架构时空全息相关器冷原子视频分类高速处理
cs
04-29 00:00
研究表明，自回归Transformer的自信错误可通过中间层激活监控捕捉，但这种可观测性由架构和训练方式决定。在控制置信度和激活范数后，不同架构的可观测性差异显著：Pythia的24层16头配置在所有测试中可观测性极低，而其他配置保持健康水平。Qwen 2.5和Llama在相同规模下可观测性相差2.9倍。可观测性在训练中可能崩溃，但通过WikiText训练的监控器可迁移至下游QA任务，以20%标记率捕捉10.9-13.4%的置信度遗漏错误。架构选择直接影响监控能力。
transformer可观测性激活监控架构选择自信错误模型训练
cs
04-29 00:00
本文提出一种基于图神经网络的信任区域方法，用于减少量子近似优化算法（QAOA）中的目标函数评估次数。该方法利用图神经网络预测QAOA角度的分布，定义搜索策略而非仅初始参数，在保持近似比接近启发式方法的同时，将平均电路评估次数从343和85降至45±7，且不确定性校准良好（ECE=0.052）。
量子近似优化图神经网络信任区域查询成本maxcut
cs
04-29 00:00
本文提出 RMiPO 框架，利用响应级互信息动态解耦偏好贡献，无需额外超参数调优即可提升离线偏好优化性能。实验表明，该方法在多个基准上超越现有方法，同时减少15%以上的训练开销。代码已开源。
偏好优化互信息大语言模型对齐离线优化训练效率
cs
04-29 00:00
本文通过2203项实验，发现架构本身对精度影响极小（部分η²=0.001），而架构与数据集的交互作用显著（部分η²=0.44）。提出能量正则化目标函数，使内部激活能量降至基线6%且精度不降。受经典力学作用原理启发的能量优先架构，在多种任务上实现5-33%的训练效率提升。
能量正则化神经网络架构训练效率生物启发统计验证
cs
04-29 00:00
针对深度学习推荐模型（DLRM）在超长用户交互序列训练中面临的“胖行”范式存储冗余与I/O瓶颈，本文提出版本化延迟物化范式。通过归一化不可变存储用户交互历史，并利用轻量级版本指针在训练时即时重建序列，结合读写分离协议保证线上线下一致性。系统采用流水线I/O预取与数据亲和优化，使训练吞吐量由GPU计算主导。在生产DLRM中部署后，显著降低数据基础设施资源消耗，支持序列长度扩展并提升模型质量，成为HSTU等现代推荐架构的基础数据设施。
推荐系统超长序列延迟物化存储优化i/o瓶颈版本化
cs
04-29 00:00
针对量子计算教学中的概念抽象与师资短缺问题，研究者提出ITAS多智能体辅导系统。该系统包含五模块课程、专用量子教学代理、云基础设施及对话分析层，在奥多明尼昂大学课程中验证：专业化代理解决了原型中的任务边界失败，云架构支持课堂规模并发，分析层揭示教师难以发现的课程缺口。
量子教育智能辅导系统多智能体知识图谱对话分析
cs
04-29 00:00
ITAS（智能教学助手系统）是一个三层多智能体架构，专为解决LLM辅导系统从实验到真实课堂的落地难题而设计。教学层采用“轮辐式”并行专家智能体（视频、代码、指导）加合成器，并配备自动评分器；操作层基于Cloud Run微服务，通过Pub/Sub流式处理事件；反馈层通过匿名化事件流回答教师问题，解决“盲教师问题”。在弗吉尼亚老道明大学研究生量子计算课程中部署一学期，教学层处理334轮对话无任务边界幻觉，操作层捕获10628个事件，反馈层帮助教师发现并调整了两项教学问题。
多智能体智能辅导系统大语言模型教育技术课堂部署
cs
04-29 00:00
Nautile-370M 是一个 3.71 亿参数的小型语言模型，通过混合 SeqCond Attention（SCA）谱序列算子和 Transformer 层，在严格预算下实现高效推理。理论证明 SCA 可精确检索前缀令牌并模拟 softmax 注意力，在连续极限下表达力不逊于全自注意力。模型在单 TPU v4-64 pod 上训练，并在 DGX Spark 上完成强化学习阶段，专注于推理、验证与响应质量。
小型语言模型谱序列算子混合注意力推理效率强化学习
cs
04-29 00:00
本研究在自适应深度神经网络（ADNN）中引入四种新的上置信界（UCB）策略（UCB-V、UCB-Tuned、UCB-Bayes、UCB-BwK），首次对比它们在精度、能耗和延迟之间的权衡。实验表明，所有策略均实现亚线性累积遗憾，其中UCB-Bayes收敛最快，UCB-V和UCB-Tuned在精度-延迟和精度-能耗的帕累托前沿上表现最优。
自适应深度神经网络多臂老虎机上置信界边缘计算性能权衡
cs
04-29 00:00
本文提出TI-ODE，通过将图ODE的演化函数分解为可学习的交互基函数，并使用时变权重动态组合，解决了现有方法难以捕捉节点间交互模式多样性和时变性的问题。在六个动态图数据集上，TI-ODE在属性预测任务中达到最优性能，并在Covid数据集上验证了可解释性与泛化能力，同时理论及实验证明其鲁棒性优于统一消息传递模型。
动态图图神经网络神经常微分方程时变交互表示学习鲁棒性
cs
04-29 00:00
SWE-QA 是一个包含 9072 道多选题的基准，用于评估多跳代码理解能力。它从 12 个 Python 仓库中生成，涵盖声明与调用、交互实体等推理模式。测试 15 个语言模型（360M 至 671B 参数）发现，最佳准确率仅 74.41%，密集架构比混合专家模型高 10-14 个百分点，表明多跳推理仍是重大挑战。
多跳推理代码理解基准测试语言模型python仓库
cs
04-29 00:00
本文在 Cubical Agda 中形式化了同伦类型论（HoTT）书中的柯西实数构造，利用高阶归纳-归纳类型避免了经典证明中的可数选择公理、Bishop 集合论的开销以及谓词类型论中的宇宙层级问题。代码无需公设或漏洞，为构造性分析提供了可靠的机器辅助基础。
同伦类型论实数形式化cubical agda构造性分析高阶归纳类型
cs
04-29 00:00
针对马尔可夫退化风险模型中的贝叶斯有限混合方法，本文提出一种实用框架：通过8状态全局百分位离散化增强退化信号，结合30维特征工程与可解释模型选择规则，并采用全秩协方差ADVI实现稳定快速估计。在280台工业泵的10万+记录上验证，ADVI比NUTS快84倍且无收敛问题，为设备风险聚类提供高效方案。
贝叶斯混合模型退化风险建模advi工业设备可解释聚类特征工程