ZK-APEX：首个可验证的个性化机器学习遗忘框架
本文提出ZK-APEX，一种无需重新训练即可从个性化模型中移除特定数据影响的零知识验证方法。该方法结合服务端的稀疏掩码与客户端的轻量级补偿步骤，利用分块经验费雪矩阵进行低开销更新。通过Halo2零知识证明，服务商可验证遗忘操作的正确执行，而无需访问任何私有数据或模型参数。在视觉Transformer任务中，该方法在有效移除目标信息的同时，几乎完全恢复了模型的个性化性能。
今日速览列表
Ranked by score, polished for readability
CloudFix：首个结合形式化方法与LLM的云访问控制策略自动修复框架
本文提出CloudFix，首个结合形式化方法与大型语言模型（LLM）的云访问控制策略自动修复框架。针对手动编写策略易出错且耗时的问题，CloudFix首先利用基于形式化方法的故障定位识别策略中的错误语句，然后调用LLM生成潜在修复方案，最后通过SMT求解器进行验证。在包含282个真实AWS策略的数据集上，CloudFix在不同请求规模下均展现出优于基线方法的修复准确率。该工作首次探索了LLM在策略修复中的应用，为高效、自动化的云安全策略维护提供了新方案。
量子联邦学习与区块链融合，为6G网络构建安全智能框架
本文提出QFLchain框架，将量子联邦学习与区块链技术结合，以应对未来6G网络动态、去中心化、数据密集的挑战。该框架旨在利用量子计算优势提升学习效率与抗量子威胁能力，同时借助区块链实现分布式量子边缘设备间的可信协作。研究重点分析了通信共识开销、可扩展性、能效及安全漏洞四大支柱问题，并通过仿真案例展示了其在训练性能上的潜在优势。
TDC-Cache：面向Web3.0的可信去中心化协作缓存框架
本文提出了一种面向Web3.0的可信去中心化协作缓存框架TDC-Cache，旨在解决去中心化数据访问中的效率与安全问题。该框架采用双层架构，利用去中心化预言机网络作为可信中介平台。针对网络拓扑与数据流的复杂性，提出了基于深度强化学习的去中心化缓存策略以动态优化缓存，并设计了协作学习证明共识机制来维护缓存决策的一致性。实验表明，该框架能有效降低访问延迟、提升缓存命中率与共识成功率。
神经形态眼动追踪：低延迟瞳孔检测新突破
本研究提出了一种基于神经形态传感器和脉冲神经网络（SNN）的新型眼动追踪模型，旨在解决AR/VR等可穿戴设备对低延迟、低功耗的需求。通过用轻量级LIF层替换传统循环和注意力模块，并利用深度可分离卷积降低模型复杂度，新模型在保持3.7-4.1像素平均误差（接近专用系统精度）的同时，将模型大小缩小20倍，理论计算量降低850倍。预计功耗仅为3.9-4.9毫瓦，延迟低至3毫秒，为实时可穿戴部署提供了高效解决方案。
BAMBO：通过贝叶斯自适应多目标块优化构建LLM帕累托前沿
本文提出BAMBO框架，旨在解决大语言模型能力与效率权衡的帕累托集构建难题。针对现有模型级方法解集稀疏、层间方法维度灾难的问题，BAMBO引入混合最优块划分策略，将其建模为一维聚类问题，通过动态规划平衡块内同质性与块间信息分布，从而大幅降低搜索维度。整个过程由q-期望超体积改进驱动，在进化循环中自动进行。实验表明，BAMBO能发现比基线更优、更全面的帕累托前沿，支持根据多样化约束进行敏捷模型选择。
假新闻检测新突破：引入节点拓扑特征提升识别准确率
本研究提出一种轻量级增强方法，通过为每个节点添加度中心性和局部聚类系数这两个经典图论指标，显式地标记其在传播网络中的枢纽和社区角色。在UPFD Politifact数据集上的实验表明，该简单修改将宏观F1分数从0.7753提升至0.8344。这不仅证明了显式拓扑特征在假新闻检测中的实用价值，也为其他信息传播任务融合图指标提供了可解释、易复现的模板。
ExaCraft：动态学习情境适应，为每位学习者生成个性化教学案例
本文介绍了ExaCraft，一个能够根据学习者动态变化的理解水平、困难点和技能成长，实时生成个性化教学案例的AI系统。它通过整合用户自定义档案（如地理位置、教育背景）与实时行为分析，确保案例兼具文化相关性与个体适配性。系统的核心创新在于能适应学习情境的五个关键方面：困难指标、掌握模式、主题进展历史、会话边界和学习进展信号，使教学案例能从基础概念平滑过渡到高级技术实现。
Suzume-chan：一个具身化的信息枢纽，让知识分享更温暖
本研究基于社会临场感理论，提出“具身化信息枢纽”概念，旨在通过物理与对话交互改善知识分享体验。原型Suzume-chan是一个小型、柔软的本地AI代理，结合语言模型与检索增强生成技术。它能通过语音学习解释并对话回应，有效减少心理距离，使知识传递更具人性化与连接感。
IoTEdu：学术物联网网络中的访问控制、检测与自动事件响应平台
针对学术环境中物联网设备增多带来的安全与管理挑战，本研究提出了IoTEdu集成平台。该平台统一了物联网设备的注册、监控与事件响应流程，集成了访问控制、事件检测与自动阻断功能。在模拟攻击的受控环境中评估显示，其平均检测到阻断时间仅为28.6秒，有效减少了人工干预，实现了响应标准化与流程统一。
健康谣言检测新框架：两阶段多智能体辩论系统
针对在线健康谣言泛滥的问题，本研究提出了一种两阶段检测框架。第一阶段利用大语言模型独立评估检索到的证据文章，计算反映整体证据立场的聚合一致性分数。若分数低于预设阈值，则进入第二阶段，启动多智能体结构化辩论，以综合冲突证据并生成带有明确理由的裁决。实验表明，该方法性能优于基线，验证了自动化评分与协作推理结合在复杂验证任务中的价值。
量子增强Transformer提升电网电压稳定性评估的对抗鲁棒性
本文提出QSTAformer，一种将参数化量子电路嵌入注意力机制的量子增强Transformer架构，用于提升短期电压稳定性评估在对抗攻击下的鲁棒性。研究开发了专门的对抗训练策略以抵御白盒与灰盒攻击，并系统评估了不同量子电路在表达能力、收敛性与效率间的权衡。在IEEE 39节点系统的案例研究表明，该模型在保持高精度的同时，显著提升了对抗条件下的鲁棒性，为电力系统安全运行提供了新方案。
区块链审计模型革新运营商结算：交易费降87%，周期从120天缩至3分钟
本研究提出一种基于区块链的审计追踪模型，旨在解决电信与金融行业跨运营商结算流程中存在的周期长、成本高、透明度低等痛点。该框架利用分布式账本、智能合约自动化及密码学验证技术，构建了统一且不可篡改的交易记录。实证评估显示，该模型能将交易费用降低87%，结算周期从120天压缩至3分钟，并实现100%的审计追踪完整性。智能合约自动化减少了92%的人工干预，并消除了88%的结算纠纷。
R-CMASP：面向再保险决策的规范约束多智能体仿真框架
本文针对再保险决策中信息分散、异构、受监管约束等复杂特性，提出了再保险约束多智能体仿真过程（R-CMASP）模型。该模型在随机博弈与Dec-POMDP基础上，引入了三大核心要素：基于灾害、资本与投资组合引擎的仿真器耦合动态；具备结构化观测、信念更新与类型化通信的角色化智能体；以及将偿付能力、监管与组织规则编码为联合行动可行性约束的规范层。实验表明，在基于LLM的智能体环境中，该规范治理的多智能体协调机制相比确定性自动化或单一LLM基线，能产生更稳定、一致且合规的行为，有效降低了定价方差，提升了资本效率与条款解释准确性。
Echo-CoPilot：多视图多任务AI助手，革新超声心动图解读与报告
本研究提出Echo-CoPilot，一个利用大语言模型协调多个专业工具的多视图、多任务智能体，用于超声心动图解读。该智能体在ReAct式循环中，能分解临床查询、调用视图识别、结构分割、测量、疾病预测等工具，并整合输出为符合指南的答案和叙述性报告。在MIMIC-EchoQA基准测试中，其准确率达50.8%，优于通用及生物医学视频视觉语言模型。分析表明，它能利用定量测量和生理学背景解决临床决策阈值附近的疑难病例。
ELANA：轻量级大语言模型能耗与延迟分析工具开源
研究者开源了轻量级分析工具ELANA，用于评估大语言模型在从边缘设备到云集群不同硬件上的延迟与能耗。该工具支持分析模型大小、KV缓存、首字延迟、生成延迟及端到端延迟，兼容Hugging Face所有公开模型，并易于定制以适应压缩或低比特模型，为高效LLM研究和小规模概念验证提供便利。
HGC-Herd：无需训练的异质图压缩新方法，大幅提升学习效率
本文提出了一种名为HGC-Herd的高效异质图压缩框架，旨在解决异质图神经网络在处理大规模图数据时面临的结构冗余和高维特征挑战。该方法无需依赖传统梯度匹配，通过轻量级特征传播编码多跳关系上下文，并采用类内聚类机制为每个类别选取代表性节点，从而生成紧凑且信息丰富的子图。在多个基准数据集上的实验表明，HGC-Herd在保持与全图训练相当甚至更优精度的同时，显著降低了计算时间和内存消耗。
泊松变换的精确映射性质与Baum-Connes猜想获突破
本研究证明了实秩为一的半单李群上泊松变换在分布层面上的精确、定量性质：它将P\G上的Sobolev空间有界且闭值域地映射到K\G上的L²空间。该结果针对Knapp-Wallach研究的Szegő映射型泊松变换，并利用van Erp-Yuncken的海森堡演算定义恰当的Sobolev空间。证明进一步推广，表明该变换与Furstenberg紧化上光滑函数的交换子是紧算子，从而完成了Julg纲领中为实秩为一半单李群闭子群建立Baum-Connes猜想的最后一步。
自由群中回文长度的新刻画：2与3长度单词的完整分类
本文研究了自由群中单词的回文长度问题。回文长度定义为将单词分解为最少回文因子的个数。与自由半群不同，自由群中因存在逆元，分解更复杂。作者首次完整刻画了回文长度为2和3的所有单词，为理解自由群中这一组合不变量提供了关键理论工具。
Kreiss常数接近1的算子性质研究：幂增长下界与相似收缩算子条件
本文研究满足Kreiss条件且常数K可任意接近1的矩阵与算子。主要贡献包括：为这类矩阵的幂增长提供了精确的下界估计，改进了Nikolski与Spijker等人的相关结果；同时，研究了一类Kreiss条件的变体，其中常数被替换为趋于0的函数ε(|z|)。证明若算子的谱仅与单位圆交于单点且预解式满足特定增长限制，则可选取合适的ε使得该条件保证算子与压缩算子相似。证明核心基于双层位势算子的正性论证，并提供了关于ε选择限制的反例。
社会现象动力学方程的高效数值解法：质量守恒的确定性方案
本文针对用于建模社会现象的动力学方程提出了一种全新的确定性数值解法。这类方程的核心挑战在于其转移率核包含描述状态突变的狄拉克δ函数。研究不仅证明了此类系统解的存在唯一性，还创新性地提出了“质量守恒配置法”。该方法能高效、高保真地模拟包含多达五个子系统的复杂模型，在数值上严格保持质量守恒。与先进的基于智能体的随机方法相比，新方案能以显著更少的计算时间和资源，获得一致的子系统分布结果，且无需进行随机方法的变异性处理和超参数调优。
基于群轨道核传输的自适应非参数估计：Oracle不等式与极小极大速率
本文提出了一种名为“孪生空间”的统一框架，用于基于离散群轨道上的核传输进行非参数函数估计。通过一个基础核和等距群作用，构建了传输核层次结构和满足Kraft不等式的惩罚模型选择方案。主要贡献包括：建立了具有显式常数的惩罚孪生核估计量的非渐近Oracle不等式；引入了捕捉群轨道平滑度的新型孪生正则性类，并证明估计量能自适应于这些类；展示了该框架在欧几里得设置中恢复经典极小极大最优速率，同时当目标函数呈现轨道结构时能实现改进的速率。有效维度由商群G/L表征，其中L是保持基础运算的子群。
自适应记忆的数学理论：从时变到响应式分数布朗运动
本研究为局部正则性随自身状态动态调整的随机过程建立了一套完整的数学理论。首先严格分析了一类具有确定性Hölder连续Hurst指数函数的时变分数布朗运动，建立了其方差标度律、局部增量渐近、局部非确定性等关键性质。进而定义了一类新颖的响应式分数布朗运动，其Hurst指数由依赖于过程状态本身的响应函数控制，形成了状态与记忆之间的内在反馈机制。研究证明了该定义的适定性、诱导瞬时标度指数的路径Hölder正则性，并分析了相关的累积记忆过程及其渐近收敛。该数学结构自然地导出了一个连续时间、路径依赖的注意力机制，为自适应记忆和内容敏感信息处理的核心概念提供了随机过程理论框架。
高效Boys函数计算新算法：结合有理极小极大逼近与递推关系
本文提出了一种针对现代计算架构（特别是GPU）高效计算Boys函数F0至Fk_max的新算法。该方法将有理极小极大逼近与向上/向下递推关系相结合，将非负实轴划分为三个区域，分别采用有理逼近和渐近逼近处理。该方案避免了查找表和不规则内存访问，非常适合高吞吐量、低延迟的硬件。算法以5e-14为目标最大绝对误差，并为F0至F32提供了相应的逼近区域和系数。
TwinKernel方法：基于轨道正则性的点过程强度函数自适应非参数估计
本文提出了一种名为TwinKernel的非参数估计方法，用于估计点过程的强度函数。该方法结合了TwinKernel框架和计数过程的鞅技术，能够自适应地利用强度函数的轨道正则性。通过将核函数沿着循环群轨道进行传输，构建了一系列平滑的Nelson-Aalen型估计器。研究建立了估计器的一致性和最优收敛速率，并实现了对未知光滑度的自适应选择及边界偏差的自动校正。该方法在随机删失下的风险率估计中具有应用潜力，例如处理由昼夜节律、季节效应或治疗计划引起的周期性结构。模拟研究表明，当强度函数具有轨道正则性时，其性能比经典核估计方法提升3-7倍。
布尔函数傅里叶稀疏性研究揭示匹配向量PIR方案的改进极限
本研究探讨了定义在Z_m^r上的δ函数（仅在零点取值为1，其余布尔点取值为0）在傅里叶基下的最小稀疏度问题。该问题与匹配向量私有信息检索（PIR）方案中的S解码多项式构造直接相关。研究通过初等简洁的方法，给出了δ函数傅里叶稀疏性的非平凡上下界。结果表明，仅通过优化S解码多项式，无法使基于已知匹配向量族的PIR方案在常数服务器数量下实现多对数通信复杂度，从而揭示了此类方案的根本性改进限制。
有限元与最小二乘支持向量回归混合方法求解偏微分方程
本文提出了一种混合计算方法，将有限元法与最小二乘支持向量回归相结合，用于求解偏微分方程。该方法利用有限元法提供节点解，并采用高阶勒让德多项式核的LSSVR来生成节点间插值的闭式解析解。该混合方法实现了对给定数值解的元素级增强（超分辨率），在保持与有限元节点值一致的同时，获得了高分辨率精度。它能够适配任何低阶有限元代码，通过利用局部核细化和并行计算来获得高阶分辨率，而无需额外的实现开销。评估结果表明，与基础有限元解相比，混合方法能实现显著更高的精度。
广义粘性逼近法的定量分析：在非线性空间中的渐近行为研究
本研究在非线性框架下，探讨了与满足类预解条件的非扩张映射族相关的广义粘性逼近法的渐近行为。通过应用证明挖掘方法，获得了W-双曲空间中渐近正则性的定量结果，以及在CAT(0)空间中元稳定性的收敛速率。该工作为相关优化算法的收敛性提供了严格的数学保证。
AI伪装队友如何影响协作学习中的论证与知识建构
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。
Motion2Meaning：帕金森病步态分析的可争议AI框架，提升临床透明度
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。
基于剧本生成的大语言模型多智能体实验设计框架
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。
基于SHARP原则的健康大模型评估框架：Fitbit案例验证
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。
AI建议质量超越热门人类评论？研究揭示在线健康咨询新趋势
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。
AI如何重塑战略技术管理：基于混合方法的研究揭示人机协作关键
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。
评估LLM数字孪生在模拟医疗系统信任中的人类相似性
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。
个性化城市可达性框架：指数衰减模型实现千人千面评估
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。
AI辅助开发在独立团队中引发“理解债”：超越技术债务的新挑战
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。
ACoRN：提升检索增强语言模型抗噪能力的摘要压缩方法
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。
大语言模型能否模拟人类心智化结构？基于MBT框架的评估研究
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。
当大语言模型成为搜索引擎：社会挑战与应对策略
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。
电磁编队飞行新控制器：利用角动量守恒约束实现多卫星协同控制
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。
贝叶斯方法优化移动健康干预算法，提升学习稳定性
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。
AI Co-Artist：基于大语言模型的交互式GLSL着色器动画演化框架
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。
仿真训练人形机器人：学习何时提问以进行心理健康诊断
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。
SimClinician：多模态模拟平台提升AI与心理学家在心理健康诊断中的协作可靠性
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。
ECG多任务基准测试：评估基础模型在心脏分析中的表现
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。
LLM4XCE：利用大语言模型解决超大规模MIMO信道估计难题
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。
DW-KNN：融合距离一致性与邻居可靠性的透明局部分类器
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。
LUMOS：基于Transformer的大规模用户行为预测模型
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%。
EEG-Bench：首个面向临床应用的脑电图基础模型统一评测基准
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。
利用几何流证明Berezin-Li-Yau不等式的动力学方法
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。
子域代数几何：将实代数几何推广至非实闭子域
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。
Pólya-Hurwitz方法研究q-Hankel变换零点，放宽参数限制
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。
BISTRO：一种结合低精度模型与信赖域的双精度随机梯度优化框架
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。
Cyqlone：面向最优控制的高性能并行线性求解器
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。
几何不变量与Monge-Ampère方程：纪念丘成桐75岁诞辰
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。
Steinhaus随机变量负矩的精确上界证明
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。
代数曲线约化类型分类研究取得新进展
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。
非匹配网格下混合维达西流动的后验误差估计
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。
数值微分方法分类指南：从理论到实践
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。
向量值全纯与多重调和函数的Bohr定理：局部Banach空间理论方法
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。
新型指数生成元代数：结构、自同构与表示理论
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。
SURA：无需修改结构的无源随机接入安全方案
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。
高精度数值方法保持双曲系统不变域的研究综述
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。
神经网络-有限元混合方法高效求解海冰粘塑性模型
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%。
非厄米随机矩阵的Fisher-Hartwig渐近性及其在二维自由费米子中的应用
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。
FuXi-Nowcast：深度学习系统突破强对流天气临近预报难题
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。
太空AI数据中心：系绳架构实现太阳能供电与连续计算
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。
线性准地转流中的守恒伪动量：诺特定理的应用
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。
溶剂调控飞秒激光刻蚀：实现CdPS3/CdS纳米结构相态与缺陷可控
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。
贝叶斯优化结合光谱脉冲整形提升激光尾波场加速性能
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。
模拟表面活性剂对相变流体的影响：新计算框架揭示气泡行为机制
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。
结合动力学调控II型拓扑异构酶的解链与松弛活性
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。
等离子体中微湍流磁场对带电粒子反常输运的趋肤效应研究
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。
深度学习替代模型革新气体动力学教学：物理信息驱动的新方法
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。
非热等离子体激活聚乳酸与聚碳酸酯表面，提升生物相容性
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。
聚变系统新路径：利用中子嬗变生产高价值同位素，可大幅降低经济可行性门槛
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。
非范德华氧化物Na2Zn2TeO6实现离子无序介导的剥离与强光学双折射
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。
原子层沉积硫化镓薄膜：兼具单晶光学性能与规模化制造潜力
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。
贝叶斯方法实现中子源精准识别，低至千次事件即可完成
本研究提出了一种结合反冲与飞行时间谱学的贝叶斯协议，通过全谱模板匹配与概率证据评估，直接从测得的中子能谱推断中子源类型。该方法在事件数低至约1000次时，仍能以超过4σ的统计显著性成功识别单源及双源配置。这证明了中子能谱特征可用于可靠的源识别，为基础研究和核安全等应用领域开启了新的观测窗口。
突破限制：主动补偿方案实现完美无色散光学涡旋生成
本研究针对传统方法在生成白光光学涡旋时面临的光谱带宽、转换效率和脉冲完整性之间的固有矛盾，提出了一种补偿式串联交叉扭曲向列相液晶架构。通过建立严格的琼斯矩阵模型并定义色度保真度的具体评价指标，分析了制造缺陷和非绝热波导对器件性能的影响。研究提出并评估了三种补偿策略，其中主动补偿方案利用可调谐延迟器，有效消除了寄生振幅调制，能够在任意带宽内生成具有高相位纯度的完美无色散涡旋。这为高保真白光奇异光学提供了一个优越且通用的平台。
模型引导神经网络方法解决逆散射成像难题
针对医学成像、无损检测中的逆介质散射问题，传统机器学习方法在处理高度非线性散射时效果不佳。本研究提出一种新方法，将代表正向模型的微分求解器作为显式物理知识嵌入机器学习框架，并采用逐步增加波频测量的经典策略来稳定重建。经验表明，该方法能以远低于竞争方法的计算或采样成本，获得高质量的散射势重建结果。
激子极化激元系统中实现动量空间非厄米趋肤效应
本研究提出并实验演示了一种在连续、非周期系统中实现非厄米趋肤效应的新机制。通过在拓扑平庸系统中引入非对称的纯虚数势，诱导出类似于趋肤效应的动量空间局域化。实验利用激子极化激元，在简单的“圆盒”陷阱中，通过激光泵浦偏离陷阱中心实现了该效应。研究发现，当极化激元密度升高形成非平衡玻色-爱因斯坦凝聚体时，该局域化效应会持续并增强。这项工作为在宏观量子态中探索非厄米性、拓扑和非线性之间的相互作用提供了新途径。
固态激光冷却：从概念验证到标准化发展
本文综述了基于光致发光的固态激光冷却技术进展，该技术已成为传统低温技术的可靠竞争者。文章概述了使用稀土掺杂玻璃、晶体及半导体的关键里程碑，并强调了新兴应用。为加强结果的一致性和可重复性，作者引入了涵盖材料、冷却指标和测温法的标准化报告清单。
激光中异核与同核矢量孤子的发现：线性耦合调控新结构
本研究利用超快光纤激光器平台，首次揭示了线性模式耦合对矢量孤子物理性质的调控作用。弱线性耦合支持由不同偏振模式构成的异核矢量孤子，表现为单脉冲与正交阻尼脉冲链的耦合；强线性耦合则促进结构相似偏振模式组成的同核矢量孤子，形成具有“毛虫运动”特征的孤子化合物。该发现揭示了矢量孤子的新形态，为开发多功能超快光源开辟了有效途径。
基于宏观分析的增材制造可变TPMS晶格换热器流场优先优化
本研究针对三周期极小曲面（TPMS）晶格换热器，提出了一种基于宏观流动分析的优化设计方法。通过Darcy–Forchheimer理论建立宏观流动模型，并引入体积传热系数表征单元传热能力。以Primitive晶格的等值面阈值为设计变量，优化了U型流道换热器内的晶格分布。实验验证表明，优化后的非均匀晶格结构相比传统均匀晶格，平均传热性能提升了28.7%。
全球原子磁力计网络搜寻太阳轴子晕，未发现显著信号
GNOME国际合作项目利用全球12个站点的原子磁力计阵列，首次对理论预测的太阳引力束缚轴子晕进行了为期69天的搜寻。研究团队建立了轴子-质子梯度耦合产生赝磁场的信号模型，并通过时间偏移的日调制模板进行互相关分析，以寻找预期的全球性、方向依赖的单色信号。在0.05 Hz至20 Hz频率范围内未发现统计显著的候选信号，并据此对轴子-质子线性及二次耦合强度设定了95%置信水平的上限。在二次耦合情形下，其限制比现有天体物理界限严格两个数量级以上。
面向本科实验室的直流放电等离子体实验装置设计与教学应用
本研究设计并构建了一个用于本科高年级课程的直流辉光放电等离子体实验装置。该装置由一个带可移动电极的1米长石英管构成，可系统研究压力、电压和几何结构变化下的等离子体行为。研究团队利用该平台表征了帕邢击穿关系和电压-电流特性，并开发了朗缪尔探针以测绘电子温度和密度的空间分布。此外，还采用玻尔兹曼图光谱法测量了不同等离子体区域的激发温度，并利用定制的亥姆霍兹线圈演示了电子的磁聚焦效应。该装置为探究基础等离子体现象提供了一个多功能平台。
风电制氢经济性评估：离网与并网路径助力美国工业脱碳
本研究评估了利用风电生产绿氢为美国工业供热的技术经济可行性。通过对比两种路径：一是由共址风电和电池储能供电的离网系统，二是直接接入风电节点、根据实时电价响应的并网系统。优化结果显示，在高风资源地区，离网系统的平准化氢成本可低至约7美元/公斤；而并网系统在电价频繁走低时，成本可降至0.5美元/公斤。分析表明，中西部风资源丰富地区具备生产有竞争力绿氢的潜力，为工业脱碳提供了清晰的部署框架和实用策略。
太阳风开关边界捕获质子形成高能束流
本研究通过混合粒子模拟方法，模拟太阳风中类似开关边界的阿尔芬旋转间断结构。研究发现，在其中一个边界处，大量质子被静电场所捕获，形成温度各向异性显著的次级束流，并激发下游区域的离子回旋波。该工作揭示了开关边界可能成为太阳风中质子束流产生的重要场所，并强调了高分辨率观测旋转间断附近速度分布的必要性。
日冕物质抛射从非径向转向径向传播时的横向形变机制
研究首次揭示了日冕物质抛射（CME）在低日冕中从非径向传播转向径向传播时的横向形变过程。通过多波段观测两个源自同一活动区的大尺度CME，发现它们在非径向阶段通过上翼向外凸起发生横向形变，最终转向距爆发点约25°的径向方向。上覆磁环的强磁张力虽未完全束缚磁绳，但限制了CME部分区域的径向膨胀。该研究填补了CME完整演化图像的关键环节，对理解其空间天气效应至关重要。
二维粒子模拟揭示束-等离子体系统中集体汤姆逊散射的非对称谱特征
本研究通过二维粒子模拟，再现了束-等离子体系统中的集体汤姆逊散射现象，并系统分析了散射波谱的特征。研究通过构建波数空间中散射波谱的几何形状，首次在二维波数空间中揭示了散射谱的非对称性。结果表明，当发生Buneman不稳定性或离子声不稳定性时，特定方向传播的散射波谱中的电子或离子特征会被放大并发生畸变。该成果有望应用于电离层等离子体的雷达观测以及实验室等离子体的CTS测量数据解释。
“大爆炸”一词的真正含义：从莎士比亚到霍伊尔的命名之谜
本文探讨“大爆炸”一词的起源与多重含义，指出其最初是弗雷德·霍伊尔在BBC广播中提出的讽刺性标签，却意外成为公众对宇宙起源的误解源头。作者援引莎士比亚和翁贝托·埃柯对语言与实在关系的思考，强调科学术语常是随意贴上的标签，而非本质描述。研究揭示“大爆炸”如今在不同语境中指代截然不同的概念：从奇点、暴胀理论到宇宙学模型，甚至电视节目名称。
寻找外星文明：为何我们最先发现的可能是“垂死”的文明？
一项新研究提出“终末假说”：人类首次探测到的外星技术文明，很可能并非典型代表，而是处于短暂、不稳定甚至濒临终结阶段的“异常响亮”文明。研究通过模型分析指出，一个文明若仅在生命周期的极小部分（如百万分之一）发出强烈信号，其信号强度需占其总可观测能量预算的1%以上，才能在探测概率上超越更“安静”的文明群体。这为通过广域、多波段、连续巡天进行“异常搜索”提供了理论依据。
布氏锥虫的螺旋运动机制：鞭毛驱动与弯曲体形的协同作用
研究通过高速离焦成像揭示了布氏锥虫独特的螺旋运动机制。其鞭毛产生顺时针拍打，形成右旋螺旋波沿体表传播，驱动细胞像开瓶器般前进。同时，细胞体进行较慢的逆时针旋转以平衡扭矩。细胞体在鞭毛下的弯曲形状，使得这两种手性运动在不同径向距离上叠加，形成了观察到的花瓣状轨迹。三维流体动力学模拟证实了该机制，并表明弯曲体形增强了游动效率，这可能是其形态的适应性优势。
利用新发现褐矮星验证罗曼望远镜日冕仪关键性能指标
研究团队提议利用罗曼空间望远镜的日冕仪，对一颗新发现的褐矮星HIP 71618 B进行观测。该目标位于望远镜的连续观测区内，其高信噪比探测将能单独满足TTR5这一关键性能要求，并有望实现光学波段内低于百万分之一对比度的首次伴星探测。与CPP团队的紧密合作将确保观测计划的顺利执行。
JWST观测揭示早期星系异常丰富，宇宙弦或为关键解释
詹姆斯·韦伯太空望远镜发现早期宇宙存在比理论预测更丰富、更明亮的星系群。本研究将宇宙弦（早期宇宙相变可能遗留的拓扑缺陷）作为非线性扰动源，整合进半解析代码Zeus21，成功模拟了从红移z=4到z=17的紫外光度函数。结果表明，宇宙弦能有效提升早期星系丰度，无需修改恒星形成物理模型即可解释观测数据，并为宇宙弦张力设定了新上限。
新统计量Q：检验线强度映射交叉谱分析的关键假设
本研究针对宇宙学线强度映射（LIM）分析中，利用交叉功率谱推断自功率谱所依赖的两个关键假设（线性偏差与强互相关性），提出了一种新的诊断统计量Q。该统计量由四个不同谱线的交叉谱组合构成，可作为数据驱动的零假设检验工具。通过解析模型和包含[CII]、[NII]、21厘米信号等模拟数据的验证，研究表明Q≈1能可靠地筛选出交叉谱估计器有效的模式，而显著偏离则指示关键假设不成立。Q为多示踪剂LIM分析提供了一个简单而强大的数据一致性检查方法。
ClearPotential：利用无监督机器学习绘制银河系局部三维引力势图
研究团队提出ClearPotential方法，首次利用无监督机器学习，在无需对称性假设或特定函数形式的情况下，从盖亚卫星DR3数据中推导出太阳附近4千秒差距内的三维引力势。该方法通过神经网络建模势能，并求解无碰撞玻尔兹曼方程，自动校正了星际尘埃消光和恒星拥挤造成的观测偏差。由此绘制出银河系局部区域的加速度和质量密度图，测得太阳半径处的暗物质密度为(0.84±0.08)×10^{-2} M⊙/pc³，并发现了暗物质晕呈倾斜扁球状的强有力证据。
高分辨率模拟揭示大质量恒星形成区中瞬变原恒星核的演化特征
本研究通过对大质量坍缩分子云团块的模拟数据进行合成成像，分析了ALMA 1.3毫米波段观测中识别的致密核的性质。研究发现，大多数通过树状图识别的核并不包含原恒星，而是与沿纤维状结构流动的团块相关的瞬变特征。含有原恒星的核心通常宿主少于4颗原恒星，且原恒星质量与母核质量相关性不强。研究还发现，最亮毫米波源的峰值强度和积分强度并不随其内最重原恒星的增长而单调增加，挑战了“更亮的毫米波源宿主更重原恒星”的假设。
空间时域望远镜如何重塑天体物理学
以CoRoT、开普勒和TESS为代表的空间时域望远镜，通过提供数百万天体的高精度连续光变曲线，在过去二十年深刻改变了天体物理学。除了彻底变革系外行星科学，这些数据还在恒星内部结构、瞬变宇宙、活动星系乃至太阳系天体研究方面取得突破，揭示了从恒星对流物理到银河系形成历史，再到超大质量黑洞吸积过程的新见解。
天文学家揭示Turranburra与Willka Yaku星流化学丰度，追溯其矮星系与球状星团起源
本研究利用高分辨率光谱对Turranburra和Willka Yaku星流中最亮的三颗恒星进行了详细的化学丰度分析，测定了从碳到镝的27种元素。结果显示，Turranburra平均金属丰度较低（[Fe/H]=-2.45），支持其起源于矮星系；而Willka Yaku丰度弥散小（[Fe/H]=-2.35），与球状星团起源的推测一致。两者均显示出轻微的中子俘获元素（如铕）增强，表明其可能经历过r-过程事件富集。
双白矮星合并形成星周物质，解释Ia型超新星早期超量辐射
本研究通过模拟双白矮星合并过程中的轨道演化、超爱丁顿质量转移/抛射，以及随后超新星抛射物与星周物质的相互作用，解释了Ia型超新星爆炸后约1天内观测到的早期超量辐射。模拟成功再现了03fg/02es类候选体在光学到紫外波段的早期光变曲线和颜色演化，支持这类超新星起源于碳点燃的剧烈合并。研究也探讨了氦点燃合并情形下星周物质的形成。
超越传统方法：利用多锥F检验探测B型慢脉动星的重力模式
本研究提出了一种基于多锥非均匀快速傅里叶变换（mtNUFFT）及其扩展——多锥F检验的统计稳健方法，用于从B型慢脉动星的4年开普勒光变曲线中提取重力模式并搜寻周期间隔模式。该方法克服了传统预白化方法在处理大量长时序数据时效率低下、依赖主观停止标准等局限，能更客观、高效地提取具有准无限寿命的重力模式特性。研究发现，该方法不仅能恢复大多数已知模式，在某些情况下还能揭示新模式，并在部分恒星中检测到多个周期间隔模式，为区分不同的激发机制提供了新工具。
GALAH DR4与盖亚数据联合揭示太阳系附近恒星化学特征
本研究对盖亚近星星表（GCNS）与GALAH DR4巡天共有的约6000颗恒星进行了首次联合分析。初步结果显示，这些恒星主要为FGK型主序星，中位年龄约16亿年，平均金属丰度低于太阳（[Fe/H] ≈ -0.19 dex），且大部分属于银河系薄盘成员，同时识别出少量高速晕族恒星。未来研究将结合完整光谱信息与轨道参数，对太阳系附近恒星进行更精细的化学-动力学刻画，为理解邻近恒星群的形成与演化提供新视角。
高能天体化学：宇宙射线与X射线如何驱动星际分子形成
本文综述了高能天体化学这一新兴领域，聚焦于宇宙射线、快速电子和X射线等非热过程对星际介质化学的影响。新观测发现，在寒冷致密的恒星前核或高能星系中心等传统认为不利于形成的环境中，依然存在复杂有机分子。实验室研究与理论模型证实，高能辐射能诱发天体冰层和气相的复杂化学反应。文章统一了相关化学过程，并探讨了其发挥作用的星际实验室及未来研究方向。
F星HD 220242的低频射电信号源自其M矮星伴星
HD 220242是VLoTSS巡天中唯一探测到低频圆偏振射电信号的F型恒星。研究结合了视向速度测量、Hipparcos-Gaia自行加速度数据及光谱能量分布分析，确认其拥有一颗轨道周期约16.8年、质量约0.62倍太阳质量的M矮星伴星，并排除了白矮星伴星的可能性。由于F型恒星本身缺乏产生此类相干射电辐射的冕区特性，该射电信号极可能源自其活跃的M矮星伴星。
摩洛哥政府采购博弈：纯策略无均衡，混合策略解存在
本研究运用博弈论分析摩洛哥政府采购市场，将其建模为具有不连续、非拟凹支付函数的策略博弈。研究发现，该博弈在纯策略中不存在纳什均衡。针对双参与人情形，推导出对称博弈及加权(p,1-p)博弈的两种显式混合策略均衡。最后，通过应用对角线不相交支付匹配条件，证明了在一般N参与人情形下对称纳什均衡的存在性，从而将均衡存在性扩展至混合策略领域。
自适应实验的因果推断新方法：BOLS统计量
自适应实验在经济学等领域的广泛应用带来了因果推断的挑战。本研究提出了一种BOLS（分批普通最小二乘法）检验统计量，用于在自适应实验中推断处理效应。该统计量通过对异方差条件下各时期处理-控制组差异进行精度均衡化聚合，构建了一个标准化的异方差时期z统计量平均值，可用于构建渐近有效的置信区间。模拟结果表明，该方法在治疗期数少、每批观测值数量不同（少或多）的典型情况下，能有效控制拒绝率。
组合交易中的女巫攻击防御：竞争均衡机制的安全边界
本研究分析了BRACE组合交易机制中的女巫攻击问题，将身份创建视为报告类型经验分布的有限扰动。在超额需求映射和主体效用平滑性的标准正则假设下，研究获得了有界女巫入侵导致的价格和福利偏差的显式线性边界。研究发现：仅当每个主体的身份份额趋近于零时，大规模策略证明性才成立；而任何拥有持续正份额的主体都能构造出获得严格正极限收益的偏差。研究还表明，在无界女巫人口情况下BRACE的可行性会失效，并提供了确保大型市场中此类攻击失去激励的精确成本阈值。
付费优先队列的分配效应：高收入者获益，低收入者受损
本研究分析了在服务获取中引入付费优先通道对不同收入群体的影响。研究发现，相对于单一的免费队列，是否愿意采用付费优先系统仅取决于收入，与服务估值无关。高收入者从快速通道中获益，而低收入者境况变差并只能留在免费队列。中等收入者虽更偏好单一免费队列，但在优先制度下仍会付费使用快速通道。因此，使用优先队列的行为并不能反映个体对该制度的真实偏好。
能力积累与条件收敛：构建经济复杂度的动态理论
本研究构建了一个经济复杂度的动态模型，内生地解释了无条件收敛向条件收敛的转变过程。模型表明，当经济活动的能力密集度提高时，收敛性质会转变为条件收敛。研究通过解析求解，得出了区分两种收敛状态的边界条件，并同时解释了基于关联性的路径依赖多样化过程。该模型为理解经济发展中收敛模式的转变和产业演化的路径依赖提供了统一的理论框架。
多维排序模型：技术变革如何影响劳动力匹配与收入分配
本文为具有一般产出函数和输入分布的多维分配模型，建立了一套完整的比较静态分析理论。核心贡献在于证明任何技术变革均可唯一分解为两个独立部分：梯度部分通过泊松方程刻画边际收入变化，无散度部分则描述了劳动力重新配置的机制。研究进一步利用美国数据，量化了认知技能偏向型技术变革对劳动力市场排序和收入分配的均衡影响。
控制误报率：学习时变相关网络的新框架
本文提出了一种系统框架，用于从高维、非线性、非高斯和非平稳的时间序列中学习时变相关网络，同时控制误报率。该方法通过自助法从稳健的时变相关函数估计中推导出依赖且时变的P值，对均值突变点不敏感。研究建立了理论保证的Benjamini-Hochberg和Benjamini-Yekutieli程序，能实现统一的误报率控制，并通过脑电图和金融时间序列数据验证了其应用价值。
基于失业与职位空缺数据的美国衰退实时检测算法
本研究开发了一种利用失业率和职位空缺数据实时检测美国经济衰退的算法。该算法通过组合数百万个衰退分类器，在统计意义上实现了完美识别：在1929-2021年的训练期内，准确识别了全部15次历史衰退，且未产生任何误报。通过进一步筛选位于“预期-精度前沿”高精度段的分类器，算法在保持高精度的同时实现了早期预警。平均而言，算法在衰退开始后2.1个月即可发出信号，远快于美国国家经济研究局（NBER）委员会平均6.3个月的判定时间。
渠道采纳路径如何影响消费者后续行为：基于巴西零售数据的研究
本研究利用巴西宠物用品零售商的交易数据，分析了消费者通过四种不同路径（自然采纳、新冠疫情、黑色星期五促销、忠诚计划）采纳线上购物后的行为差异。研究发现，所有采纳者消费额均高于纯线下消费者，但后续行为因采纳动机而异：促销驱动者倾向于囤货且后续利润较低，而疫情推动者则表现出更强的线下消费惯性。研究建议企业应设计避免囤货的促销策略，强化外部冲击下线上消费者的习惯，并在预测客户终身价值时考虑采纳动机的异质性。
医疗补助收缩如何影响体重与健康行为？田纳西州案例研究
本研究利用田纳西州2005年医疗补助收缩政策作为自然实验，采用合成双重差分法分析失去公共医疗保险对无子女成年人体重及相关健康行为的影响。研究发现，政策导致该群体体重指数平均上升0.38点，超重或肥胖率增加约4%，自评健康状况为“差”的比例上升21%。机制分析表明，医疗覆盖减少导致疼痛管理药物使用下降、适度体育活动参与减少，未受管理的健康问题恶化可能是体重增加的关键路径。
先验无关的Blackwell模型：数据驱动决策的新框架
本文提出了一个先验无关的数据驱动决策模型。决策者观察已知实验在未知状态分布下产生的全部信号分布，并在与观测一致的状态分布集合上，根据行动的最坏情况收益来评估行动。该模型适用于计量经济学中的部分识别问题。作者提出了一种实验排序方法：如果决策者在观察实验E后的问题价值总是至少不低于观察实验E'后的价值，则E在稳健意义上比E'更具信息性。这种比较严格弱于经典的Blackwell排序，其成立的充要条件是E的零空间包含于E'的零空间。
平台最优定价机制：仅用令牌上限即可筛选用户偏好
研究构建了一个机制设计框架，平台通过设计生成式AI模型来筛选用户。用户从对话中获得工具性价值，但对延迟的偏好存在私人差异。研究发现，收入最优的机制非常简单：只需部署一个对齐（用户最优）的模型，并使用令牌上限作为筛选用户的唯一工具。该设计将模型训练与定价解耦，易于通过令牌计量实现，并能减轻错位压力。
主成分分析在计量经济学中的选择性推断视角
本文从选择性推断的视角，研究了计量经济学应用中确定主成分数量的长期难题。研究考虑来自p维随机向量的独立同分布观测，旨在为模型选择后的统计推断提供更严谨的理论框架。该方法有助于提升高维经济数据分析的可靠性，对因子模型和降维技术的应用具有重要影响。
行星状星云Ou 5揭示极端丰度差异之谜：双核与双温结构
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。
夏威夷望远镜观测星际彗星3I/ATLAS：发现后12.5小时的首个蓝光光谱
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。
机器学习揭示星系反馈如何塑造暗晕气体分布
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。
星系团质量吸积如何塑造其内部热力学结构
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。
黑洞冕区非平衡热力学：揭示QPO、湍流与喷流新机制
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。
千新星候选体GRB 230307A的遥远宿主：球状星团起源被排除，盘起源条件苛刻
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。
红外表面亮度法精确测定球状星团M3距离
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。
系外行星轨道进动与潮汐衰变探测的优化指标
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发布新版流星体工程模型，扩展至黄道面外区域
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。
心脏瓣膜流体模拟新方法：基于参数化表面模型的快速3D流阻生成
本研究提出了一种快速计算心脏瓣膜流阻障碍的新方法，以简化流体-结构相互作用模拟的计算负担。该方法基于参数化表面模型，通过曲线自适应采样生成多段线表示，进而构建表面点集，并利用最小化、采样和三角剖分三种算法高效计算网格节点到瓣膜表面的距离。结合穷举节点迭代和递归邻居搜索两种网格遍历策略，后者能显著减少距离计算量。该方法在主动脉瓣和二尖瓣模型上验证了其灵活性与高效性，适用于计算模拟中快速更新瓣膜形状。
神经网络新方法大幅提升化学反应网络模拟效率，可捕捉罕见事件
本研究提出了一种基于神经网络的创新方法，用于高效求解描述化学反应网络随机动力学的化学主方程。该方法通过利用自然梯度下降和时间依赖变分原理等优化技术，实现了5至22倍的加速，并结合增强采样策略来捕捉罕见事件。研究在包括MAPK级联网络在内的多个挑战性反应网络中，证明了其相比先前神经网络方法具有更低的计算成本和更高的精度，并成功将其应用于二维反应-扩散系统，超越了近期仅能处理一维系统的张量网络方法。
基于饱和算法的化学反应网络原子溯源新框架
本研究提出了一种基于饱和算法的原子溯源框架，用于精确追踪生化反应网络中标记原子的流向。该方法直接基于原子-原子映射，无需通量数据或实验测量，通过幂集单子中的Kleisli态射建模反应语义，实现原子来源的组合传播。通过迭代饱和反应规则的所有可能反应物组合，该方法能穷举标记分子构型，包括多重性和重复使用。它允许任意初始标记模式，仅扩展从这些输入可达的异构体，避免了先前方法的组合爆炸问题。应用实例表明，该方法能自动复现已知标记模式并发现稳态标记行为，为同位素异构体建模和实验设计提供了可扩展、机制透明且可推广的基础。
基于二维OU过程的瞬态纺锤波建模与统计分析方法
本研究提出了一种用于脑电图（EEG）信号中瞬态纺锤波振荡爆发的随机建模与分割框架。在建模层面，将单个纺锤波表示为具有稳定焦点的二维Ornstein-Uhlenbeck（OU）过程的路径实现，该低维随机动力系统能复现纺锤波的关键形态特征。在信号处理层面，提出了一种结合经验模态分解（EMD）和中心极值检测的分割程序，以分离单个纺锤波事件。基于此框架，对纺锤波的振幅、间隔及上升/下降持续时间分布进行了系统性统计分析，发现其具有与底层OU动力学一致的指数尾部。该框架为EEG及非平稳时间序列中的瞬态振荡分析提供了数据驱动的方法。
空间脉冲神经网络：用几何结构实现高效时序计算
本研究提出空间脉冲神经网络（SpSNN）框架，通过让神经元学习在有限维欧几里得空间中的坐标，使突触延迟由神经元间的物理距离自然产生，替代了传统模型中每个突触单独学习延迟参数的方法。该方法在Yin-Yang和Spiking Heidelberg Digits基准测试中，以更少的参数超越了传统延迟可训练的SNN性能，且在2D和3D网络中表现最佳，揭示了几何正则化效应。动态稀疏化的SpSNN在90%稀疏度下仍能保持全精度，参数使用量最多可减少18倍。由于学习到的空间布局能自然地映射到硬件几何结构上，SpSNN为高效神经形态计算实现提供了硬件友好的基础。
Murmur2Vec：基于哈希的COVID-19刺突蛋白序列嵌入生成方法
本研究针对大规模SARS-CoV-2病毒序列分析的计算瓶颈，提出了一种名为Murmur2Vec的可扩展嵌入方法。该方法利用哈希技术为刺突蛋白序列生成紧凑的低维表示，用于训练机器学习模型进行病毒谱系分类。与现有方法相比，新方法在保持高达86.4%分类准确率的同时，将嵌入生成时间大幅减少了99.81%，为高效、大规模病毒序列分析提供了新方案。
计算不完全信息博弈中的进化稳定策略新算法
本研究提出了一种用于计算对称、完美回忆、不完全信息扩展式博弈中进化稳定策略（ESS）的算法。该算法主要针对双人博弈设计，并可扩展至多人博弈。在非退化博弈中，算法能计算出所有ESS；在包含无限连续对称纳什均衡的退化博弈中，则能计算其子集。算法支持随时停止以获取一个或多个ESS。通过在癌症信号博弈和随机博弈上的实验，验证了算法的可扩展性。
曲率加权接触网络：马尔可夫SIR模型的谱约简与全局稳定性
本研究提出了一种新的基于网络的SIR流行病模型，其传播过程由曲率加权接触矩阵调控，该矩阵编码了底层图的结构与几何特征。模型统一了邻接驱动与马尔可夫混合机制，允许异质性相互作用受曲率敏感的拓扑性质影响。研究证明基本再生数R0由曲率加权传播算子的最大特征值决定，并利用Perron-Frobenius理论和Lyapunov泛函，严格证明了当R0<1时无病平衡点全局渐近稳定，当R0>1时存在唯一的地方病平衡点且全局渐近稳定。结果表明，曲率作为连接性的几何正则化因子，能降低谱半径、提高有效流行阈值，并通过单调收缩引导系统趋向地方病状态。该框架通过将几何信息直接整合到传播算子中，为结构异质网络上的流行病动力学提供了严格的理论基础。
耦合观点动力学与流行病学：行为适应如何重塑疾病传播
本研究通过数学模型，将描述二元观点的q-voter模型与SIS型传染病动力学耦合。模型中，传播率受观点影响，且感染会触发个体重新评估自身行为。分析推导了地方病与无病平衡点的稳定性条件。数值模拟揭示了复杂动态：超过特定传染性阈值后，系统可出现多吸引盆，导致平衡的地方病固定点或稳定极限环。研究发现，主导的渐进观点与流行病学结果之间存在非单调关系，凸显了适应性行为诱导复杂系统动态的潜力。
状态空间动力学伊辛模型揭示稀疏神经元活动中的任务依赖熵流
本研究开发了一种状态空间动力学伊辛模型，用于分析非平稳、非平衡神经系统的因果动力学。该方法通过平均场方法估计时变熵流，揭示了小鼠视觉皮层在任务参与期间，尽管神经元活动减少且稀疏性增加，但因果耦合的变异性更大。此外，表现更优的小鼠在任务期间表现出更高的每脉冲耦合相关熵流，表明其神经计算效率更高。
DNA语言模型评估中的隐藏陷阱：数据加载细节可导致4%性能偏差
本研究通过BEND基准测试发现，评估DNA语言模型时，数据加载的硬件相关参数（如工作线程数和缓冲区大小）会因数据洗牌不足与基因组数据特性相互作用，导致相同模型出现高达4%的性能波动，甚至影响模型排名。实验在HyenaDNA、DNABERT-2等模型上验证了此现象。作者提出在存储前预洗牌数据的简单解决方案，可消除硬件依赖性，保障评估的公平与稳定。
法官管理如何影响集体诉讼：Lone Pine命令与示范性审判的作用
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。
无需先验信息的采购机制：简单规则实现高效社会剩余
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。
高维回归模型贝叶斯推断的去偏方法
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。
基于文本数据构建自动化腐败指数：巴西市政审计报告的应用
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。
深度神经网络逼近理论新突破：全连接网络实现最优估计率
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。
因果中介分析新方法：平衡权重提升估计稳定性与准确性
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。
建筑原材料价格预测新框架：结合计量经济学与机器学习方法
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。
核三通回归滤波：非线性高维时间序列预测新方法
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。
合同期限如何影响买家支付意愿？美国木材市场研究揭示期权价值
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。
实证贝叶斯估计在增值回归中的自动推断方法
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。
多重假设检验后效应量的有效推断方法
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。
国际价格与收入比较的实证福利内涵：揭示偏好视角下的新发现
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。
大语言模型隐藏状态蕴含经济信息，超越文本输出
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。
AI智能体使用全景图：Perplexity Comet Assistant早期证据揭示用户画像与核心场景
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。
数字建模从组织学预测空间通路活性，揭示肿瘤微环境异质性
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AI监控框架：确保部署后系统安全有效
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。
非均匀分支随机游走：结合谱系与密度效应建模细菌菌落生长
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。
能量模型温度调节机制揭秘：何时降温，何时升温？
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。
元学习发现三因子可塑性规则，实现稀疏反馈下的结构化信用分配
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。
NeuroSketch：通过系统架构优化实现高效神经解码的新框架
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。
MoDaH算法实现单细胞组学数据批次校正的理论最优误差率
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。
利用数千GPU构建大规模脉冲神经网络的新方法
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。
随机微分方程模型的结构可辨识性分析新框架
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。
QCAI：量化Transformer交叉注意力，解析TCR-pMHC结合机制
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。
种群动力学最小模型中发现自组织超均匀性新机制
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。
SimpleFold：用通用Transformer实现蛋白质折叠，挑战领域专用架构
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。
SAPIN：受生物启发的结构可塑性网络，通过主动推理实现稳态控制
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。
CIDP协议：突破战术网络匿名性三难困境，实现低延迟高匿名通信
下一代战术网络面临匿名性、低延迟与低带宽开销无法兼得的“三难困境”。CIDP协议通过联合设计网络控制器、鲁棒控制屏障函数与天线旁瓣调制优化，在物理层注入熵，实现了近乎等时、低开销的匿名通信。理论证明与仿真表明，该协议在保证严格抖动边界的同时，能扩大约40%的匿名集，且吞吐量损失仅约5%，为自主JADC2部署提供了首个兼具强匿名性、严格等时性与频谱效率的可证明保障架构。
TRUCE框架：基于AI与语义网的健康数据合规交换服务
本文提出了一种名为TRUCE的可信合规执行框架，旨在解决HIPAA与Cures Act等法规冲突导致的健康数据交换合规难题。该框架利用人工智能、知识表示与语义网技术，通过推理数据交换上下文、评估用户信任度与数据真实性来自动化合规流程。其信任管理方法融合了法规静态规则与组织政策的动态规则。验证表明，TRUCE能有效管理多达百万条CDC接触者追踪患者数据的实时交换，帮助组织简化合规工作并确保隐私法规遵从。
GOODSPEED：分布式边缘推理中通过自适应推测解码优化公平有效吞吐量
本文提出GOODSPEED框架，旨在解决多用户分布式大语言模型推理中有效吞吐量与公平性的平衡难题。该框架采用一个中央验证服务器协调多个异构的草稿服务器，通过创新的梯度调度算法动态分配令牌验证任务，最大化对数效用函数以确保服务器间的比例公平。理论分析表明，GOODSPEED在稳态下能收敛至最优有效吞吐量分配，并在动态负载下保持接近最优的性能，为资源受限的边缘环境提供了可扩展、公平且高效的LLM推理解决方案。
基于有限自动机同步积的广义弧一致性算法
本文提出了一种利用有限自动机（DFA）同步积来确保广义弧一致性（GAC）的新方法。该方法针对矩阵形式的约束问题，通过构建一个正则约束和多个表约束，得到一个Berge-无环的分解，从而高效实现GAC。研究通过一个氢分布问题的求解，验证了该方法在快速找到最优解并证明最优性方面的有效性。
M-ERC4907：支持多时段批量授权的频谱资源租赁新方法
本文针对ERC4907标准在去中心化多时段调度场景中的局限性，提出了M-ERC4907扩展方法。该方法创新性地支持多时段批量配置与多用户同时授权，打破了原有标准的顺序授权约束。在Remix开发平台上的实验表明，M-ERC4907能显著减少链上交易和Gas总消耗，有效提升了系统的可扩展性与频谱资源分配效率。
多面体闵可夫斯基泛函下的边界距离函数正则性研究
本文研究了定义在凸多面体闵可夫斯基泛函下的点到区域边界的距离函数的正则性。作者在特定情况下获得了该距离函数的正则性结果，并通过一系列示例显式计算了距离函数，揭示了此类距离函数中涌现的新颖数学现象。
拟阵中元素的移除：避免“缠结”分裂的新方法
本研究证明，对于拟阵中的任意元素，总可以通过删除或收缩操作将其移除，且在此过程中不会导致任何“缠结”发生分裂。这一结果为拟阵理论中的结构操作提供了新的理论保证，有助于简化复杂拟阵的分析与分解过程。
非半单世界中的提升：霍普夫代数变形分类新进展
本文研究了在余半单但非半单的霍普夫代数H上，Nichols代数𝔅(V)的玻色化（即提升或变形）的分类问题。作者引入了一个新的代数结构T(V)#_M H，它推广了标准的玻色化T(V)#H，并证明了每个提升都是某个T(V)#_M H的商。通过这一“支点”，作者将提升问题转化为余循环变形问题，并复现了已有策略以证明所有提升都是𝔅(V)#H的余循环变形。研究通过特征2下的Fomin-Kirillov代数FK₃和𝔰𝔩(2)的Jordanian包络代数两个具体例子进行了阐释。
平直完全增广链环的对称群与O(3)有限子群一一对应
本文证明了b-素平直完全增广链环的（保向）对称群恰好对应于三维正交群O(3)的所有有限子群。研究的关键在于建立了一个字典，将链环关联的3-连通平面三次图的同构，映射为链环本身的保向对称性。该工作还提供了一种简洁方法，可为O(3)的任意有限子群G，显式构造出无限类不同的b-素平直完全增广链环，使其补空间对称群与链环对称群均同构于G。
斜五角星映射的指数级复杂度增长揭示其不可积性
本研究探讨了斜五角星映射的动力学行为。作为经典可积五角星映射的推广，斜映射通过交截不同长度的对角线作用于多边形。论文引入格点映射的首个动力学度概念，证明了特定斜五角星映射具有指数级的度增长且无守恒纤维，其动力学度可达4，而经典等长映射的动力学度为1，这为判定其不可积性提供了严格依据。
八元数上Cesàro算子的Bohr定理及积分变换不等式
本文在八元数开单位球上的切片正则函数类中，首先建立了Cesàro算子的Bohr定理。随后，证明了Bernardi算子的Bohr型不等式，并由此推导出Libera算子和Alexander算子的相应结果。最后，将结论推广至离散Fourier变换和离散Laplace变换等特定积分变换，所有结果均被证明是精确的。
无限集合的新比较方法：基于外测度的集合比较框架
本文提出了一种比较任意无限集合的新方法，不仅涉及基数比较，还引入了其他构造，形成了作者所称的“完全性”集合比较。研究重点探讨了如何利用外测度，在度量空间X的子集与其幂集P(X)的子集之间建立一种具体的比较关系，为无限集合的比较提供了新的度量视角。
量子SIR模型获得精确解析解，揭示非均匀时间网格下的传染病动力学
本研究基于1975年Bailey提出的经典连续系统，构建了一个在量子时间上定义的新型SIR模型，其时间演化由非均匀时间网格控制。研究推导出了模型的显式解析解，并分析了易感者、感染者和移除者的长期行为。同时，证明了该模型与其连续对应模型保持动态一致性，这体现在解的非负性及其与连续动力学定性相符的特性上。所有结果均通过示例得到进一步验证。
数学课堂新实践：四步法提升学生参与与理解
本文分享了2022年秋季至2025年春季在本科数学课程中实施的一种以学习者为中心的教学常规。该方法包含四个步骤：开场提问、关于核心概念的简短微讲座、结构化的小组合作学习，以及课末的简短出口检查（有时辅以快速视觉辅助）。该方法主要应用于初级统计学课程，并在微积分和线性代数中有所尝试。实践证据基于教师笔记、一分钟出口检查、非正式学生反馈、问卷调查及会议反馈。结果表明，该方法减少了被动讲授，增加了学生的可见参与度，并在课堂结束时促进了学生解释自身推理的过程。局限性在于仅为单一教师的实践，缺乏对照比较。未来计划针对不同学生群体改进提示问题并简化视觉辅助材料。本文提供了一个简单、可调整的常规与时间框架，供其他教师借鉴。
低正则条件下Chébli-Trimèche超群上Arens积与渐近结构研究
本研究在放宽经典光滑性假设的条件下，探讨了Chébli-Trimèche超群上卷积代数第二对偶的Arens积。通过建立新的渐近分析工具，将渐近测度ν_x和极限测度ν_∞的存在性与连续性推广到更广泛的超群类。研究给出了L^1(H)强Arens不规则性的新充要条件，首次详细比较了非经典超群左右拓扑中心，并在Jacobi、Naimark等具体超群上得到应用。
毕达哥拉斯音阶的数学之美：揭示五声、七声与十二平均律的均匀性
本研究基于毕达哥拉斯音阶的数学定义（形式为 3^b/2^a 的有穷数列），深入探讨了衡量音阶“均匀性”的“两步性质”。论文首次完整刻画了所有满足该性质的毕达哥拉斯音阶。引人注目的是，这一数学上“最均匀”的音阶列表，恰好包含了音乐理论中广为人知的5音（五声音阶）、7音（自然音阶）和12音（半音阶）体系，为这些经典音阶的数学合理性提供了精确证明。
黎曼ζ函数数值计算新方法：无需Gram点的实复参数化算法
本研究提出了一种计算黎曼ζ函数非平凡零点分布的新数值框架。该方法摒弃了传统的Gram点定界法，采用临界线的实复参数化，结合高精度Hardy Z函数评估与Riemann-Siegel公式，开发出“谷扫描”算法。该算法利用Z函数的“山-谷”几何结构定位局部极小值，并通过牛顿迭代进行精化。研究实现了从低零点到高达1e20高度的计算，验证了零点间距与Riemann-von Mangoldt预测的一致性，并公开了所有数据集与可复现材料。
光滑巴拿赫空间中重尾鞅分布的Fuk-Nagaev不等式：最优界
本研究推导了光滑巴拿赫空间中鞅序列范数最大值的Fuk-Nagaev不等式，适用于具有有限高阶条件矩的情形。通过结合Rio（2017）的Chernoff界优化方法与Pinelis（1994）的光滑巴拿赫空间范数矩母函数经典界，获得了精确的常数并去除了不必要的中心化项，改进了现有无限维界限。作为应用，提出了适用于向量值函数的McDiarmid型界限，其条件高阶矩具有一致上界。
Psychlysis：基于问卷的机器学习工具分析心理状态
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。
强化学习新框架：同时减少大模型在长短问答中的幻觉问题
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。
广义Robertson函数类的增长、畸变与Schwarzian范数估计
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。
有限域上仿射代数集中不可约多项式的计数误差界
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。
关于数值级数下界定理的注记：揭示形式证明背后的初等微积分本质
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。
拟簇中的同余可换性自然蕴含“成为簇”
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。
动态机动提示：一种基于实时反馈的车辆威胁规避新方法
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。
加权图密度新度量：电导-电阻不等式与代数结构
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。
事件触发极值搜索算法：基于混合系统与李括号平均化的稳定性分析
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。
皮亚诺算术片段中的紧致性与坚固性研究取得新进展
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。
平面弹性杆统一变分框架：简化分布式载荷建模
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。
新型超痕量铀钍检测技术，灵敏度达10⁻¹⁵克/克级
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。
可微分求解器结合神经网络加速高阶流体模拟
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。
新型可压缩变换模型提升高超声速湍流边界层预测精度
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。
可控单光频梳实现高灵敏度腔衰荡光谱测量
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。