Bi Directional Feedback Fusion for Activity Aware Forecasting of Indoor CO2 and PM2.5
该论文提出了一种双向反馈融合框架，通过联合建模室内环境演变与人类活动特征，并引入双时间尺度模块及复合损失函数，显著提升了室内二氧化碳和 PM2.5 浓度预测的准确性与可解释性。
🤖 Category
cs.AI
2821 篇论文
Regression Models Meet Foundation Models: A Hybrid-AI Approach to Practical Electricity Price Forecasting
本文提出了名为 FutureBoosting 的混合 AI 框架，通过将冻结的时间序列基础模型生成的预测特征融入回归模型，有效克服了单一模型在捕捉跨变量关联与历史驱动因素方面的局限，从而在电价预测任务中显著提升了预测精度与可解释性。
Safe Transformer: An Explicit Safety Bit For Interpretable And Controllable Alignment
本文提出了一种名为"Safe Transformer"的模块化方法，通过在 Transformer 层间插入包含显式安全位的离散信息瓶颈，利用对比学习实现安全决策的可解释性与可控制性，仅需轻量级微调即可在保持生成能力的同时显著降低攻击成功率。
Don't Freeze, Don't Crash: Extending the Safe Operating Range of Neural Navigation in Dense Crowds
该论文提出了一种结合密度不变观测编码、密度随机化训练及物理信息近距奖励塑造的强化学习方法，有效解决了密集人群导航中因分布外密度导致的泛化失效问题，在显著减少冻结现象的同时实现了零样本密度泛化与高碰撞避免率。
Calibrated Credit Intelligence: Shift-Robust and Fair Risk Scoring with Bayesian Uncertainty and Gradient Boosting
本文提出了“校准信用智能”（CCI）框架，通过结合贝叶斯神经网络、公平性约束梯度提升及分布偏移感知融合策略，在动态变化的信贷数据中实现了兼具高准确性、可靠校准性与群体公平性的风险评分。
Agent Hunt: Bounty Based Collaborative Autoformalization With LLM Agents
该论文提出了一种名为"Agent Hunt"的基于赏金机制的协作式自动形式化框架，通过让多个大语言模型代理在交互式定理证明环境中动态发布、竞标并完成代数拓扑领域的证明任务，从而探索去中心化的协作证明搜索与理论构建方法。
Rank-Factorized Implicit Neural Bias: Scaling Super-Resolution Transformer with FlashAttention
该论文提出了秩分解隐式神经偏置（RIB）以替代传统的相对位置偏置，从而在超分辨率 Transformer 中启用高效的 FlashAttention 并支持更大窗口与数据集的扩展，最终在显著提升重建质量（Urban100×2 达 35.63 dB PSNR）的同时，将训练和推理时间分别缩短了 2.1 倍和 2.9 倍。
ResearchEnvBench: Benchmarking Agents on Environment Synthesis for Research Code Execution
该论文提出了 ResearchEnvBench 基准，旨在评估自主智能体在给定研究代码库和文档时自动构建可运行执行环境的能力，并揭示了当前最先进模型在解决复杂依赖和版本耦合方面存在的显著差距。
ViroGym: Realistic Large-Scale Benchmarks for Evaluating Viral Proteins
本文介绍了 ViroGym，一个包含 79 项深度突变扫描实验和多种真实世界预测任务的大规模基准，旨在评估蛋白质语言模型在病毒蛋白变异效应预测中的表现，并为疫苗抗原选择提供基于实验数据指导的理性框架。
Heterogeneous Decentralized Diffusion Models
该论文提出了一种高效且支持异构训练目标的去中心化扩散模型框架，通过结合异构训练范式、预训练检查点转换及 PixArt-alpha 架构，在显著降低计算与数据需求的同时，实现了比同质化基线更优的生成质量与多样性。
Improved Constrained Generation by Bridging Pretrained Generative Models
该论文提出了一种通过微调预训练生成模型，使其能够在保持生成质量的同时直接在复杂可行域（如道路地图）内生成样本的约束生成框架。
Stabilizing Reinforcement Learning for Diffusion Language Models
该论文针对群相对策略优化（GRPO）直接应用于扩散语言模型时因概率比估计噪声导致的奖励崩溃问题，提出了通过无条件截断和自归一化机制来打破不稳定性循环的 StableDRL 方法，并进一步将其扩展至块级扩散模型。
Enhancing Instruction Following of LLMs via Activation Steering with Dynamic Rejection
该论文提出了名为 DIRECTER 的新方法，通过结合注意力敏感性分析与基于合理性的解码循环，动态调节激活引导强度，从而在无需额外数据集的情况下有效缓解大语言模型的过度引导问题，显著提升了指令遵循能力且未牺牲生成质量。
ButterflyViT: 354 Expert Compression for Edge Vision Transformers
本文提出了 ButterflyViT，一种通过将专家视为共享量化基底的几何重定向并引入空间平滑正则化来解决线性内存扩展瓶颈的方法，从而在 CIFAR-100 等任务上实现了 64 专家配置下 354 倍的内存压缩且精度损失可忽略，使稀疏混合专家视觉 Transformer 能够部署于边缘设备。
Property-driven Protein Inverse Folding With Multi-Objective Preference Alignment
本文提出了 ProtAlign 框架，通过多目标偏好对齐策略微调预训练逆折叠模型，在保持结构可设计性的同时，有效平衡了蛋白质序列设计中溶解度、热稳定性等多种开发属性。
Robotic Foundation Models for Industrial Control: A Comprehensive Survey and Readiness Assessment Framework
这篇论文全面综述了机器人基础模型（RFM）的工业适用性，提出了包含 149 项具体标准的评估框架，并通过大规模评估发现当前 RFM 在工业领域的成熟度有限且发展不均衡，强调未来的进步应依赖于将安全、实时性、鲁棒感知及系统集成等要素系统性地纳入可审计的部署堆栈中。
XMACNet: An Explainable Lightweight Attention based CNN with Multi Modal Fusion for Chili Disease Classification
本文提出了一种名为 XMACNet 的可解释轻量级注意力 CNN 模型，通过融合可见光图像与植被指数并引入 StyleGAN 数据增强，在辣椒病害分类任务中实现了高精度、强可解释性及边缘部署能力。
Learning Unbiased Cluster Descriptors for Interpretable Imbalanced Concept Drift Detection
该论文提出了一种名为 ICD3 的无偏聚类描述符方法，通过多分布粒度搜索识别不平衡概念并分别训练单类分类器，从而有效克服了主导大簇对少数小概念漂移的“掩蔽效应”，实现了可解释且鲁棒的不平衡概念漂移检测。
Enhancing SHAP Explainability for Diagnostic and Prognostic ML Models in Alzheimer Disease
该论文提出了一种多层次可解释性框架，通过在 NACC 数据集上整合多种指标，验证了 SHAP 方法在阿尔茨海默病诊断与预后模型中跨任务、跨阶段及跨架构的解释具有高度的一致性与稳定性，从而增强了临床应用的可靠性。
Gradient-based Nested Co-Design of Aerodynamic Shape and Control for Winged Robots
本文提出了一种基于梯度的嵌套共设计框架，通过结合最优控制规划器与神经代理气动模型，实现了对固定翼滑翔机气动外形与控制策略的联合优化，从而在显著缩短计算时间的同时，有效提升了其在复杂动态任务（如停栖和短距着陆）中的性能。