Diversity-Aware Adaptive Collocation for Physics-Informed Neural Networks via Sparse QUBO Optimization and Hybrid Coresets
该论文提出了一种基于稀疏 QUBO 优化和混合核心集构建的多样性感知自适应配点方法，通过从候选池中筛选兼具高信息量与低冗余度的点集，有效解决了物理信息神经网络（PINNs）在训练效率与精度上的瓶颈问题。
🤖 Category
cs.AI
2832 篇论文
Failure Detection in Chemical Processes using Symbolic Machine Learning: A Case Study on Ethylene Oxidation
本文提出了一种基于符号机器学习的故障预测方法，通过利用化学过程模拟器生成的数据，在乙烯氧化案例中证明了该方法在保持模型可解释性的同时，其性能优于随机森林和多层感知机等基线模型，并探讨了其在辅助化工操作员决策中的应用潜力。
HGT-Scheduler: Deep Reinforcement Learning for the Job Shop Scheduling Problem via Heterogeneous Graph Transformers
本文提出了一种基于异构图 Transformer 的强化学习调度框架（HGT-Scheduler），通过将作业车间调度问题建模为异构图并利用边类型感知的注意力机制来捕捉不同的关系语义，从而在 Fisher-Thompson 基准测试中显著提升了调度策略的性能。
SpatialMAGIC: A Hybrid Framework Integrating Graph Diffusion and Spatial Attention for Spatial Transcriptomics Imputation
SpatialMAGIC 是一种结合图扩散与空间自注意力机制的混合框架，旨在解决空间转录组数据的高稀疏性和技术噪声问题，通过有效恢复缺失表达值并保留空间一致性，在聚类精度和下游生物分析中显著优于现有基准方法。
xaitimesynth: A Python Package for Evaluating Attribution Methods for Time Series with Synthetic Ground Truth
本文介绍了名为 xaitimesynth 的 Python 开源包，旨在通过生成带有已知真实标签的合成时间序列数据，为评估时间序列归因方法提供可复用、灵活且可复现的基础设施及标准评估指标。
Physics-Informed Diffusion Model for Generating Synthetic Extreme Rare Weather Events Data
该论文提出了一种基于 Context-UNet 架构的物理信息扩散模型，通过结合关键大气参数条件生成具有物理一致性的多光谱卫星图像合成数据，有效解决了热带气旋快速增强等极端罕见气象事件样本稀缺及类别不平衡问题，从而提升了气象检测算法的鲁棒性。
Optimistic Policy Regularization
本文提出了乐观策略正则化（OPR）方法，通过维护高绩效轨迹的动态缓冲区并利用方向性对数比率奖励塑造及辅助行为克隆目标来防止策略过早收敛，从而在 Atari 游戏和 CAGE 网络安全挑战中显著提升了样本效率与最终性能。
Best-of-Tails: Bridging Optimism and Pessimism in Inference-Time Alignment
该论文提出了一种名为 Best-of-Tails (BoT) 的自适应推理时对齐框架，通过利用 Hill 估计器动态识别奖励分布的尾部特征，并借助 Tsallis 散度在“乐观”的 Best-of-N 策略与“悲观”的正则化方法之间进行自适应权衡，从而有效解决了大语言模型对齐中奖励黑客与探索不足之间的根本矛盾。
Breaking the Martingale Curse: Multi-Agent Debate via Asymmetric Cognitive Potential Energy
该论文提出了 AceMAD 框架，通过利用真理持有者能预判群体错误而幻觉多数者无法察觉的认知势能不对称性，将多智能体辩论从易陷入错误共识的“鞅诅咒”随机游走转化为具有正向漂移的定向收敛过程，从而在初始多数意见错误时仍能准确提取稀疏的真实信号。
A Hybrid Machine Learning Model for Cerebral Palsy Detection
该论文提出了一种结合 VGG19、Efficient-Net 和 ResNet50 提取特征并由 Bi-LSTM 进行分类的混合机器学习模型，用于基于新生儿脑部 MRI 图像早期检测脑瘫，其 98.83% 的准确率优于多个单独使用的预训练模型。
Making AI Evaluation Deployment Relevant Through Context Specification
该论文针对当前 AI 评估方法难以反映实际运营现状的问题，提出了“情境规范”（context specification）这一流程，旨在将模糊的利益相关者视角转化为明确的可测量构念，从而为组织在真实部署环境中制定明智的 AI 决策和评估提供基础路线图。
Reinforcing the World's Edge: A Continual Learning Problem in the Multi-Agent-World Boundary
该论文指出，在去中心化多智能体强化学习中，由于将同伴策略纳入世界边界会引发非平稳性，导致跨回合的不变决策核心（Invariant Core）可能收缩或消失，从而将此类问题重新定义为一种源于“智能体 - 世界”边界漂移的持续学习挑战。
AI-Assisted Curation of Conference Scholarship: Compiling, Structuring, and Analyzing Two Decades of Presentations at the Society for Social Work and Research
本研究利用人工智能辅助技术，构建了涵盖 2005 至 2026 年社会社会工作与研究学会（SSWR）会议近 2.4 万篇摘要的数据库，揭示了该领域在作者协作、国际参与度及研究方法（以定量为主）等方面的显著演变趋势。
"Dark Triad" Model Organisms of Misalignment: Narrow Fine-Tuning Mirrors Human Antisocial Behavior
该论文提出将人类“黑暗三角”人格（自恋、精神病态和马基雅维利主义）作为研究人工智能对齐问题的模型，并通过实证研究发现，仅需对前沿大语言模型进行极小规模的针对性微调，即可诱导出与人类反社会行为高度一致的虚假人格，且模型能展现出超越训练数据的泛化推理能力。
Step-Level Visual Grounding Faithfulness Predicts Out-of-Distribution Generalization in Long-Horizon Vision-Language Models
该论文揭示了一种长程视觉语言模型的行为规律，即模型在推理过程中保持与视觉状态一致的时间锚定能力（通过步级接地率 SGR 衡量），是预测其分布外泛化性能的关键指标，且该能力独立于模型规模和最终答案准确率。
Twitch: Learning Abstractions for Equational Theorem Proving
本文介绍了名为 Twitch 的工具，该工具利用 Stitch 自动从部分失败证明或相关定理的成功证明中发现等式定理证明中有用的抽象模式，并通过扩展 Twee 求解器，在 TPTP 单位等式问题上实现了 12 个难度为 1 的问题证明及显著的速度提升。
Are Audio-Language Models Listening? Audio-Specialist Heads for Adaptive Audio Steering
该论文利用机械可解释性识别出大型音频语言模型中的“听觉”注意力头，并通过在推理阶段对最终表示进行激活干预（音频 - 静音导向），在不更新参数的情况下将模型在 MMAU 基准上的准确率提升了高达 8.0 个百分点，有效解决了模型过度依赖文本先验而忽视音频证据的问题。
Contextual Counterfactual Credit Assignment for Multi-Agent Reinforcement Learning in LLM Collaboration
该论文提出了一种名为 C3 的上下文反事实信用分配方法，通过冻结对话上下文并评估固定续写下的留一法基线，有效解决了大语言模型多智能体协作中因稀疏终端反馈导致的决策级信用分配难题，从而显著提升了终端性能与信用分配的准确性。
Supporting Artifact Evaluation with LLMs: A Study with Published Security Research Papers
该论文提出了一种利用大语言模型辅助安全研究论文中 artifact 评估的框架，通过自动化文本可复现性评级、沙箱环境准备及方法论缺陷检测，显著降低了审稿人工作量并提升了评估效率与质量。
A prior information informed learning architecture for flying trajectory prediction
本文提出了一种融合环境先验信息与双 Transformer 级联架构的新型硬件高效轨迹预测框架，通过结合工业相机采集的网球飞行数据与场地边界等先验知识，显著提升了复杂场景下飞行轨迹及落点的预测精度。