Synchronization-externality-aware scheduling for autonomous RoboVan-drone collaborative delivery
本文提出了一种预测同步-外部性感知滚动在线调度(P-SEAROS)方法,该方法通过将直接订单成本与下游同步负担解耦,在保持实时计算效率的同时,显著降低了自主 RoboVan-无人机协同配送中的系统成本。
4039 篇论文
本文提出了一种预测同步-外部性感知滚动在线调度(P-SEAROS)方法,该方法通过将直接订单成本与下游同步负担解耦,在保持实时计算效率的同时,显著降低了自主 RoboVan-无人机协同配送中的系统成本。
该论文题为“不同隐私预算下跨差分隐私机制的持久性景观”,其作者已于 2026 年 9 月 29 日撤回该论文,因为他们不再支持其研究结果和结论,并请求不要引用该论文。
RepShard 是一种基于声誉的分片方案,它采用 Sigmoid 增长模型、激励机制以及混合 PBFT-PoR 共识协议,旨在提高吞吐量、减少确认延迟并增强针对各种攻击的安全防护,同时将分片重构复杂度从 O(n²) 降低至 O(n)。
本文引入了一种自适应多分辨率高斯过程框架,该框架通过利用直接锚定在样本上的紧支撑基函数所导出的数据稀疏协方差矩阵,实现了时间复杂度与内存成本均为 O(n log²n) 的可扩展精确推理,从而消除了对辅助点的需求,避免了预测不连续性,并提供了更合理的置信度估计。
这项实证研究表明,在持续集成环境中的测试用例优先级排序方面,多层感知器(MLP)显著优于五种经典的机器学习算法,在多个工业数据集上实现了卓越的故障检测效率和统计显著性。
本研究提出并评估了一种针对印度尼西亚蜡染(Batik)的文化约束型 AI-XR 框架,该框架展示了将生成式人工智能与文化符号验证相结合,如何比传统的或非约束性的数字化体验显著提升感知服务质量、文化真实性以及用户参与度。
本文介绍了 ThreatQwen-1.7B-Detect,这是一个可本地部署的开源 1.7B 参数语言模型,该模型在经过精心策划的真实检测规则和合成数据语料库微调后,在安全事件分类方面达到了 95.1% 的准确率,在完全脱网运行的隔离式安全运营中心(SOC)环境中,其表现显著优于 GPT-4o 等前沿模型。
本文介绍了 NC-LoRaSim,这是一个基于 NS-3 的无代码仿真平台,它通过提供用于直观配置和自动化实验的多模式接口,同时保持高保真建模,从而弥合了 LoRaWAN 研究中可用性与准确性之间的差距,显著减少了设置时间并增强了可复现性。
本文认为,尽管日志记录和审计追踪等透明度机制对于人工智能驱动的移动出行数据空间的问责至密重要,但它们可能会在无意中产生类似监控的效果,从而阻碍利益相关者的自愿参与,因此有必要构建一个基于目的限制、访问控制和面向用户的透明度的重构框架,以平衡数据共享收益与信任。
本文提出了一种可扩展且对 GPU 友好的框架,该框架通过利用每个智能体的独立约束因子图,并将其通过结构化的相互依赖因子进行连接,从而实现高效的去中心化向量优化,以此优化协作式多机器人系统。