7802 篇论文
该论文通过细粒度复杂性分析，揭示了在计算平移下的 豪斯多夫距离时，维度、对称性（有向与无向）及离散性（连续与离散）之间复杂的相互作用，并针对连续有向情形提出了不对称的时间复杂度结果、证明了 时有向与无向变体的条件性分离，以及指出了离散情形在 时归约至 3SUM 问题从而限制了基于正交向量假设的下界证明。
该论文提出了 H3LIX 去中心化前沿模型架构（DFMA），通过利用本地实例生成合成数据、在共享的集体上下文场中同步上下文信号以及结合能源自适应演化，构建了一种隐私保护、可持续且模仿生物神经网络特性的分布式人工智能系统，从而为 AI 发展提供了一条区别于传统集中式大模型的新路径。
本文通过初步文献调研，探讨了如何设计生成式人工智能增强的群体感知工具，以在协作学习与工作中支持自主的社会共享元认知，避免过度依赖 AI 指令并促进群体自主调节能力的形成。
本文提出了一种基于黑盒优化与语义同质化的系统性框架，在 CARLA 仿真中对比评估了 Dolphins、OmniDrive 和 LeapVAD 三种视觉语言模型架构在物理补丁攻击下的鲁棒性，揭示了当前自动驾驶 VLM 设计存在严重的安全漏洞及独特的架构脆弱性模式。
该论文提出了视觉查询分割（VQS）新任务及首个大规模基准 VQS-4K，并设计了基于 SAM 2 改进的 VQ-SAM 方法，旨在实现对未修剪视频中目标对象所有出现时刻的像素级精准定位。
本文针对生成式人工智能在协作中可能导致过度依赖的问题，提出通过设计结合群体感知工具（GAT）的 GenAI 系统，利用可视化呈现成员差异以引发认知冲突，从而隐性引导并促进协作中的自主意义建构，并据此提出了初步的设计原则。
本文提出了 PSANE 框架，该框架利用足式机器人在未知可变形地形中的本体感知交互数据，通过高斯过程回归构建可通行性模型并结合多目标优化策略，实现了仅依赖本体感知即可安全导航与探索的目标。
本文提出了一种无需基础设施的磁感应定位系统，使轻型无人机能够仅依靠机载传感器在移动四足机器人上实现厘米级精度的自主悬停、跟踪与降落，从而显著提升了异构机器人在无外部定位环境下的协同作业能力。
该论文介绍了 MEGC2026 微表情挑战赛，旨在通过引入基于多模态大语言模型的微表情视频问答（ME-VQA）和长视频问答（ME-LVQA）两项新任务，推动微表情分析在复杂时空推理与多模态理解领域的研究进展。
本文提出了 TIDE，一种无需额外训练且无采样开销的文本引导动态外推方法，通过引入文本锚定机制和基于谱进展感知的动态温度控制，有效解决了扩散 Transformer 在高分辨率生成中因注意力稀释导致的结构退化与伪影问题，实现了任意分辨率和长宽比的图像生成。
本文提出了一种名为 bsort 的非比较排序算法，该算法通过统一处理有符号/无符号整数及浮点数，实现了 的时间复杂度和 的辅助空间复杂度，在小字长数据场景下性能可与主流库中的优化混合算法相媲美。
本文针对随机顺序流模型下的单位区间选择问题，提出了一种仅需线性空间且期望近似比达到 0.7401 的单遍流算法，并证明了该性能提升在空间限制下是可能的，同时给出了相应的空间下界。
该论文指出生成式人工智能并非软件工程定性研究的万能解决方案，强调需结合具体研究策略与数据特征审慎应用，并系统探讨了其在定性研究中的机遇、挑战及质量评估标准。
本文提出了名为 FAME 的力自适应强化学习框架，通过结合上肢姿态与双手机械交互力的潜在上下文编码，使全尺寸人形机器人（如 Unitree H12）能够在无需腕部力/力矩传感器的情况下，显著提升在外部力扰动下的站立平衡能力与操作范围。
本文基于两项实证研究，探讨了虚拟现实（VR）和增强现实（AR）在公立教育语言学习中的应用，指出其虽能提升学习动机和情境化体验，但仍面临技术障碍、认知负荷及课程整合等挑战，并提出了优化界面设计、减轻认知负担及加强师资培训等实施策略。
该研究通过对比两款不同交互程度的移动增强现实应用，揭示了交互程度对用户感知体验及社会接受度的复杂影响，强调了在 AR 设计平衡可用性与社会因素的重要性。
该研究通过对比 22 名志愿者在虚拟现实（VR）与笔记本电脑环境下的测试表现，发现学生在两种技术媒介中的作弊行为频率完全相同。
本文提出了 SVG-EAR，一种无需训练的线性补偿方法，通过语义聚类与误差感知路由机制，在稀疏视频生成中高效恢复被跳过注意力块的信息，从而在保持生成质量的同时显著提升推理速度。
本文提出了 SurgCalib，一种基于高斯泼溅（Gaussian Splatting）的无标记手眼标定框架，旨在解决达芬奇手术机器人因线缆拉伸导致的编码器测量不准问题，并通过在 RCM 约束下的两阶段优化实现了高精度的工具位姿估计。
本文针对 Inspire RH56DFX 灵巧手存在的黑盒特性与接触不可靠问题，通过硬件标定、经 Sim2Real 验证的 MuJoCo 仿真模型以及混合闭环速度 - 力控制策略，将其转化为可解析的研究工具，并在插拔与多样化抓取任务中显著提升了成功率。