3784 篇论文
本文提出了 HDRA，一种集成神圣宗教算法、蚁群优化算法和模因搜索的混合元启发式框架，旨在有效解决 NP-hard 的电动汽车路径规划问题，并证明了其在降低路由成本和排放方面相较于 SA、GOA 和 HHO 等既有算法具有更优越的性能。
本文提出了一种鲁棒的自适应时空细分方法，该方法通过基于保守下界和不确定性度量对不确定的空间与时间单元进行选择性细分，增强了 Triangle-SDF 连续碰撞检测，从而在保持计算效率的同时，确保了复杂高速运动下的碰撞时间计算精度。
这项针对截至2026年6月的98个来源进行的系统性批判性综述，通过一个新的闭环框架评估了代理式人工智能（Agentic AI）的规划、记忆、工具使用及安全性，揭示了内在自纠错机制并不可靠、长程规划仍然薄弱以及使用工具的智能体易受注入攻击等问题，同时提供了一个可审计的证据矩阵和一份面向未来发展的优先路线图。
本文提出了一种透明的两阶段多描述融合方法，该方法利用图像-数字向量生成多样化的中间描述，并利用一个额外的编码器将这些语义信息与视觉特征相结合，从而生成比现有最先进模型更丰富且更具可解释性的图像描述，并在 MS-COCO 数据集上展现出极强的竞争力。
本文介绍了一种用于绿色物联网的新型事件触发框架 ET-S3，该框架能够根据电池电量动态调整传输阈值，并集成控制障碍函数，以在云-边缘连续体中实现通信高效、安全的多智能体集群同步，在保持低延迟和零安全违规的同时，显著降低能耗和通信开销。
该论文提出了 Agentic-QA 融合框架，这是一个有状态的多智能体系统，它通过自主制定策略和自我修复脚本，克服了标准生成式人工智能在测试生成方面的局限性，从而在复杂的受监管工业领域中实现了近乎完美的语法正确性和高变异分数。
RuleConEx 是一种本质可解释的神经网络，它在单次前向传播中统一了访问决策、符合 ABAC 标准的 IF-THEN 规则以及有效的反事实解释，在实现与最先进模型相当的准确率的同时，提供了用户导向型与审计员导向型可解释性之间的可调权衡。
本研究表明，由大语言模型生成的交易策略在统计学上与随机机会无异，且未能展现出真正的择时能力，揭示了其表象上的表现完全是由市场暴露而非预测能力所驱动的。
本文介绍了 WAFGen，这是一个多大语言模型（multi-LLM）微调流水线，能够自动为主要云服务商生成语法有效且具成本效益的 IDS 和 WAF 规则，与人工基准相比，实现了高准确率并显著降低了 AWS Web ACL 的容量成本。
Q-IDS Bench 通过对五种数据集中的九种量子启发式入侵检测配置进行可复现且资源感知的评估，证明了模型性能具有数据集特异性，且仅靠混合化并不保证获得更优结果，从而为未来真正的量子机器学习比较建立了基准。