Gap-ETH-Tight Algorithms for Hyperbolic TSP and Steiner Tree
该论文提出了一种基于新型混合双曲四叉树分解和加权交叉分析的随机移位分层动态规划算法,在 Gap-ETH 假设下为维双曲空间中的旅行商问题和斯坦纳树问题构建了具有最优依赖关系的-近似方案。
3521 篇论文
该论文提出了一种基于新型混合双曲四叉树分解和加权交叉分析的随机移位分层动态规划算法,在 Gap-ETH 假设下为维双曲空间中的旅行商问题和斯坦纳树问题构建了具有最优依赖关系的-近似方案。
本文提出了 RecThinker 框架,通过引入“分析 - 规划 - 行动”范式及专用工具集,使推荐代理能够主动规划推理路径并自主获取关键信息,从而克服传统被动模式下的信息局限,显著提升推荐效果。
该论文将低维欧几里得空间中-中值和-均值问题的-近似算法运行时间从$2^{(1/\varepsilon)^{O(d^2)}}n2^{\tilde{O}(1/\varepsilon)^{d-1}}nd-1$的下界,从而确立了近乎紧致的复杂度界限。
本文提出了 MissBench 基准及框架,旨在通过标准化不平衡缺失模态协议并引入模态公平性指数(MEI)和模态学习指数(MLI)等诊断指标,揭示现有情感计算模型在真实缺失场景下隐藏的模态贡献不公与优化失衡问题。
该论文提出了一种名为“能力一致性系统”(CCS)的新框架,通过将内存一致性模型(如 MESI)映射到身份授权场景,证明了基于发布一致性(RCC)的撤销策略在高速代理执行环境中能将未授权操作数量从时间依赖的线性增长降低至与代理速度无关的常数级,从而在根本上解决了传统基于时间窗口的访问控制机制在大规模并发下的安全性失效问题。
本文提出了轻量级统一多模态模型 InternVL-U,通过解耦视觉表征与推理中心的数据合成策略,在仅使用 40 亿参数的情况下实现了理解、推理、生成与编辑能力的统一,其综合性能显著超越了参数量大 3 倍以上的同类基线模型。
该论文提出了 DISPLAY 框架,通过仅依赖手腕关节坐标和物体边界框的稀疏运动引导、物体感知注意力机制以及多任务辅助训练策略,实现了高保真且可灵活控制的人与物体交互视频生成。
本文通过在 ROS 中实现并对比五种协作定位算法(CCL、DCL、StCL、CI 和 Standard-CL)在弱数据关联与鲁棒检测条件下的蒙特卡洛仿真,揭示了各方法在精度与一致性之间的权衡,指出 CI 算法在保持竞争力的同时实现了最佳平衡,而 StCL 和 Standard-CL 虽精度最高但存在严重不一致性,DCL 则因隐式正则化机制在挑战性条件下表现出卓越的稳定性。
TREC 2025 RAG 赛道通过引入长叙事查询、基于 MS MARCO V2.1 语料库的多层评估框架以及强调归因验证,旨在推动构建透明、事实性强且具备推理能力的检索增强生成系统。
本文提出了首个面向体育场景的大规模空间智能数据集 CourtSI 及其基准测试 CourtSI-Bench,通过利用球场几何结构构建百万级问答数据,揭示了现有视觉语言模型在体育空间推理上的局限性,并验证了基于该数据微调模型可显著提升其在空间理解与评论生成方面的性能。
本文通过博弈论模型和仿真证明,现有的 802.11 分布式 MAC 协议在非合作环境下会导致节点陷入低效的纳什均衡,而若能实现信道资源分配与节点传输策略的解耦,则可使所有竞争节点获得比 DCF 更高的吞吐量。
本文定义了一种基于连接模式的企业网络主机角色分类问题,提出了两种能应对模式动态变化的实用算法,并将其集成到商业监控产品中,实验结果表明该算法能将主机分组数量大幅缩减并准确反映网络的逻辑结构。
该论文提出了 WikiCLIP,一种利用大语言模型嵌入和视觉引导知识适配器的高效对比学习框架,在显著提升开放域视觉实体识别性能的同时,将推理延迟降低了近 100 倍。
该论文揭示了点云优化中 Chamfer 距离因梯度结构缺陷导致点云坍缩的内在机制,并证明引入非局部耦合(如共享基变形或可微 MPM 先验)是抑制坍缩、提升优化效果的关键。
该论文提出了一套跨数据库与 SSD 层的“非原地写入”优化方案,通过重新设计 LeanStore 存储引擎,显著降低了写放大并提升了 OLTP 工作负载下的吞吐量与 SSD 寿命,同时兼容 ZNS 等新型 SSD 接口。
该论文提出了一种基于关节角运动图像与 Token-Patch 晚期交互的可解释细粒度文本 - 动作检索方法,通过将局部关节特征映射为伪图像并结合掩码语言模型正则化,克服了现有全局嵌入方法在细粒度对应和可解释性上的不足,在 HumanML3D 和 KIT-ML 数据集上实现了超越最先进水平的检索性能。
该论文提出了一种基于改进的 Margin Disparity Discrepancy(MDD)的无监督域自适应框架,利用大量标注 CT 数据与未标注介入性 CBCT 数据,有效解决了介入放射学中肝脏分割任务因数据稀缺和模态差异带来的挑战,并实现了最先进的性能。
该论文提出了一种基于超空间几何和 Voronoi 单元估计的框架,通过量化令牌在嵌入空间中的影响区域,为晚期交互检索模型提供了一种兼具理论严谨性与高效性的令牌剪枝方法,在显著降低索引存储开销的同时保持了检索性能。
该论文提出了一种基于专家与非专家病理学家诊断分歧的“全切片难度”(WSD)概念,并通过多任务学习和加权分类损失两种方法将其融入前列腺癌 Gleason 分级任务中,实验结果表明该方法能显著提升不同特征编码器和多实例学习模型的性能,尤其改善了对高 Gleason 分级(即更严重病情)的分类效果。
本文提出了名为 KDMR 的框架,通过将人形机器人运动重定向建模为多接触全身轨迹优化问题,并显式结合刚体动力学与地面反作用力数据,有效解决了传统纯运动学方法导致的物理不一致性问题,从而生成了动力学可行且平滑的参考轨迹,显著提升了下游模仿学习策略的训练效率与 locomotion 稳定性。