DeAR: Fine-Grained VLM Adaptation by Decomposing Attention Head Roles
本文提出了 DeAR 框架，通过解构深层注意力头的功能角色（属性、泛化与混合），利用概念熵指标分类并隔离泛化头与任务特定知识，从而在保持零样本泛化能力的同时实现了视觉语言模型的细粒度适配。
💻 Category
cs
3836 篇论文
Digital Twin-Based Cooling System Optimization for Data Center
本文针对 Frontier 超算的液冷系统构建了基于 Modelica 的数字孪生模型，并通过分层优化框架量化分析发现，在考虑执行器速率约束的情况下，联合优化流量与供水温度相比单纯流量优化能将节能效果从 20.4% 提升至 27.8%，显著缩小了理论最优与可部署策略之间的差距。
Extended Empirical Validation of the Explainability Solution Space
该技术报告通过引入城市资源分配新案例，跨领域验证了可解释性解决方案空间（ESS）框架的通用性，证明其能根据治理角色、风险特征及利益相关者配置系统性地调整可解释 AI 策略，从而成为适用于各类社会技术系统的通用决策支持工具。
Energy Efficient Traffic Scheduling For Optical LEO Satellite Downlinks
本文针对光学低轨卫星下行链路受天气影响导致的能效问题，提出了阈值、启发式排序及强化学习等静态与自适应调度方案，在权衡交付率与能效的同时发现自适应技术虽提升了动态环境下的性能，但增加了计算复杂度。
HarmonyCell: Automating Single-Cell Perturbation Modeling under Semantic and Distribution Shifts
HarmonyCell 是一个端到端智能体框架，通过大语言模型驱动的语义统一器和自适应蒙特卡洛树搜索引擎，分别解决单细胞扰动研究中的语义异构与分布偏移挑战，实现了无需人工干预的自动化虚拟细胞建模。
LLM-assisted Semantic Option Discovery for Facilitating Adaptive Deep Reinforcement Learning
本文提出了一种由大语言模型驱动的闭环框架，通过将自然语言指令映射为可执行规则并自动语义标注选项，有效解决了深度强化学习在数据效率、可解释性及跨环境迁移方面的关键挑战，并在 Office World 和 Montezuma's Revenge 任务中验证了其在约束合规与任务迁移上的优越性能。
MSP-ReID: Hairstyle-Robust Cloth-Changing Person Re-Identification
该论文提出了 MSP 框架，通过发型导向增强、保留结构的随机擦除以及基于解析的注意力机制，有效缓解了发型变化对基于衣着变更的人体重识别（CC-ReID）的干扰，从而在多个基准测试中实现了最先进的性能。
DINOv3 Visual Representations for Blueberry Perception Toward Robotic Harvesting
本文评估了 DINOv3 作为冻结骨干网络在蓝莓机器人采摘任务（如分割与检测）中的表现，指出其虽能通过轻量级解码器显著提升分割效果，但在处理尺度变化及空间聚合目标（如簇检测）时存在局限，因此更适合作为依赖下游空间建模的语义骨干而非端到端任务模型。
Event-Driven Safe and Resilient Control of Automated and Human-Driven Vehicles under EU-FDI Attacks
本文提出了一种结合事件触发控制障碍函数、控制李雅普诺夫函数及自适应攻击恢复机制的事件驱动安全弹性控制框架，旨在确保网联自动驾驶车辆在混合交通流中面对指数无界虚假数据注入攻击及人类驾驶车辆不确定性时，仍能实现安全的车道变换与稳定运行。
Generalized Per-Agent Advantage Estimation for Multi-Agent Policy Optimization
本文提出了一种名为广义单智能体优势估计器（GPAE）的多智能体强化学习新框架，该框架通过引入单智能体价值迭代算子和双截断重要性采样比率方案，在无需直接估计 Q 函数的情况下实现了稳定的离线策略学习与精准的信用分配，从而显著提升了复杂场景下的协调能力和样本效率。
Agentified Assessment of Logical Reasoning Agents
本文提出了一种基于代理的评估框架，通过引入评估代理来确保逻辑推理任务评估的可复现性与鲁棒性，并在 FOLIO 数据集上验证了该方法下自动形式化代理在逻辑推理任务中显著优于思维链基线的表现。
Required-edge Cycle Cover Problem: an ASP-Completeness Framework for Graph Problems and Puzzles
本文提出了“必选边环覆盖问题”（RCCP）的 ASP 完备性框架，通过引入等效流模型实现了在矩形网格上的致密构造，从而解决了 MIT 难度小组提出的约束图可满足性（CGS）开放问题，完善了 Kakuro 等谜题的复杂度分类，并证明了 Chocona、Four Cells 等多个纸笔谜题的 ASP 完备性。
Sharing is caring: Attestable and Trusted Workflows out of Distrustful Components
本文介绍了 Mica，一种基于 Arm CCA 的机密计算架构，它通过解耦机密性与信任，为不可信组件间的通信提供可验证的策略控制与隔离机制，从而在最小化可信计算基扩展的同时，确保敏感数据在分布式云工作流中不会泄露。
LDP-Slicing: Local Differential Privacy for Images via Randomized Bit-Plane Slicing
本文提出了 LDP-Slicing 框架，通过将图像像素分解为比特平面并结合感知混淆与隐私预算优化策略，在无需训练的情况下有效解决了本地差分隐私在图像数据上的高维效用损失问题，显著提升了下游任务的性能。
RISCBench: Benchmarking RISC-V Orchestration Efficiency in FPGA and FPGA-Like Computing Engines
本文提出了名为 RISCBench 的基准测试套件及开放方法论，通过引入“持续瞬时吞吐量（SIT）”指标，旨在量化并评估 RISC-V 核心在 FPGA 及类 FPGA 异构计算引擎中作为编排引擎时的调度效率，以弥补传统峰值性能指标在反映系统实际持续行为方面的不足。
Converting Binary Floating-Point Numbers to Shortest Decimal Strings: An Experimental Review
本文通过跨硬件架构和数据集的实证研究，对比了多种二进制浮点数转最短十进制字符串的算法，发现 Schubfach 和 Dragonbox 等现代技术在速度上比传统 Dragon4 快十倍，但现有实现（包括标准库）往往无法始终生成最短字符串且指令数远高于最优方案，从而为未来优化指明了方向。
AI-Powered Multi-Stakeholder Ecosystems for Global Development: A Design Research Study on the GSI D-Hub Proof-of-Concept Platform
本文通过设计科学研究，展示了全球解决方案倡议（GSI）D-Hub 平台如何利用可解释人工智能整合多源数据，有效解决多方协作中的信息不对称问题，从而构建了一个透明、可信且可扩展的全球发展生态系统。
Evaluating AI-Enabled deception vulnerability amongst Sub-Saharan-Africa migrants
该研究通过混合结构方程模型与多元线性回归分析，发现针对撒哈拉以南非洲移民的 AI 诈骗脆弱性主要受既往被 targeting 经历的影响，而 AI 内容识别能力及高验证行为则是显著的防护因素。
Building the ethical AI framework of the future: from philosophy to practice
该论文提出了一种将伦理原则转化为可执行控制机制的“伦理设计”架构，通过在每个 AI 生命周期阶段实施包含性能、合规及可持续性指标的“三重门”机制，填补了现有治理框架在端到端操作控制方面的空白，从而为构建可验证、可落地的未来 AI 伦理治理体系提供了实践基础。
Causal Analysis of Author Demographics in Academic Peer Review
该研究利用因果推断方法分析发现，作者种族、性别及所属机构所在地（特别是全球南方）对论文录用排名存在显著的负面因果影响，凸显了在传统及人工智能辅助的同行评审中实施公平性干预的紧迫性。