作者审阅的论文 | Gist.Science

本页收录的每篇论文，都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误，或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书，但说明该解释已经过论文作者的审视。

568 篇论文已由作者审阅 · 131–140 / 568

本文建立了由 $O(p)$ 群表征的(1+1)维自由标量网络共形场论的最一般连接条件，提供了其物理实现，并在分析其对正多面体结构的影响的同时推导出了网络卡西米尔能量的严格界限。

本文呈现了对 NGC 2146 中异常黯淡的 IIp 型超新星 SN 2024abfl 的多波长观测与流体动力学建模，揭示其源于致密低质量前身星的一次低能核心坍缩爆炸，从而为理解此类事件的机制提供了新的约束。

本文提出了一种新颖的离线多智能体强化学习框架，该框架通过采用顺序分数分解方法并结合基于扩散的生成模型，引导策略更新朝向高奖励且符合分布的区域，从而解决协作任务中的分布偏移和多模态协调挑战，在多种基准测试中实现了最先进的性能。

本文基于非等谱问题，利用李超代数 osp(1,6) 构造了两个超可积层级及其哈密顿结构，随后在特定条件下约化这些系统，导出了超 AKNS 层级的 (2+1) 维推广。

本文提出监督分布约简（SDR），这是一种新颖算法，它将最优传输与显式依赖最大化相结合，以学习紧凑且目标感知的表示，这些表示在同时保留数据内在几何结构与预测信号的同时，还支持为高斯过程建模等下游任务构建自适应非平稳核。

BIRDNet 是一种可解释的深度神经网络，它从表格数据中挖掘布尔蕴含关系，以构建稀疏且受结构约束的架构，在显著减少参数量的同时实现具有竞争力的性能，并能够在无需外部先验知识的情况下直接提取具有生物学意义的规则。

本文通过实证审计在固定与自适应工作负载下锚定解码中的 k-NAF 预算核算机制，发现累积 KL 开销始终显著低于序列级预算，且看似预算耗尽的情况归因于代理伪影而非机制本身的实际失效。

本文介绍了混合神经世界模型，这是一种单网络框架，其预测物理动力学的速度显著快于经典求解器，同时隐式生成误差图以检测激波和接触等尖锐不连续性，从而启用一种无需额外校准或控制方程知识即可大幅降低预测误差的 fallback 机制。

利用 GASTRO 库模拟，本研究证明早期高密度恒星形成团块或逆行并合能够抑制恒星形成，从而形成银河系观测到的富α与贫α化学双峰分布，而顺行并合则无法实现这一点，进而支持红移 $z\approx 1-2$ 的团块状盘状星系作为银河系可能的前身。

本文提出了一种基于增量奇异值分解（iSVD）的历史感知自适应降阶建模框架，该框架通过偶尔的全阶修正动态更新基函数，在 Burgers 方程、Sod 激波管和旋转爆震发动机等复杂非线性问题上展现出优于现有方法的预测精度和计算效率。