🤖 machine learning
MuScriptor: An Open Model for Multi-Instrument Music Transcription
MuScriptor 是一款开源权重模型，它通过结合合成数据预训练、真实数据微调、强化学习以及乐器条件化，克服了现有方法的泛化局限性，从而在真实录音上实现了有效的多乐器音乐转谱。
✓ 已审阅
作者审阅的论文
原作者已查阅我们通俗解释的论文。
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。
1199 篇论文已由作者审阅 · 371–380 / 1199
🔬 physics
Resolving the aragonite (CaCO3) superstructure paradox
本研究通过证明此前被误认为是新碳酸钙多型的神秘对称禁戒反射实际上是由纳米级多成分孪晶引起的衍射伪影，解决了长期存在的文石超结构悖论，这一发现通过建模与实验得到了验证，并为识别其他孪晶材料中的类似伪影提供了一个通用的框架。
📄 other
The Evolution of Sustainability Research in the Semiconductor Industry: Trends, Knowledge Structures, and Future Research Directions
这项文献计量研究分析了2000年至2026年间734篇Scopus收录的出版物，旨在绘制半导体行业可持续发展研究的演变、关键主题和知识结构，识别出主要贡献者、回收利用和环境管理等核心议题，以及循环经济和可再生能源等具有前景的未来方向。
💻 computer science
A Multi-Agent Framework for Explainable Prompt Injection Detection in Large Language Models
本文介绍了 PromptShield，这是一个可解释的多智能体框架，它将基于 Transformer 的语义分析与 SHAP 和 LIME 等 XAI 技术相结合，以有效地检测并解释大语言模型中的提示注入攻击。
💻 computer science
StructFix: A Structure-Aware Reasoning Framework for Automated Program Repair with Code Property Graphs
StructFix 是一个结构感知的自动化程序修复框架，它通过集成代码属性图（Code Property Graphs）来更好地捕捉控制和数据依赖关系，从而增强了掩码语言模型，使其与现有的基于标记序列的方法相比，提升了修复的有效性和跨语言的鲁棒性。
🔭 astrophysics
Are NICER and GW170817 constraints suggesting a compactified scenario for Neutron stars?
对 NICER 和 GW170817 数据进行的贝叶斯分析表明，观测上受青睐的中子星物态方程具有一个软的中等密度区域，随后是高密度的硬化，这种结构支持紧凑构型，并暗示了中子星的一种紧凑化情景。
⚛️ phenomenology
Phenomenology of Leptophilic Gauge Interactions at Future Colliders
本文提出了一项由观测量驱动的研究，证明了角向观测量，特别是前向-后向不对称性和一种新提出的干涉归一化量，能够为未来 对撞机中由 玻色子介导的轻子亲和规范相互作用提供鲁棒的敏感性，该玻色子普遍耦合于轻子（具体取决于特定模型），而不仅限于电子和缪子，即使在干涉效应优于共振增强的离壳机制下也是如此。
🔭 astrophysics
The nature of Cloud-9: a compact core embedded in a diffuse envelope
基于新的 FAST HI 观测和揭示了紧凑静止核心及受环境塑造的延伸包层的 VLA 数据，本文认为 Cloud-9 是一个受 M94 压流剥离的暗物质主导系统，这与被剥离的 RELHIC 情景相一致。
🤖 machine learning
The Rank-One Corner: How Much Value Equivalence Does a Task Need from a World Model?
本文证明了世界模型所学习到的任务相关结构量严格取决于其训练目标的维度，揭示了价值等价性是一种维度现象，即单个标量奖励仅能建立必要预测闭包的一个一维投影。
⚡ electrical engineering
Stability of Flow Models for Graph Signals
本文分析了由图神经网络参数化的连续生成流模型的稳定性，推导出了结构扰动如何影响生成信号的显式界限，并提出了一种在不损害输出质量的前提下增强对图噪声鲁棒性的正则化训练策略。