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。

607 篇论文已由作者审阅 · 371–380 / 607

本文介绍了 FRE-RNN，这是一种融合了反馈调节与残差连接的生物可解释循环神经网络，它克服了平衡传播的不稳定性与高计算成本，在实现收敛速度与性能媲美反向传播的同时，支持实用化的大规模类脑学习。

通过将因果推断方法应用于弗雷明汉心脏研究，本文表明，由于混杂因素，标准观察性风险计算器高估了降压对冠心病风险的绝对获益约 21.8%，凸显了在临床决策中区分条件概率与干预效应的关键必要性。

本文介绍了 GRALIS，这是一个基于里斯表示定理的统一数学框架，它为线性归因方法确立了规范形式，同时满足 14 个公理属性中的 13.5 个，并为完整性、收敛性以及多尺度交互提供了形式化保证，而这些是单个可解释人工智能方法所缺乏的。

本文提出了一种通过交叉关联射电强度映射与 2MRS 星系巡天来探测微电子伏特尺度轴子类粒子暗物质的新方法，论证了平方公里阵列二期通过考虑由宇宙微波背景辐射和河外射电背景共同驱动的受激发射，能够有效探测这些信号。

通过结合LAMOST与盖亚数据并利用N体模拟进行验证，本研究证明将径向波纹建模为两列反向传播的波，能够合理解释观测到的类波运动学特征以及银河系内盘与外盘薄盘之间的结构转变。

本文引入有效秩（ $\kappa$ ）作为一种新颖的定量指标，用于表征量子神经网络的表达能力，并利用带有自注意力 Transformer 智能体的强化学习框架，自动设计能够最大化该指标的高表达能力量子电路架构。

本文通过证明局部化原则——具体而言即离线场景下的谱局部化与在线场景下的域划分——能够将因模型误设而产生的惩罚从涉及核复杂度的乘性因子降低为对数级或多对数级增长，从而改进了误设核化bandit优化问题。

本文表明，尽管基于 SELFIES 训练的无监督 Transformer-VAE 潜在空间能够支持有意义的化学性质调控，但此类控制仅在通过解码分子及考虑混杂因素的评估进行严格验证以区分真实化学信号与序列级伪影时才有效。

本文对病态优化下随机梯度下降中的“可疑对齐”现象进行了细粒度分析，揭示了特定的步长条件如何导致梯度更新与一个主导子空间对齐，该子空间悖论性地未能降低损失，而对主体子空间的更新则依然有效。

本计算研究表明，单壁碳纳米管通过多种相互作用机制有效吸附离子化草甘膦物种，凸显了其在农业污染环境监测与修复方面的潜力。