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 · 381–390 / 607

本文介绍了语义拉回，这是一种具有理论依据的方法，它将深度网络解释为输入条件的仿射算子，通过从目标神经元重建连贯的局部结构，生成感知对齐、稳定且忠实的事后解释。

本文提出自适应动态用户体验统计框架（ADUX-Stat），这是一种新颖的评估模型，它用概率性构造（具体包括交互熵指数、时间漂移系数和贝叶斯可用性置信分数）取代静态可用性指标，以有效评估人工智能中介系统的随机性和情境敏感性特征。

本文提出了PARSE，这是一种域泛化框架，它通过端到端架构显式地学习视觉基元及其可微的空间关系组合，从而提升分类鲁棒性，并在组合基准测试中取得了显著的性能提升。

本文通过全面的蒙特卡洛研究证明，时序频谱噪声基底自适应（TSNFA）方法通过独特地结合频谱波段选择、时序持久性滤波和自适应噪声基底跟踪，在 200 个节点的物联网网状网络中实现了零误报的完美检测，其性能优于六种因缺乏至少一项关键防御而失效的替代算法。

本文从贝叶斯视角建立了粗粒化量子动力学与量子条件态形式体系之间的联系，通过解析解和半定规划解决了涌现动力学的存在性问题，并引入了一种新的鲁棒性度量来量化这些有效描述中的噪声容限。

本文挑战了时间推理是大语言模型主要瓶颈的观点，转而提出失败源于非结构化的文本到事件表示，并引入一种带有概率不一致信号的神经符号框架，通过将语义提取与符号推理解耦，在基准测试中实现了完美准确率。

本文提出了一种可迁移的图神经网络框架，该框架能够直接从分子几何结构预测优化的分子轨道系数，通过显著降低经典预处理开销并改善更大规模氢体系的收敛性，实现了无需重新训练即可可扩展地加速变分量子本征求解器工作流程。

本文表明，将出声思维轨迹纳入自动化认知模型发现过程，可显著提升预测性能，并使识别出的模型结构转向更整合的效用机制，从而揭示出仅凭行为数据无法还原的认知过程。

本文证明，在爱因斯坦宇宙中，共形耦合（ $\xi=1/6$ ）是确保无质量标量场在所有温度和半径下均具有热力学稳定性的唯一参数值，同时表明电磁辐射和中微子辐射的存在要求至少存在一个标量场以维持稳定性。

通过对 NGSIM 数据集中超过一百万次跟车观测的分析，本研究表明，减速强度决定了驾驶员在制动决策中是优先关注间距闭合速率还是视觉逼近效应，从而使传统的间距车头时距变得无关紧要，进而对传统驾驶员行为模型提出挑战，并为自动驾驶车辆控制提供了关键见解。