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 · 401–410 / 607

这项系统性伪造研究证明，在严格机构标准下，没有任何基于 MNQ 期货 OHLCV 数据的日内动量信号能产生经成本调整且具有统计显著性的交易优势，从而揭示了此类策略的结构性局限，尽管其中存在孤立的、样本量不足的异常现象。

本文提出了一种新颖的多变量函数主成分分析（MFPCA）方法，该方法通过统一单变量变域得分并平滑其协方差，从而适应可变观测域，并通过模拟实验及对 COVID-19 患者监测数据的实际应用，证明了其优于现有方法的性能。

本文介绍了 PALEOS，这是一个开源工具包，它统一了铁、硅酸盐和水在 17 个相态下的状态方程以生成自洽的质量 - 半径关系，证明了热效应和相变（如岩浆洋）会显著改变行星半径和内部动力学，从而解决了系外行星观测解释中的简并性问题。

本文介绍了 RoboULM，这是一种人机协同的方法与工具，利用大语言模型帮助从业者在设计阶段系统地识别、分析和缓解自适应性机器人的不确定性，其有效性已通过来自四个用例的工业从业者的积极反馈得到验证。

本文介绍了条件扩散采样（CDS），这是一个新颖的框架，它将并行采样的全局探索能力与一种无需神经网络、具有闭式解的输运随机微分方程相结合，从而在降低密度评估成本的同时，高效地从非归一化的多模态分布中进行采样。

该论文提出了 S3，一种用于多模态学习的结构框架，它将输入分解为专门的语义专家，并采用带稀疏化的选择性路由，以实现紧凑且高性能的表示，其表现优于现有基准。

本文证明，无需训练的大型语言模型（特别是采用少样本提示的 DeepSeek-R1-32B）能够有效对代码差异中的常规提交进行分类，为传统的监督机器学习方法提供了一种实用的替代方案。

本文提出结构化规范驱动工程（SSDE），这是一种利用结构化规范来克服自然语言提示的歧义性和质量局限性的范式，从而在仓库级别实现高质量、可验证的代码生成。

本论文提出了一种神经符号框架，该框架整合了法定本体、规则提取以及基于求解器的推理，以确保 CalFresh 的自动化资格认定决定与法律规则保持一致，从而实现可追溯且可质疑的程序问责。

本文通过刻画其不动点、将其影子与循环投影算法的影子相关联，并建立局部定量收敛的条件，分析了针对不相容非凸可行性问题的循环松弛Douglas-Rachford算法。