💻 computer science
PCE: Model-Agnostic Plausible Pareto-Optimal Counterfactual Explanations
该论文介绍了 PCE，这是一种与模型无关的算法，它通过结合用于保证数据分布一致性的孤立森林和用于提高计算效率的 SHAP 值，生成多样化、合理且帕累托最优的反事实解释，从而在解的质量和速度方面超越了现有方法。
✓ 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。
1206 篇论文已由作者审阅 · 591–600 / 1206
💻 computer science
Task-Restricted Symmetries in Recurrent Weight Space
本文通过使用有序实舒尔坐标来识别任务特定的近似对称性，研究了单层 tanh 循环神经网络中的功能冗余性，其中可以在不破坏输入输出行为的情况下对非正规耦合进行结构化消融，从而揭示了这些不变性是随任务和解而变化的，而非代表通用的权重空间对称性。
🔭 astrophysics
GA-NIFS: Powerful and frequent outflows in moderate-luminosity AGN at
通过利用来自 GA-NIFS 巡天项目的 JWST NIRSpec IFU 观测数据，本研究揭示了在红移 时期，中等光度 AGN 表现出极高比例（>75%）的强力且空间可分辨的电离气体流出，其速度高达 2000 km/s，这表明在早期宇宙中，AGN 反馈比后期宇宙时代更为剧烈，且可能对宿主星系的演化产生更深远的影响。
🤖 AI
PSCT-Net: Geometry-Aware Pediatric Skull CT Reconstruction via Differentiable Back-Projection and Attention-Guided Refinement
PSCT-Net 是一个几何感知深度学习框架，它通过整合可微分反向投影、注意力引导细化以及双向 Mamba 模块来克服深度歧义并提高骨骼边界精度，从而从稀疏的双平面 X 射线中重建 3D 儿童颅骨 CT，同时引入了一个专门的儿科数据集以解决缺乏儿童特定训练数据的问题。
💰 quantitative finance
Reassessing the role of intermediaries in exports
本文利用西班牙企业层面数据表明，此前报道的中间商在出口中所占的高份额被显著高估了，因为许多被归类为中间商的实体实际上是制造商拥有的出口部门或垂直一体化企业，一旦排除这些群体，纯中间商的真实份额下降了约70%。
🔭 astrophysics
Multi-Thermal CME Detection with ALMANAC
本文提出了一种经过重新设计的、多热力学实现的 ALMANAC 算法，该算法通过将多波长极紫外（EUV）观测相结合，增强了低日冕日冕物质抛射（CME）检测与预警能力，从而提升了事件辨别、爆发起始定位以及爆发前征兆识别的性能。
🔭 astrophysics
What an Amortized X-ray Posterior Cannot See: Gain Shifts, Silent Miscalibration, and Where Nested Sampling Still Earns Its Cost
本文通过将神经后验估计与嵌套采样法在 X 射线光谱分析中的表现进行基准测试，证明了虽然摊销方法具有速度优势，但它们需要特定的信任诊断（如后验预测检查和基于证据的模型比较），以检测出标准恢复指标所无法发现的隐性失准、增益偏移以及未建模特征。
🔬 optics
Bistable topological edge states in polariton microcavities with unpaired Dirac cones
本文提出了一种非线性激子-极化激元微腔系统，其中反演对称性和时间反演对称性的同时破缺创造了未配对的狄拉克锥，从而在不存在完整能谱隙的情况下，实现了稳定的循环边缘孤子以及双稳态单向边缘态的存在。
🔬 condensed matter
Stochastic Thermodynamics of Score Matching in Diffusion Models
本文为扩散模型建立了一个随机热力学框架，证明了平均时间不对称熵产生与分数匹配目标函数成正比，且其涨落量化了采样多样性，从而揭示了支撑扩散式生成式人工智能卓越性能与泛化能力的熵机制。
🤖 machine learning
Rift: A Conflict Signature for Deception in Language Models
本文介绍了“Rift”，这是一种可检测的内部冲突特征，其特征在于升高的残差秩（residual rank），能够以近乎完美的准确度将欺骗性语言模型输出与诚实的错误及幻觉区分开来，且这种区分在不同的模型家族、语言和策略性隐藏尝试下依然有效，同时对注入攻击具有不可检测性。