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。

1008 篇论文已由作者审阅 · 71–80 / 1008

⚛️ general relativity

Post-Newtonian Dynamics of Radiating Charges: Canonical Formulation and Binary Inspiral Laws

本文通过将兰道-利夫希茨(Landau-Lifshitz)约化辐射反作用力整合进达尔文(Darwin)系统以推导旋进规律,开发了一个用于辐射电荷的正规后牛顿哈密顿框架,并将该形式体系扩展至爱因斯坦-麦克斯韦理论中的带电致密双星系统,以表征电磁通量主导与引力通量主导旋进之间的转变。

Suhani Verma, Siddarth Mediratta, Nanditha Kilari, Prakhar Nigam, Ishaan Singh, Daksh Tamoli, Aakash Palakurthi, Valluru (…)2026-07-21✓ Author reviewed
🔬 mesoscale physics

Thermal and viscous contrast in quantum Hall scanning-probe images

本文通过推导出一个能够区分热、电及粘性对比度的输运算符泛函,建立了一个用于解释量子霍尔扫描探针图像的定量框架,揭示了在强场条件下热电信号是由能量权重而非缺陷几何结构所锚定的,并且指出在流体动力学机制下的霍尔奇图像需要对混合输运通道进行仔细解耦。

P. Shubham Parashar2026-07-21✓ Author reviewed
💻 computer science

Comparative Performance of Frontier Large Language Models for Extracting High-Risk Pathologic Features from Unstructured Gastrointestinal Oncology Reports: A Systematic Benchmarking Study with Human and Traditional NLP Baselines

这项系统性基准测试研究表明,前沿大型多模态模型,特别是 Gemini 2.5 Pro 和 GPT-4o,在从非结构化胃肠道病理报告中提取关键的神经周围浸润状态方面,显著优于面临时间压力的医学专家及传统的自然语言处理基准模型,同时一种新型的失效模式分类法为基于特定错误特征的模型选择提供了具有操作性的指导。

Seher Siddiqui2026-07-21✓ Author reviewed
🤖 machine learning

Benchmarking Machine Learning Models for Multi-Omics-Based Breast Cancer Prediction

本研究在 TCGA-BRCA 多组学数据上对多种经典机器学习模型进行了基准测试,用于预测乳腺癌雌激素受体状态,结果发现随机森林通过有效整合转录组学、基因组学和蛋白质组学特征并识别具有生物学相关性的基因,实现了最高的性能(90.3% 的平衡准确率)。

Priyanka Paudel, Madan Baduwal2026-07-21✓ Author reviewed
🧬 biology

A portable solution for simultaneous human movement and mobile EEG acquisition: readiness potential for basketball free-throw shooting

本研究表明,使用两部智能手机和一个无线脑电图(EEG)放大器构建的便携式、低成本装置,能够成功记录在真实场景下进行篮球罚球时的准备电位,证实了该运动前脑电信号的存在,但并未发现其振幅与投篮成功率之间存在显著相关性。

Miguel Contreras-Altamirano, Melanie Klapprott, Nadine Jacobsen, Paul Maanen, Julius Welzel, Stefan Debener2026-07-21✓ Author reviewed
💬 NLP

Zero Hallucination, by Construction: Hallucination-Aware Layered Oversight for Trustworthy Enterprise AI

本文介绍了 HALO(幻觉感知分层监督),这是一种六层保障架构,它实现“零幻觉”并非通过消除大语言模型的固有局限性,而是通过实施一个由基于事实的生成、受限执行、多信号验证、校准式弃权、全流程溯源以及持续监督组成的系统级框架,从而将幻觉控制在一种可控的失效模式之中。

Bogdan Raduta, Horia Velicu, Alexandru Preda, Serban Chiricescu2026-07-21✓ Author reviewed
⚡ electrical engineering

Luminosity-Adaptive Contrast Enhancement Using CLAHE for Retinal Fundus Images with Quantitative Validation and Comparative Analysis

本研究提出并验证了一种结合了基于HSV的亮度校正与应用于V通道的CLAHE算法的两阶段图像增强流水线,证明了该方法在视网膜眼底图像的对比度和结构保真度方面优于标准的HE和AHE方法,同时保持了临床处理速度。

K. Mithra, Prem Kumar Santhanam2026-07-21✓ Author reviewed