利用行为与语言模式无监督检测信息操作用户的新研究
一篇题为《Unsupervised Anomaly Detection of Information Operations Users via Behavioral and Language Patterns》的论文于2026年7月7日提交至arXiv预印本平台。该研究由Sishun Liu等人完成，主要关注如何通过用户的行为和语言模式进行无监督异常检测，以识别从事信息操作用户的潜在威胁。研究旨在为识别虚假信息传播、社交机器人等恶意活动提供新的技术手段。虽然论文尚未正式发表，但其提出的基于行为和语言特征的异常检测方法，有望提升社交媒体平台对信息操控行为的自动化识别能力。 #人工智能 #异常检测 #信息操作 #无监督学习 #行为分析 #自然语言处理 #arXiv #网络空间安全
一篇题为《Unsupervised Anomaly Detection of Information Operations Users via Behavioral and Language Patterns》的论文于2026年7月7日提交至arXiv预印本平台。该研究由Sishun Liu等人完成，主要关注如何通过用户的行为和语言模式进行无监督异常检测，以识别从事信息操作用户的潜在威胁。研究旨在为识别虚假信息传播、社交机器人等恶意活动提供新的技术手段。虽然论文尚未正式发表，但其提出的基于行为和语言特征的异常检测方法，有望提升社交媒体平台对信息操控行为的自动化识别能力。 #人工智能 #异常检测 #信息操作 #无监督学习 #行为分析 #自然语言处理 #arXiv #网络空间安全
AbICL：上下文学习实现抗原特异性抗体亲和力排序
近日，一篇题为“AbICL: In-Context Learning for Antigen-Specific Antibody Affinity Ranking”的论文在arXiv预印本平台发布。该研究由Zhiyuan Chen及其合作者完成，提出了一种基于上下文学习（In-Context Learning）的新方法，用于对特定抗原的抗体亲和力进行排序。该方法通过少量示例即可适配任务，无需大量微调，有望提升抗体筛选与优化的效率，为抗体药物研发和免疫学研究提供有力工具。论文详细介绍了AbICL的框架设计，并展示了其在相关数据集上的性能表现。 #AbICL #上下文学习 #抗体 #亲和力排序 #机器学习 #药物发现 #生物信息学 #arXiv #论文
近日，一篇题为“AbICL: In-Context Learning for Antigen-Specific Antibody Affinity Ranking”的论文在arXiv预印本平台发布。该研究由Zhiyuan Chen及其合作者完成，提出了一种基于上下文学习（In-Context Learning）的新方法，用于对特定抗原的抗体亲和力进行排序。该方法通过少量示例即可适配任务，无需大量微调，有望提升抗体筛选与优化的效率，为抗体药物研发和免疫学研究提供有力工具。论文详细介绍了AbICL的框架设计，并展示了其在相关数据集上的性能表现。 #AbICL #上下文学习 #抗体 #亲和力排序 #机器学习 #药物发现 #生物信息学 #arXiv #论文
决策聚焦场景生成与选择实现高效鲁棒电网调度
近日，一篇题为《Decision-Focused Scenario Generation and Selection for Efficient and Robust Grid Dispatch》的论文在arXiv平台发布。该研究由Yangze Zhou等人完成，提出了一种面向决策的场景生成与选择方法，旨在提升电网调度的效率与鲁棒性。传统场景生成方法往往关注场景的统计特性，而忽略了具体的决策目标，导致计算资源浪费且调度方案不够可靠。新方法将决策目标融入场景生成与选择过程，优先保留对最终调度决策影响最大的场景，从而在不牺牲精度的前提下大幅降低计算复杂度。实验表明，该方法在多种电网测试系统上均能显著提高经济性和安全性，为高比例可再生能源下的电网运行提供了新的解决思路。 #电网调度 #场景生成 #鲁棒优化 #arXiv #电力系统 #可再生能源 #智能调度
近日，一篇题为《Decision-Focused Scenario Generation and Selection for Efficient and Robust Grid Dispatch》的论文在arXiv平台发布。该研究由Yangze Zhou等人完成，提出了一种面向决策的场景生成与选择方法，旨在提升电网调度的效率与鲁棒性。传统场景生成方法往往关注场景的统计特性，而忽略了具体的决策目标，导致计算资源浪费且调度方案不够可靠。新方法将决策目标融入场景生成与选择过程，优先保留对最终调度决策影响最大的场景，从而在不牺牲精度的前提下大幅降低计算复杂度。实验表明，该方法在多种电网测试系统上均能显著提高经济性和安全性，为高比例可再生能源下的电网运行提供了新的解决思路。 #电网调度 #场景生成 #鲁棒优化 #arXiv #电力系统 #可再生能源 #智能调度
赫克曼校正的认知不确定性
一篇题为《Heckman-Corrected Epistemic Uncertainty: Selection on Unobservables Defeats Importance Weighting》的学术论文在arXiv预印本平台发布。作者Gunner Howe于2026年7月7日提交，全文96 KB，属于计算机科学领域。论文标题直接揭示核心观点：当存在基于不可观测变量的样本选择时，传统重要性加权方法无法有效衡量认知不确定性，而赫克曼校正模型为解决这一偏差提供了可能的途径。该研究对因果推断与不确定性量化具有参考意义。 #arXiv #论文 #认知不确定性 #样本选择偏差 #赫克曼校正 #机器学习
一篇题为《Heckman-Corrected Epistemic Uncertainty: Selection on Unobservables Defeats Importance Weighting》的学术论文在arXiv预印本平台发布。作者Gunner Howe于2026年7月7日提交，全文96 KB，属于计算机科学领域。论文标题直接揭示核心观点：当存在基于不可观测变量的样本选择时，传统重要性加权方法无法有效衡量认知不确定性，而赫克曼校正模型为解决这一偏差提供了可能的途径。该研究对因果推断与不确定性量化具有参考意义。 #arXiv #论文 #认知不确定性 #样本选择偏差 #赫克曼校正 #机器学习
新研究提出用后门学习移除后门，登AI顶会AAAI 2025
来自研究人员Qi Zhao和Christian Wressnegger的最新论文《Two Sides of the Same Coin: Learning the Backdoor to Remove the Backdoor》已被人工智能顶级会议AAAI 2025接收。该研究提出了一种全新的防御思路：通过主动学习后门（Backdoor）的生成方式，反过来消除模型中的后门漏洞。传统方法往往侧重于检测后门，而该工作利用“硬币两面”的视角，将后门学习作为清除工具。实验结果显示，该方法能在不显著影响模型正常性能的前提下，有效抵御多种常见后门攻击。这一成果为深度学习安全领域开辟了新的研究方向，可能促进更鲁棒的防御机制发展。 #AI安全 #后门攻击 #深度学习 #AAAI2025 #防御方法 #论文 #人工智能
来自研究人员Qi Zhao和Christian Wressnegger的最新论文《Two Sides of the Same Coin: Learning the Backdoor to Remove the Backdoor》已被人工智能顶级会议AAAI 2025接收。该研究提出了一种全新的防御思路：通过主动学习后门（Backdoor）的生成方式，反过来消除模型中的后门漏洞。传统方法往往侧重于检测后门，而该工作利用“硬币两面”的视角，将后门学习作为清除工具。实验结果显示，该方法能在不显著影响模型正常性能的前提下，有效抵御多种常见后门攻击。这一成果为深度学习安全领域开辟了新的研究方向，可能促进更鲁棒的防御机制发展。 #AI安全 #后门攻击 #深度学习 #AAAI2025 #防御方法 #论文 #人工智能
Low-Overhead Error-Corrected QCNNs Using Bivariate Bicycle Codes
Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Animesh Yadav [ view email ] [v1] Tue, 7 Jul 2026 01:12:38 UTC (426 KB) Full-text links: Access Paper: View a PDF of the paper titled Low-Overhead Error-Corrected QCNNs Using Bivariate Bicycle Codes, by Alejandro Rosales and Animesh Yadav View PDF HTML (experimental) TeX Source view license Current browse context: < prev | next > new | recent | 2026-07 Change to browse by: cs quant-ph References & Citations INSPIRE HEP NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle
Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Animesh Yadav [ view email ] [v1] Tue, 7 Jul 2026 01:12:38 UTC (426 KB) Full-text links: Access Paper: View a PDF of the paper titled Low-Overhead Error-Corrected QCNNs Using Bivariate Bicycle Codes, by Alejandro Rosales and Animesh Yadav View PDF HTML (experimental) TeX Source view license Current browse context: < prev | next > new | recent | 2026-07 Change to browse by: cs quant-ph References & Citations INSPIRE HEP NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle
Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) Toggle scite Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle ( What is ? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) IArxiv recommender toggle IArxiv Recommender ( What is IArxiv? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs .
FourTune: 面向扩散模型的全4位高效后训练量化方法
来自研究团队的Bowen Xue等人在arXiv预印本上发表论文，提出FourTune方法，旨在实现扩散模型的全4位（fully 4-bit）高效后训练量化。针对扩散模型部署中内存与计算资源消耗巨大的问题，该方法采用创新的后训练量化策略，在不显著影响生成质量的前提下，大幅压缩模型体积并提升推理速度。实验证明，FourTune在多种主流扩散模型架构上接近全精度性能，为边缘端与资源受限场景下的扩散模型应用提供了可行方案。该论文于2026年7月7日提交，目前正等待DataCite注册。 #扩散模型 #量化 #后训练量化 #FourTune #高效推理 #AI #大模型 #论文 #计算机视觉 #生成模型
来自研究团队的Bowen Xue等人在arXiv预印本上发表论文，提出FourTune方法，旨在实现扩散模型的全4位（fully 4-bit）高效后训练量化。针对扩散模型部署中内存与计算资源消耗巨大的问题，该方法采用创新的后训练量化策略，在不显著影响生成质量的前提下，大幅压缩模型体积并提升推理速度。实验证明，FourTune在多种主流扩散模型架构上接近全精度性能，为边缘端与资源受限场景下的扩散模型应用提供了可行方案。该论文于2026年7月7日提交，目前正等待DataCite注册。 #扩散模型 #量化 #后训练量化 #FourTune #高效推理 #AI #大模型 #论文 #计算机视觉 #生成模型
LLM驱动神经网络生成新方法
据arXiv预印本显示，Kabir Dev Paul Baghel等研究人员提出了一种利用大语言模型（LLM）生成神经网络的新方法。该方法通过同系列架构（Same-Family Architecture）的引导，实现了迁移学习（Transfer）与适应过程（Adaptation）的分离，从而在保持网络结构一致性的前提下，提升网络生成的效率与可解释性。研究指出，这一框架能够更精确地控制知识迁移的边界，避免过度适应或欠迁移问题，为自动化神经网络设计与跨任务学习提供了新思路。论文已以“LLM-Driven Neural Network Generation with Same-Family Architecture Guidance: Disentangling Transfer and Adaptation”为题公开，并附有实验框架和技术细节。该工作有望推动大模型在架构搜索和定制化部署中的深入应用。 #LLM #神经网络生成 #迁移学习 #架构搜索 #预印本 #AI研究 #深度生成 #自动化机器学习
据arXiv预印本显示，Kabir Dev Paul Baghel等研究人员提出了一种利用大语言模型（LLM）生成神经网络的新方法。该方法通过同系列架构（Same-Family Architecture）的引导，实现了迁移学习（Transfer）与适应过程（Adaptation）的分离，从而在保持网络结构一致性的前提下，提升网络生成的效率与可解释性。研究指出，这一框架能够更精确地控制知识迁移的边界，避免过度适应或欠迁移问题，为自动化神经网络设计与跨任务学习提供了新思路。论文已以“LLM-Driven Neural Network Generation with Same-Family Architecture Guidance: Disentangling Transfer and Adaptation”为题公开，并附有实验框架和技术细节。该工作有望推动大模型在架构搜索和定制化部署中的深入应用。 #LLM #神经网络生成 #迁移学习 #架构搜索 #预印本 #AI研究 #深度生成 #自动化机器学习
深度强化学习用于自主订单拣货员动态电池管理研究论文发布
一篇题为《Deep Reinforcement Learning for Dynamic Battery Management of Autonomous Order Pickers》的研究论文于2026年7月6日提交至arXiv预印本平台。该论文由Taniya Shaji等三位作者撰写，聚焦自动化仓储场景下自主订单拣选机器人的电池动态管理问题。研究旨在利用深度强化学习方法，对充电、放电及运行策略进行智能优化，以提升电池利用效率并支撑持续作业。目前论文已提供PDF全文链接，相关引用与工具索引信息同步开放。 #arXiv #深度强化学习 #电池管理 #自主机器人 #仓储自动化 #论文
一篇题为《Deep Reinforcement Learning for Dynamic Battery Management of Autonomous Order Pickers》的研究论文于2026年7月6日提交至arXiv预印本平台。该论文由Taniya Shaji等三位作者撰写，聚焦自动化仓储场景下自主订单拣选机器人的电池动态管理问题。研究旨在利用深度强化学习方法，对充电、放电及运行策略进行智能优化，以提升电池利用效率并支撑持续作业。目前论文已提供PDF全文链接，相关引用与工具索引信息同步开放。 #arXiv #深度强化学习 #电池管理 #自主机器人 #仓储自动化 #论文
正交树突内在网络
近日，一篇题为“Orthogonal Dendritic Intrinsic Networks: An Architecture for Significance-Ordered, Orthogonal Latent Spaces”的论文在预印本平台arXiv上公开。该论文由Jeanie Schreiber等人于2026年7月6日提交，被分类至计算机科学和数学领域。论文提出了一种名为正交树突内在网络的新架构，核心目标是构建具有显著性排序特性的正交潜在空间，以增强神经网络在表示学习中的解耦能力和特征有序性，有望提升模型的可解释性与泛化性能。目前，论文可获取PDF和HTML版本，并提供BibTeX引用信息，其DOI正在注册中。 #论文 #arXiv #深度学习 #神经网络 #正交表示 #潜在空间 #AI #机器学习 #计算机科学 #数学
近日，一篇题为“Orthogonal Dendritic Intrinsic Networks: An Architecture for Significance-Ordered, Orthogonal Latent Spaces”的论文在预印本平台arXiv上公开。该论文由Jeanie Schreiber等人于2026年7月6日提交，被分类至计算机科学和数学领域。论文提出了一种名为正交树突内在网络的新架构，核心目标是构建具有显著性排序特性的正交潜在空间，以增强神经网络在表示学习中的解耦能力和特征有序性，有望提升模型的可解释性与泛化性能。目前，论文可获取PDF和HTML版本，并提供BibTeX引用信息，其DOI正在注册中。 #论文 #arXiv #深度学习 #神经网络 #正交表示 #潜在空间 #AI #机器学习 #计算机科学 #数学
时间分布偏移下的领域自适应气候降尺度
一篇题为《Domain-Adaptive Climate Downscaling Under Temporal Distribution Shift》的学术论文于2026年7月6日提交至arXiv预印本平台，由Shuochen Wang等学者撰写。该论文聚焦气候降尺度模型在时间分布偏移条件下的领域自适应问题，属于计算机科学与大气科学的交叉研究。气候降尺度是将粗分辨率气候模式输出转化为精细局部数据的关键技术，但时间分布的变化常导致模型精度下降，论文提出的自适应方法或可改善长期气候预测的可靠性。目前论文已获DataCite预分配DOI，提供PDF、HTML等多种阅读方式，并可与NASA ADS、Google Scholar等工具联动，受到相关领域关注。 #气候降尺度 #领域自适应 #时间分布偏移 #arXiv #人工智能 #地球科学 #气候预测 #机器学习 #科研论文
一篇题为《Domain-Adaptive Climate Downscaling Under Temporal Distribution Shift》的学术论文于2026年7月6日提交至arXiv预印本平台，由Shuochen Wang等学者撰写。该论文聚焦气候降尺度模型在时间分布偏移条件下的领域自适应问题，属于计算机科学与大气科学的交叉研究。气候降尺度是将粗分辨率气候模式输出转化为精细局部数据的关键技术，但时间分布的变化常导致模型精度下降，论文提出的自适应方法或可改善长期气候预测的可靠性。目前论文已获DataCite预分配DOI，提供PDF、HTML等多种阅读方式，并可与NASA ADS、Google Scholar等工具联动，受到相关领域关注。 #气候降尺度 #领域自适应 #时间分布偏移 #arXiv #人工智能 #地球科学 #气候预测 #机器学习 #科研论文
直觉模糊图嵌入随机向量函数链接网络的多视图学习研究
一篇计算机科学领域的预印本论文于2026年7月6日提交至arXiv平台。该论文标题为《Intuitionistic Fuzzy Graph Embedded Random Vector Functional Link with Multiview Learning》，作者为Vrushank Ahire等三人。研究结合直觉模糊图嵌入与随机向量函数链接网络，探索多视图学习问题。目前论文以PDF形式开放获取，并提供HTML与TeX源文件，但尚未分配正式DOI。arXiv平台已为其部署文献管理、代码查找及相关论文推荐等辅助工具。该工作属于机器学习与多模态数据挖掘方向，为多视图表示学习提供了新的思路。 #arXiv #机器学习 #多视图学习 #直觉模糊图 #随机向量函数链接 #预印本 #计算机科学 #AI
一篇计算机科学领域的预印本论文于2026年7月6日提交至arXiv平台。该论文标题为《Intuitionistic Fuzzy Graph Embedded Random Vector Functional Link with Multiview Learning》，作者为Vrushank Ahire等三人。研究结合直觉模糊图嵌入与随机向量函数链接网络，探索多视图学习问题。目前论文以PDF形式开放获取，并提供HTML与TeX源文件，但尚未分配正式DOI。arXiv平台已为其部署文献管理、代码查找及相关论文推荐等辅助工具。该工作属于机器学习与多模态数据挖掘方向，为多视图表示学习提供了新的思路。 #arXiv #机器学习 #多视图学习 #直觉模糊图 #随机向量函数链接 #预印本 #计算机科学 #AI
安全贝叶斯优化与反事实策略论文在arXiv发布
近期，一篇题为《Safe Bayesian Optimization with Counterfactual Policies》的学术论文在预印本平台arXiv上公开。该论文由Katherine Avery等三位作者共同完成，于2026年7月6日提交第一版本，目前归属于计算机科学（cs）领域。论文聚焦于将反事实策略引入贝叶斯优化框架，旨在提升优化过程的安全性。贝叶斯优化是处理黑箱函数全局优化问题的常用方法，而反事实策略通过比较实际与假设情景下的决策结果，为安全约束提供理论支撑。这一研究对于需要严格安全保证的自动调参、机器人控制等应用具有潜在价值。目前论文提供PDF、HTML及TeX源码等多种访问方式，供学界和工程界参考与讨论。 #安全贝叶斯优化 #反事实策略 #arXiv #论文 #计算机科学 #贝叶斯优化 #机器学习 #KatherineAvery
近期，一篇题为《Safe Bayesian Optimization with Counterfactual Policies》的学术论文在预印本平台arXiv上公开。该论文由Katherine Avery等三位作者共同完成，于2026年7月6日提交第一版本，目前归属于计算机科学（cs）领域。论文聚焦于将反事实策略引入贝叶斯优化框架，旨在提升优化过程的安全性。贝叶斯优化是处理黑箱函数全局优化问题的常用方法，而反事实策略通过比较实际与假设情景下的决策结果，为安全约束提供理论支撑。这一研究对于需要严格安全保证的自动调参、机器人控制等应用具有潜在价值。目前论文提供PDF、HTML及TeX源码等多种访问方式，供学界和工程界参考与讨论。 #安全贝叶斯优化 #反事实策略 #arXiv #论文 #计算机科学 #贝叶斯优化 #机器学习 #KatherineAvery