动态图节点亲和性预测机构股票持仓论文发布

近日，一篇题为《利用动态图节点亲和性预测机构股票持仓》的学术论文在arXiv预印本平台提交。该论文由Emad Izadifar和Zahed Rahmati共同完成，研究聚焦于如何通过动态图的节点亲和性来预测机构投资者的股权持仓变化。论文提出了一种基于图学习的新方法，利用机构间持股网络的动态演化规律，建模节点之间的关联强度，从而提升预测准确性。该方法有望为金融市场监管、投资策略优化以及系统性风险识别提供新的分析工具。目前论文提供PDF、HTML及TeX源码下载，并经过arXiv安全审核。 #机器学习 #图神经网络 #金融预测 #机构持股 #arXiv #学术论文 #动态图

缓解具有层次和依赖结构数据中的类别不平衡影响

一篇提交至arXiv的论文探讨了如何减轻具有层次和依赖结构数据中的类别不平衡问题。该研究由Bipin Chhetri等学者完成，针对现实数据中常出现的类别分布不均现象，特别是在样本间存在内在层级关系和依赖关系的情况下，提出了一种新的方法。论文详细分析了传统重采样或代价敏感学习策略在处理此类复杂结构数据时的局限性，并通过实验证明了所提方法的有效性。该工作有助于提升机器学习模型在医疗诊断、文本分类等实际场景中的鲁棒性和准确性。 #论文 #类别不平衡 #机器学习 #层级结构 #数据科学 #arXiv #研究

Transformer FFN神经元稀疏层间依赖研究

近日，一篇题为《Sparse Inter-Layer Dependencies of Transformer FFN Neurons》的学术论文在arXiv平台发布，作者为Johannes Knittel和Hanspeter Pfister。该研究深入探讨了Transformer模型中前馈神经网络（FFN）神经元在不同层之间的依赖关系，并发现这些依赖关系具有显著的稀疏性特征。通过分析神经元激活模式，作者揭示了层间信息传递的高效结构，为理解Transformer内部工作机制提供了新视角。该成果有望推动模型压缩、可解释性研究及高效架构设计，对自然语言处理与人工智能领域具有重要理论价值。 #Transformer #FFN #神经元 #稀疏性 #深度学习 #AI #论文 #arXiv

基因表达指导的联合控制生成模型实现精准分子设计

据arXiv预印本，由Hang Yuan等研究者提出的最新论文，开发了一种基因表达信息指导的联合控制生成模型，旨在实现精准分子设计。该模型通过整合基因表达数据，实现对分子生成的精细调控，有望在药物发现、个性化医疗等领域提供更高效的分子筛选与设计策略。研究展示了生成式模型与生物信息学结合的潜力，为精准医学中的分子设计开辟了新路径。 #基因表达 #生成模型 #分子设计 #精准医学 #arXiv #人工智能 #生物信息学 #药物发现

LiteTopK 新方法

近日，一篇题为《LiteTopK: Exploiting the Curse of Dimensionality for a Fused Indexer-TopK Kernel in Long-Context Sparse Attention》的学术论文受到关注。该研究提出一种名为 LiteTopK 的创新方法，巧妙利用高维空间中的“维度灾难”现象，将索引器与 TopK 选择操作融合为一个高效核函数，从而显著提升长上下文场景下稀疏注意力的计算效率。传统方法在处理超长序列时，TopK 选择成为性能瓶颈，而 LiteTopK 通过维度变换与优化，减少访存开销并提升并行性。实验表明，该方法在保持精度的前提下，大幅降低延迟，为大型语言模型处理长文本提供了新的优化思路。 #学术论文 #AI #稀疏注意力 #长上下文 #维度灾难 #计算优化 #TopK #机器学习

信号引导的机器遗忘优化方法

该论文提出了一种名为“信号引导优化”的新型机器遗忘技术，旨在高效移除特定训练数据对模型的影响。传统机器遗忘方法往往面临计算成本高或效果不佳的问题，而本文通过引入信号引导机制，在优化过程中利用模型内部或外部的辅助信号，指导遗忘过程，从而在保证遗忘效果的同时显著提升效率。实验结果表明，该方法在多个基准数据集上取得了与完整重训练相当的遗忘性能，且计算开销大幅降低，为隐私保护和数据合规提供了更实用的解决方案。 #机器学习 #机器遗忘 #信号优化 #数据隐私 #AI安全 #论文 #arXiv

学习离散化

近日，一篇发表于arXiv的论文提出了一种全新的自适应网格生成方法，融合扩散模型与频谱引导技术。该方法通过学习离散化过程，能够智能调整网格密度，在保持计算精度的同时显著降低计算开销。论文作者来自多个研究机构，展示了该方法在复杂物理模拟和数值求解中的优越性能。相关工作为科学计算中的网格自适应问题提供了新的解决思路，有望推动计算流体力学、电磁场模拟等领域的发展。 #论文 #扩散模型 #自适应网格 #科学计算 #AI #arXiv #机器学习 #数值模拟

Self-Evolving In-Context Learning 实现 MU

一篇发表于 arXiv 的预印本论文提出了一种名为“自进化上下文学习”（Self-Evolving In-Context Learning）的新方法，用于多用户多输入单输出（MU-MISO）系统中的导频直接到波束赋形器的设计。传统方法通常需要复杂的信号处理与迭代优化，而该研究通过引入上下文学习机制，使模型能够直接从导频信号中学习并生成波束赋形参数，避免了繁琐的中间步骤。该方法借助自进化策略，持续迭代优化模型在具体通信场景下的推理能力，从而提升波束赋形的实时性与准确性。实验表明，该方案在系统吞吐量和鲁棒性上均优于传统基准。论文作者为 Yubo Zhang 等人，提交日期为 2026 年 7 月 13 日。 #无线通信 #MU-MISO #波束赋形 #自进化学习 #上下文学习 #AI #通信系统

新研究提出神经崩溃后供体功能指纹检测审计协议

来自arXiv的一篇预印本论文提出了一种名为“超越坐标规范”的审计协议，用于在神经崩溃现象后检测供体特异性功能指纹。该研究由Truong Xuan Khanh等人完成，于2026年7月12日提交。论文针对神经网络中常见的神经崩溃问题，设计了一种不依赖传统坐标规范的方法，旨在更准确地识别特定供体（如生物个体或数据源）留下的功能印记。这一协议有望应用于神经科学、生物特征识别及AI安全领域，为区分不同来源的神经信号或模型行为提供新工具。 #arXiv #神经崩溃 #功能指纹 #审计协议 #AI安全 #神经网络 #生物特征 #新研究

华为旗舰超级节点将首秀世界人工智能大会

据一财全球报道，华为计划在即将举行的世界人工智能大会（WAIC）上首次公开展示其旗舰级超级节点产品。该超级节点是华为在计算基础设施领域的重要成果，旨在为AI大模型训练与推理提供强劲算力支撑。近年来，华为持续深耕昇腾AI计算生态，已推出多款芯片与加速卡产品。此次旗舰超级节点亮相，标志着其在高性能计算集群技术上迈出关键一步，有望推动国产AI基础设施性能提升。具体技术参数与应用场景预计将在大会期间正式揭晓。 #华为 #超级节点 #WAIC #AI算力 #昇腾 #科技

LIDAR-AD：面向自动驾驶的无解码器潜在交互与动作残差链模型

一篇来自arXiv的新论文提出了LIDAR-AD，这是一种用于自动驾驶的创新模型。该模型采用无解码器架构，结合潜在交互机制与动作残差链，旨在提升自动驾驶系统在复杂环境下的决策与规划能力。研究团队通过实验验证了该方法在模拟场景中的有效性，为端到端自动驾驶提供了新的技术思路。 #自动驾驶 #LIDAR #深度学习 #人工智能 #论文 #arXiv #科技前沿

系统回顾：慢性肾病早期预测机器学习模型存在数据泄漏与稳定性问题

近日，一篇发表于arXiv的论文对慢性肾病早期预测中机器学习模型的可靠性进行了系统回顾，重点关注数据泄漏与预测因子稳定性两大关键问题。研究表明，当前许多模型在训练与测试过程中存在数据泄漏现象，导致性能评估过于乐观；同时，预测因子的稳定性不足也严重影响了模型在不同人群和环境中的泛化能力。该综述梳理了相关文献，指出这些隐患可能阻碍模型从研究向临床应用的转化，并为未来开发更可靠的预测模型提供了方法论指导。 #机器学习 #慢性肾病 #数据泄漏 #预测因子 #系统回顾 #AI医疗 #可靠性 #arXiv

构建的现实，竞争的先验

这篇arXiv预印本论文题为“Constructed Reality, Contested Priors: Decoupling and the Architecture of Cognitive Relapse Under the Free Energy Principle”，由MD Ibrahim Hossain Ridoy于2026年7月12日提交。论文基于自由能原理，探讨认知系统中的“建构现实”与“竞争性先验”如何导致认知复发。研究者提出了一种解耦机制，分析个体在面对矛盾信息时，原有信念如何被重新激活，从而引发认知回退。该工作为理解认知弹性、心理障碍复发等提供了理论框架，对神经科学、人工智能和认知科学具有参考价值。 #自由能原理 #认知科学 #人工智能 #神经科学 #论文 #arXiv #认知复发

加权k近邻回归与软标签预测的精确且可认证数据Shapley值

近日，一项发表于arXiv的研究提出了针对加权k近邻回归和软标签预测任务的精确且可认证的数据Shapley值计算方法。数据Shapley值用于量化每个数据点对模型预测的贡献，但传统近似方法存在计算成本高、结果不精确等问题。该研究通过理论推导，首次在加权k近邻和软标签场景下实现了数据Shapley值的精确闭式解，并提供了可认证的误差保证。这一成果为数据估值、模型解释和数据交易提供了高效可靠的数学工具，有望推动数据要素市场的构建与机器学习伦理的落地。 #数据Shapley值 #k近邻 #软标签预测 #机器学习 #数据估值 #可解释性 #论文 #arXiv

图约束策略学习用于极端临床代码预测

一篇发表于arXiv的论文提出了一种名为“图约束策略学习”（Graph-Constrained Policy Learning）的新方法，旨在解决极端临床代码预测问题。临床代码预测是医疗信息学中的关键任务，但面临代码数量庞大、分布极不平衡等挑战。该研究利用图结构约束强化学习策略，有效提升了预测的准确性和鲁棒性。论文作者来自研究机构，实验结果表明该方法在多个真实医疗数据集上优于现有基线，为自动医疗编码和临床决策支持提供了新思路。 #临床代码预测 #图约束学习 #策略学习 #医疗AI #arXiv #论文

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

当奖励能教会状态？新研究引入隐藏自动机工具探索群体语言边界

近日，一篇题为《当奖励何时教会状态？一个隐藏自动机工具与群体语言边界》的论文在arXiv上公开。作者Jim Allchin提出了一种基于隐藏自动机的分析工具，用于研究在强化学习中奖励信号如何隐式地传递状态信息，并探讨了群体语言与个体学习之间的边界。该工作试图从理论角度揭示奖励函数在智能体内部状态表示形成中的作用，为理解多智能体系统中的语言演化与学习效率提供了新视角。论文尚处于预印本阶段，相关技术细节有待进一步验证。 #强化学习 #奖励机制 #隐藏自动机 #群体语言 #AI研究 #论文 #arXiv