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
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
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
面向稀缺神经数据的尺度感知注意力：基于RG-Flow Transformer的Sleep
一项最新研究提出了一种名为RG-Flow Transformer的新型神经网络架构，旨在解决神经电生理数据（如EEG）稀缺情况下的高效建模问题。该模型引入尺度感知注意力机制，能够自适应地捕捉不同时间尺度上的特征模式，并在公开的Sleep-EDF脑电图数据集上进行了验证。实验表明，该方法在睡眠阶段分类等任务中表现出色，尤其在小样本场景下优于传统Transformer和RNN基线。研究团队表示，该技术有望推动脑机接口和临床睡眠监测中有限数据条件下的深度学习应用。 #arXiv #论文 #神经网络 #Transformer #脑电图 #EEG #睡眠检测 #AI #机器学习
一项最新研究提出了一种名为RG-Flow Transformer的新型神经网络架构，旨在解决神经电生理数据（如EEG）稀缺情况下的高效建模问题。该模型引入尺度感知注意力机制，能够自适应地捕捉不同时间尺度上的特征模式，并在公开的Sleep-EDF脑电图数据集上进行了验证。实验表明，该方法在睡眠阶段分类等任务中表现出色，尤其在小样本场景下优于传统Transformer和RNN基线。研究团队表示，该技术有望推动脑机接口和临床睡眠监测中有限数据条件下的深度学习应用。 #arXiv #论文 #神经网络 #Transformer #脑电图 #EEG #睡眠检测 #AI #机器学习
基于风险重写的广义无分布半监督学习
一篇题为《Generalized Distribution-Free Semi-Supervised Learning with Risk Rewrite》的学术论文近日在arXiv上公布。该研究由Yushi Hirose等学者提出，旨在解决半监督学习中传统方法对数据分布假设的依赖问题。研究团队通过引入风险重写（Risk Rewrite）机制，构建了一种广义的无分布半监督学习框架，能够在无需预设数据分布的情况下有效利用未标注数据提升模型泛化能力。论文展示了该方法在多类基准数据集上的性能优势，为实际场景中数据分布未知的机器学习应用提供了新思路。该工作的代码与数据预计将开源，以推动社区研究。 #半监督学习 #无分布学习 #风险重写 #机器学习 #学术论文 #arXiv #人工智能
一篇题为《Generalized Distribution-Free Semi-Supervised Learning with Risk Rewrite》的学术论文近日在arXiv上公布。该研究由Yushi Hirose等学者提出，旨在解决半监督学习中传统方法对数据分布假设的依赖问题。研究团队通过引入风险重写（Risk Rewrite）机制，构建了一种广义的无分布半监督学习框架，能够在无需预设数据分布的情况下有效利用未标注数据提升模型泛化能力。论文展示了该方法在多类基准数据集上的性能优势，为实际场景中数据分布未知的机器学习应用提供了新思路。该工作的代码与数据预计将开源，以推动社区研究。 #半监督学习 #无分布学习 #风险重写 #机器学习 #学术论文 #arXiv #人工智能
BattVAE-GP：长时域电池退化的生成建模与不确定性量化
arXiv上发表了题为《BattVAE-GP: Generative Modeling of Long-Horizon Battery Degradation with Uncertainty Quantification》的论文。该研究由Raghvender等人提出，旨在解决电池长期退化过程的建模与预测问题。传统方法难以捕捉退化中的复杂动态和不确定性，而BattVAE-GP结合了变分自编码器（VAE）和高斯过程（GP），能够生成高保真的退化轨迹，并量化预测中的不确定性。实验表明，该方法在多个电池数据集上优于现有模型，为电池寿命预测和管理提供了更可靠的工具。 #论文 #电池退化 #生成模型 #不确定性量化 #VAE #高斯过程 #机器学习 #AI #能源
arXiv上发表了题为《BattVAE-GP: Generative Modeling of Long-Horizon Battery Degradation with Uncertainty Quantification》的论文。该研究由Raghvender等人提出，旨在解决电池长期退化过程的建模与预测问题。传统方法难以捕捉退化中的复杂动态和不确定性，而BattVAE-GP结合了变分自编码器（VAE）和高斯过程（GP），能够生成高保真的退化轨迹，并量化预测中的不确定性。实验表明，该方法在多个电池数据集上优于现有模型，为电池寿命预测和管理提供了更可靠的工具。 #论文 #电池退化 #生成模型 #不确定性量化 #VAE #高斯过程 #机器学习 #AI #能源
查询可见性如何改变KV-Cache压缩排名
近期，arXiv上的一篇预印本研究揭示了KV-Cache压缩技术评估中的一个关键偏差：查询可见性（Query Visibility）会显著影响不同压缩方法的排名结果。研究人员采用“匹配预算审计”方法，在固定内存预算下重新比较了多种KV-Cache压缩策略，发现那些在评估过程中能预先看到未来查询信息的压缩方法，其性能往往被高估。这一发现对于大语言模型推理加速领域具有重要指导意义，提醒研究者在公平、透明的条件下进行压缩方法评估，避免因评估设置不严谨而得出误导性结论。该研究由Daming Luo等人完成，目前论文已开放预览。 #KV-Cache压缩 #大模型推理 #性能评估 #arXiv #AI #机器学习 #查询可见性 #模型加速
近期，arXiv上的一篇预印本研究揭示了KV-Cache压缩技术评估中的一个关键偏差：查询可见性（Query Visibility）会显著影响不同压缩方法的排名结果。研究人员采用“匹配预算审计”方法，在固定内存预算下重新比较了多种KV-Cache压缩策略，发现那些在评估过程中能预先看到未来查询信息的压缩方法，其性能往往被高估。这一发现对于大语言模型推理加速领域具有重要指导意义，提醒研究者在公平、透明的条件下进行压缩方法评估，避免因评估设置不严谨而得出误导性结论。该研究由Daming Luo等人完成，目前论文已开放预览。 #KV-Cache压缩 #大模型推理 #性能评估 #arXiv #AI #机器学习 #查询可见性 #模型加速
Qubit-Efficient Quantum Search for Hyperdimensional Decomposition via Logarithmic Encoding
近日，一篇题为《Qubit-Efficient Quantum Search for Hyperdimensional Decomposition via Logarithmic Encoding》的论文在arXiv平台发布。研究由Sanggeon Yun等五位学者共同完成，提出了一种基于对数编码的高效量子搜索算法，旨在解决高维空间分解问题。传统量子搜索算法在应对高维数据时往往面临量子比特资源需求过大的瓶颈，而该工作通过创新性的对数编码方案，显著降低了所需量子比特数量，同时保持了搜索效率。该方法有望在量子机器学习、数据压缩和优化等领域发挥重要作用，为在有限量子资源下处理复杂高维问题提供了新思路。论文还展示了相关理论分析与初步实验验证，为后续量子算法的实用化研究奠定了基础。 #量子计算 #量子搜索 #对数编码 #高维分解 #arXiv #论文 #量子算法 #机器学习 #优化 #科研
近日，一篇题为《Qubit-Efficient Quantum Search for Hyperdimensional Decomposition via Logarithmic Encoding》的论文在arXiv平台发布。研究由Sanggeon Yun等五位学者共同完成，提出了一种基于对数编码的高效量子搜索算法，旨在解决高维空间分解问题。传统量子搜索算法在应对高维数据时往往面临量子比特资源需求过大的瓶颈，而该工作通过创新性的对数编码方案，显著降低了所需量子比特数量，同时保持了搜索效率。该方法有望在量子机器学习、数据压缩和优化等领域发挥重要作用，为在有限量子资源下处理复杂高维问题提供了新思路。论文还展示了相关理论分析与初步实验验证，为后续量子算法的实用化研究奠定了基础。 #量子计算 #量子搜索 #对数编码 #高维分解 #arXiv #论文 #量子算法 #机器学习 #优化 #科研
修复长距离单次条纹投影轮廓测量中的形状先验捷径
arXiv近期收录了一篇题为《Repairing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry》的论文。该研究聚焦于长距离单次条纹投影轮廓测量技术中存在的形状先验捷径问题——即模型过度依赖训练数据中的形状先验，导致在真实场景中出现泛化偏差。作者提出了一种修复方法，旨在消除这种捷径学习，提升系统对远距离、复杂表面三维测量的准确性与鲁棒性。论文已提交至arXiv，并提供了PDF及HTML格式全文，目前处于待分配DOI状态。 #计算机视觉 #三维重建 #条纹投影 #深度学习 #形状先验 #arXiv
arXiv近期收录了一篇题为《Repairing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry》的论文。该研究聚焦于长距离单次条纹投影轮廓测量技术中存在的形状先验捷径问题——即模型过度依赖训练数据中的形状先验，导致在真实场景中出现泛化偏差。作者提出了一种修复方法，旨在消除这种捷径学习，提升系统对远距离、复杂表面三维测量的准确性与鲁棒性。论文已提交至arXiv，并提供了PDF及HTML格式全文，目前处于待分配DOI状态。 #计算机视觉 #三维重建 #条纹投影 #深度学习 #形状先验 #arXiv
半直和傅里叶Delta注意力
近日，一篇由Tiantian Zhang提交的论文《Semidirect Fourier Delta Attention: Phase-Controlled Delta Memory with Constructive Chunk-WY Kernels》在arXiv预印本平台发布。该研究提出了一种新型注意力机制，通过引入傅里叶变换与相位控制技术，实现对记忆单元的精细调节，同时结合构造性块WY核进行高效计算。该方法有望在长序列建模和记忆增强任务中提升性能，为Transformer架构的优化提供新思路。论文已开放全文，供学界与工业界参考。 #AI #机器学习 #注意力机制 #傅里叶变换 #论文 #学术新闻
近日，一篇由Tiantian Zhang提交的论文《Semidirect Fourier Delta Attention: Phase-Controlled Delta Memory with Constructive Chunk-WY Kernels》在arXiv预印本平台发布。该研究提出了一种新型注意力机制，通过引入傅里叶变换与相位控制技术，实现对记忆单元的精细调节，同时结合构造性块WY核进行高效计算。该方法有望在长序列建模和记忆增强任务中提升性能，为Transformer架构的优化提供新思路。论文已开放全文，供学界与工业界参考。 #AI #机器学习 #注意力机制 #傅里叶变换 #论文 #学术新闻
OmniPMNet：利用全查询神经过程桥接离散与网格化PM10预报
一篇发表于arXiv上的研究论文提出了一种名为OmniPMNet的新型模型，旨在通过全查询神经过程（omni-query neural processes）桥接离散监测点与网格化空气质量预报的差距。该工作由Shuangshuang He与Shuo Wang完成，聚焦于PM10浓度预测任务。传统方法中，离散站点数据与连续网格预报之间存在信息融合难题，而OmniPMNet通过引入灵活的全查询机制，能够同时处理稀疏观测与密集网格输出，提升预报的准确性与空间连续性。论文展示了该方法在空气质量预测领域的潜在应用价值，为环境监测和精细化预报提供了新的技术路径。 #arXiv #OmniPMNet #PM10 #空气污染 #神经网络 #环境AI #深度学习 #科学论文
一篇发表于arXiv上的研究论文提出了一种名为OmniPMNet的新型模型，旨在通过全查询神经过程（omni-query neural processes）桥接离散监测点与网格化空气质量预报的差距。该工作由Shuangshuang He与Shuo Wang完成，聚焦于PM10浓度预测任务。传统方法中，离散站点数据与连续网格预报之间存在信息融合难题，而OmniPMNet通过引入灵活的全查询机制，能够同时处理稀疏观测与密集网格输出，提升预报的准确性与空间连续性。论文展示了该方法在空气质量预测领域的潜在应用价值，为环境监测和精细化预报提供了新的技术路径。 #arXiv #OmniPMNet #PM10 #空气污染 #神经网络 #环境AI #深度学习 #科学论文
基于距离的认知不确定性量化方法
近日，研究人员在arXiv上提交了一篇题为“Quantification of Credal Uncertainty: A Distance-Based Approach”的论文。该论文由Xabier Gonzalez-Garcia等九位作者共同完成，提出了一种基于距离的认知不确定性量化新方法。认知不确定性通常源于知识缺乏或模型结构不完善，传统的概率方法难以充分刻画。该研究通过引入距离度量，构建了一种新的框架来评估和量化这种不确定性，旨在提升机器学习模型在风险敏感场景下的可靠性与决策能力。论文已正式提交，并带有arXiv DOI，目前可在arXiv平台预览PDF、HTML及源码版本，供学术界参考与讨论。 #认知不确定性 #距离度量 #机器学习 #arXiv #论文 #不确定性量化 #人工智能
近日，研究人员在arXiv上提交了一篇题为“Quantification of Credal Uncertainty: A Distance-Based Approach”的论文。该论文由Xabier Gonzalez-Garcia等九位作者共同完成，提出了一种基于距离的认知不确定性量化新方法。认知不确定性通常源于知识缺乏或模型结构不完善，传统的概率方法难以充分刻画。该研究通过引入距离度量，构建了一种新的框架来评估和量化这种不确定性，旨在提升机器学习模型在风险敏感场景下的可靠性与决策能力。论文已正式提交，并带有arXiv DOI，目前可在arXiv平台预览PDF、HTML及源码版本，供学术界参考与讨论。 #认知不确定性 #距离度量 #机器学习 #arXiv #论文 #不确定性量化 #人工智能