进化算法引导大语言模型设计物理信息神经网络
一篇发表在arXiv上的研究提出了一种新方法，利用进化算法引导大语言模型（LLMs）自动设计物理信息神经网络（PINNs）。该方法针对传统PINN设计依赖人工经验、效率低下等问题，通过进化算法优化网络结构，结合LLM的生成能力，实现自动化、高效的神经网络架构搜索。研究团队表示，该方法在多个物理方程驱动的科学计算任务中表现出色，显著提升了模型的预测精度和泛化能力。该工作为科学计算与人工智能的交叉融合提供了新思路，有望降低物理驱动深度学习模型的设计门槛，加速在流体力学、材料科学等领域的应用进展。目前论文已开放预印本，相关代码和实验细节有待后续公开。 #进化算法 #大语言模型 #物理信息神经网络 #PINN #科学计算 #深度学习 #AI #机器学习 #arXiv
一篇发表在arXiv上的研究提出了一种新方法，利用进化算法引导大语言模型（LLMs）自动设计物理信息神经网络（PINNs）。该方法针对传统PINN设计依赖人工经验、效率低下等问题，通过进化算法优化网络结构，结合LLM的生成能力，实现自动化、高效的神经网络架构搜索。研究团队表示，该方法在多个物理方程驱动的科学计算任务中表现出色，显著提升了模型的预测精度和泛化能力。该工作为科学计算与人工智能的交叉融合提供了新思路，有望降低物理驱动深度学习模型的设计门槛，加速在流体力学、材料科学等领域的应用进展。目前论文已开放预印本，相关代码和实验细节有待后续公开。 #进化算法 #大语言模型 #物理信息神经网络 #PINN #科学计算 #深度学习 #AI #机器学习 #arXiv
PLA框架：从可行到可取，个性化设备端行程生成新方法
一项最新研究提出了名为“PLA”（Plan, Learn, Adapt）的个性化设备端行程生成框架。该框架旨在将行程规划从单纯追求可行性转向满足用户偏好与体验的可取性。PLA通过“规划-学习-适应”三阶段迭代，在设备端实时优化行程建议，无需依赖云端算力，兼顾隐私与效率。研究团队指出，传统方法偏重路线可行性，忽略了用户动态需求与场景变化，而PLA能够持续学习用户行为并自适应调整，从而提供更贴合的个性化方案。该成果已以论文形式在arXiv预印本平台公开，为移动智能与边缘计算领域提供了新思路。 #AI #机器学习 #个性化推荐 #行程规划 #边缘计算 #隐私保护 #学术论文 #PLA框架
一项最新研究提出了名为“PLA”（Plan, Learn, Adapt）的个性化设备端行程生成框架。该框架旨在将行程规划从单纯追求可行性转向满足用户偏好与体验的可取性。PLA通过“规划-学习-适应”三阶段迭代，在设备端实时优化行程建议，无需依赖云端算力，兼顾隐私与效率。研究团队指出，传统方法偏重路线可行性，忽略了用户动态需求与场景变化，而PLA能够持续学习用户行为并自适应调整，从而提供更贴合的个性化方案。该成果已以论文形式在arXiv预印本平台公开，为移动智能与边缘计算领域提供了新思路。 #AI #机器学习 #个性化推荐 #行程规划 #边缘计算 #隐私保护 #学术论文 #PLA框架
CoWeaver: 面向人机混合科学协作的双向可学习可解释匹配引擎
arXiv上发表了题为《CoWeaver: A Bi-directional, Learnable and Explainable Matching Engine for Mixed Human-Agent Science Collaboration》的论文。该研究由Jiayao Gu等八位作者共同完成，提出了一种名为CoWeaver的新型匹配引擎，旨在解决人机混合科学协作中的高效匹配问题。CoWeaver具备双向、可学习和可解释的特性，能够动态协调人类科学家与AI代理之间的任务分配与协作流程，提升科研协作的灵活性与透明度。论文详细介绍了引擎的设计原理、学习机制以及在实际科学协作场景中的验证结果。该工作为未来人机协同科研提供了新的技术路径，目前已可在arXiv上获取全文。 #人机协作 #科学协作 #匹配引擎 #AI #论文 #arXiv #可解释AI
arXiv上发表了题为《CoWeaver: A Bi-directional, Learnable and Explainable Matching Engine for Mixed Human-Agent Science Collaboration》的论文。该研究由Jiayao Gu等八位作者共同完成，提出了一种名为CoWeaver的新型匹配引擎，旨在解决人机混合科学协作中的高效匹配问题。CoWeaver具备双向、可学习和可解释的特性，能够动态协调人类科学家与AI代理之间的任务分配与协作流程，提升科研协作的灵活性与透明度。论文详细介绍了引擎的设计原理、学习机制以及在实际科学协作场景中的验证结果。该工作为未来人机协同科研提供了新的技术路径，目前已可在arXiv上获取全文。 #人机协作 #科学协作 #匹配引擎 #AI #论文 #arXiv #可解释AI
科尔莫戈罗夫
近期，一篇题为《Kolmogorov–Arnold Networks for Small Language Models》的学术论文在arXiv上提交。该研究由Felippe Alves等人完成，探讨将科尔莫戈罗夫-阿诺德网络（KAN）应用于小型语言模型（SLM）的可能性。KAN作为一种新型神经网络架构，通过引入可学习激活函数替代传统线性权重，在参数效率和可解释性方面展现出潜力。论文可能提出针对小型语言模型的改进方案，旨在提升其在资源受限场景下的性能。研究尚属预印本阶段，具体技术细节和实验效果有待进一步验证。 #AI #小语言模型 #科尔莫戈罗夫阿诺德网络 #机器学习 #论文 #arXiv #神经网络
近期，一篇题为《Kolmogorov–Arnold Networks for Small Language Models》的学术论文在arXiv上提交。该研究由Felippe Alves等人完成，探讨将科尔莫戈罗夫-阿诺德网络（KAN）应用于小型语言模型（SLM）的可能性。KAN作为一种新型神经网络架构，通过引入可学习激活函数替代传统线性权重，在参数效率和可解释性方面展现出潜力。论文可能提出针对小型语言模型的改进方案，旨在提升其在资源受限场景下的性能。研究尚属预印本阶段，具体技术细节和实验效果有待进一步验证。 #AI #小语言模型 #科尔莫戈罗夫阿诺德网络 #机器学习 #论文 #arXiv #神经网络
递归式自我改进
近日，一篇题为《Recursive Harness Self-Improvement》的论文在预印本平台arXiv上正式提交。该论文由Hyunin Lee与五位合作者共同撰写，提交时间为2026年7月17日。论文题目直译为“递归驾驭自我改进”，暗示了一种通过递归机制实现系统自主优化的方法。在人工智能领域，递归自我改进是赋予智能体持续提升自身能力的关键技术，往往涉及模型迭代、策略更新和元学习等复杂过程。虽然该论文的详细摘要尚未公开，但标题已点明其核心方向——探索如何利用递归结构有效引导和改进自学习系统。相关研究对推动自动化机器学习、强化学习以及通用人工智能的发展具有潜在重要意义。该论文目前已在arXiv上开放查看，供学术界进一步探讨。 #递归自我改进 #AI #机器学习 #arXiv #论文 #自主优化 #元学习 #人工智能
近日，一篇题为《Recursive Harness Self-Improvement》的论文在预印本平台arXiv上正式提交。该论文由Hyunin Lee与五位合作者共同撰写，提交时间为2026年7月17日。论文题目直译为“递归驾驭自我改进”，暗示了一种通过递归机制实现系统自主优化的方法。在人工智能领域，递归自我改进是赋予智能体持续提升自身能力的关键技术，往往涉及模型迭代、策略更新和元学习等复杂过程。虽然该论文的详细摘要尚未公开，但标题已点明其核心方向——探索如何利用递归结构有效引导和改进自学习系统。相关研究对推动自动化机器学习、强化学习以及通用人工智能的发展具有潜在重要意义。该论文目前已在arXiv上开放查看，供学术界进一步探讨。 #递归自我改进 #AI #机器学习 #arXiv #论文 #自主优化 #元学习 #人工智能
SLAPBench 发布
近日，一项名为 SLAPBench 的研究在 arXiv 预印本平台公开。该工作由 Bibesh Pyakurel 等人提出，旨在系统评估多模态大语言模型在四指指纹验证任务上的表现。研究构建了专门的基准测试框架，涵盖四指 SLAP 指纹图像的识别与验证能力测试。尽管当前大模型在图像理解领域进展迅速，但在指纹这种高精度生物特征识别任务上仍缺乏统一评价标准。SLAPBench 的发布填补了这一空白，为未来将大模型应用于安全身份认证提供了重要的评估工具和参考基线。 #多模态大模型 #指纹验证 #SLAPBench #生物识别 #arXiv #AI安全 #基准测试 #计算机视觉
近日，一项名为 SLAPBench 的研究在 arXiv 预印本平台公开。该工作由 Bibesh Pyakurel 等人提出，旨在系统评估多模态大语言模型在四指指纹验证任务上的表现。研究构建了专门的基准测试框架，涵盖四指 SLAP 指纹图像的识别与验证能力测试。尽管当前大模型在图像理解领域进展迅速，但在指纹这种高精度生物特征识别任务上仍缺乏统一评价标准。SLAPBench 的发布填补了这一空白，为未来将大模型应用于安全身份认证提供了重要的评估工具和参考基线。 #多模态大模型 #指纹验证 #SLAPBench #生物识别 #arXiv #AI安全 #基准测试 #计算机视觉
缓存感知的提示压缩
一篇来自arXiv的预印本论文提出了一种缓存感知的提示压缩方法，为大型语言模型API缓存设计了两级成本模型。该研究由Yan Song等人完成，旨在优化LLM API调用过程中的成本与效率。传统提示压缩往往忽略缓存机制，而该方法通过分析缓存命中与未命中情况下的计算与带宽成本，在压缩率与缓存利用率之间寻求平衡。论文详细介绍了两级成本模型：第一级关注单次API调用的压缩收益，第二级则从长期缓存角度评估压缩策略对整体成本的影响。实验结果显示，该模型能有效降低API调用总成本，同时保持任务质量。该研究为LLM服务部署提供了新的优化思路，尤其适用于高频调用场景。 #LLM #AI #缓存 #提示压缩 #成本优化 #论文 #arXiv #大模型
一篇来自arXiv的预印本论文提出了一种缓存感知的提示压缩方法，为大型语言模型API缓存设计了两级成本模型。该研究由Yan Song等人完成，旨在优化LLM API调用过程中的成本与效率。传统提示压缩往往忽略缓存机制，而该方法通过分析缓存命中与未命中情况下的计算与带宽成本，在压缩率与缓存利用率之间寻求平衡。论文详细介绍了两级成本模型：第一级关注单次API调用的压缩收益，第二级则从长期缓存角度评估压缩策略对整体成本的影响。实验结果显示，该模型能有效降低API调用总成本，同时保持任务质量。该研究为LLM服务部署提供了新的优化思路，尤其适用于高频调用场景。 #LLM #AI #缓存 #提示压缩 #成本优化 #论文 #arXiv #大模型
基于多专家共识机制的无服务器环境自动缩放方法
近日，一项来自学术界的创新研究提出了一种面向无服务器环境的自动缩放方法，其核心基于多专家共识机制。该成果由Mobina Kashaniyan等人完成，并发表于《环境智能与智慧环境杂志》（2026年）。无服务器计算因其弹性伸缩特性而备受关注，但现有自动缩放策略在处理复杂负载波动时存在响应延迟与资源利用率低等问题。新方法通过引入多个独立专家模块，对不同维度的负载特征进行实时评估，再通过共识算法整合专家意见，从而做出更精准的扩缩容决策。实验结果表明，该方法在响应速度、资源效率和成本控制方面均优于传统方案，有望为云原生应用提供更智能、更经济的资源管理方案。 #无服务器计算 #自动缩放 #多专家共识 #云计算 #资源优化 #学术论文 #环境智能
近日，一项来自学术界的创新研究提出了一种面向无服务器环境的自动缩放方法，其核心基于多专家共识机制。该成果由Mobina Kashaniyan等人完成，并发表于《环境智能与智慧环境杂志》（2026年）。无服务器计算因其弹性伸缩特性而备受关注，但现有自动缩放策略在处理复杂负载波动时存在响应延迟与资源利用率低等问题。新方法通过引入多个独立专家模块，对不同维度的负载特征进行实时评估，再通过共识算法整合专家意见，从而做出更精准的扩缩容决策。实验结果表明，该方法在响应速度、资源效率和成本控制方面均优于传统方案，有望为云原生应用提供更智能、更经济的资源管理方案。 #无服务器计算 #自动缩放 #多专家共识 #云计算 #资源优化 #学术论文 #环境智能
LLM驱动的自动化机器学习：跨语言手写OCR闭环神经架构搜索新方法
一项发表于2025年IEEE计算机与知识工程国际会议（ICCKE）的研究提出，利用大语言模型（LLM）进行自动化机器学习（AutoML），实现跨语言手写光学字符识别（OCR）。该论文名为《LLM-Driven AutoML for Cross-Lingual Handwritten OCR: Closed-Loop Neural Architecture Search with GPT-5, GPT-4o, and Claude Sonnet 4》，作者为Mobina Kashaniyan等人。研究采用GPT-5、GPT-4o和Claude Sonnet 4作为驱动，设计了一种闭环神经架构搜索（NAS）方法，旨在自动优化针对不同语言手写文本的OCR模型。该方法通过LLM的推理能力来指导网络结构的探索与评估，显著提升了跨语言场景下的识别准确率和泛化能力。这一成果为OCR领域的自动化模型设计提供了新思路，有望降低对人工专家经验的依赖。 #LLM #AutoML #手写OCR #跨语言OCR #神经架构搜索 #GPT5 #GPT4o #ClaudeSonnet #人工智能 #论文
一项发表于2025年IEEE计算机与知识工程国际会议（ICCKE）的研究提出，利用大语言模型（LLM）进行自动化机器学习（AutoML），实现跨语言手写光学字符识别（OCR）。该论文名为《LLM-Driven AutoML for Cross-Lingual Handwritten OCR: Closed-Loop Neural Architecture Search with GPT-5, GPT-4o, and Claude Sonnet 4》，作者为Mobina Kashaniyan等人。研究采用GPT-5、GPT-4o和Claude Sonnet 4作为驱动，设计了一种闭环神经架构搜索（NAS）方法，旨在自动优化针对不同语言手写文本的OCR模型。该方法通过LLM的推理能力来指导网络结构的探索与评估，显著提升了跨语言场景下的识别准确率和泛化能力。这一成果为OCR领域的自动化模型设计提供了新思路，有望降低对人工专家经验的依赖。 #LLM #AutoML #手写OCR #跨语言OCR #神经架构搜索 #GPT5 #GPT4o #ClaudeSonnet #人工智能 #论文
FLINT：利用5G物理层侧信道实现联邦学习架构指纹识别
近期，一项名为FLINT的研究提出了一种通过5G物理层侧信道来识别联邦学习架构的方法。该研究利用联邦学习过程中从5G物理层泄露的侧信道信息，对参与方的模型架构进行指纹提取和分类。实验表明，攻击者无需直接访问模型参数，仅依靠无线信号特征即可准确推断出目标设备所使用的联邦学习框架类型。这一发现揭示了5G环境下联邦学习系统存在的潜在隐私泄露风险，尤其在分布式学习和边缘计算场景中。该工作由Md Nahid Hasan Shuvo等人完成，相关论文已提交至arXiv预印本平台。 #联邦学习 #5G #侧信道攻击 #隐私安全 #AI安全 #无线通信 #指纹识别 #学术论文
近期，一项名为FLINT的研究提出了一种通过5G物理层侧信道来识别联邦学习架构的方法。该研究利用联邦学习过程中从5G物理层泄露的侧信道信息，对参与方的模型架构进行指纹提取和分类。实验表明，攻击者无需直接访问模型参数，仅依靠无线信号特征即可准确推断出目标设备所使用的联邦学习框架类型。这一发现揭示了5G环境下联邦学习系统存在的潜在隐私泄露风险，尤其在分布式学习和边缘计算场景中。该工作由Md Nahid Hasan Shuvo等人完成，相关论文已提交至arXiv预印本平台。 #联邦学习 #5G #侧信道攻击 #隐私安全 #AI安全 #无线通信 #指纹识别 #学术论文
大型语言模型作为统一多模态学习者用于临床预测
一篇题为《Large Language Models as Unified Multimodal Learners for Clinical Prediction》的论文近日提交至arXiv预印本平台。该论文由Ajay Madhavan Ravichandran等8位学者共同撰写，提交时间为2026年7月16日。论文聚焦于探索大型语言模型在临床预测任务中的统一多模态学习能力，目前PDF版本已可在线获取。该研究有望为医学人工智能领域提供新的技术路线，推动多模态数据在临床决策中的融合应用。 #大语言模型 #临床预测 #多模态学习 #arXiv #AI医疗 #医学AI #学术论文
一篇题为《Large Language Models as Unified Multimodal Learners for Clinical Prediction》的论文近日提交至arXiv预印本平台。该论文由Ajay Madhavan Ravichandran等8位学者共同撰写，提交时间为2026年7月16日。论文聚焦于探索大型语言模型在临床预测任务中的统一多模态学习能力，目前PDF版本已可在线获取。该研究有望为医学人工智能领域提供新的技术路线，推动多模态数据在临床决策中的融合应用。 #大语言模型 #临床预测 #多模态学习 #arXiv #AI医疗 #医学AI #学术论文
数据驱动视频编解码器结合隐式神经表示技术
据arXiv预印本平台显示，一篇题为《Data-driven Video Codec with Implicit Neural Representations》的研究论文已提交。该论文由Nishan Khanal等三位作者撰写，提出了一种基于隐式神经表示的数据驱动视频编解码方法。当前视频压缩领域面临高效编码与高质量重建之间的权衡，传统编解码器依赖手工设计的变换和量化策略。该工作探索利用深度神经网络隐式建模视频帧内的连续信号，以提升压缩效率。论文还提供了完整的PDF和HTML版本供学术社区审阅，目前暂未公开详细的实验结果和代码。该方向被视为下一代视频编码的有力候选技术之一。 #视频编解码 #隐式神经表示 #数据驱动 #AI #深度学习 #论文 #arXiv
据arXiv预印本平台显示，一篇题为《Data-driven Video Codec with Implicit Neural Representations》的研究论文已提交。该论文由Nishan Khanal等三位作者撰写，提出了一种基于隐式神经表示的数据驱动视频编解码方法。当前视频压缩领域面临高效编码与高质量重建之间的权衡，传统编解码器依赖手工设计的变换和量化策略。该工作探索利用深度神经网络隐式建模视频帧内的连续信号，以提升压缩效率。论文还提供了完整的PDF和HTML版本供学术社区审阅，目前暂未公开详细的实验结果和代码。该方向被视为下一代视频编码的有力候选技术之一。 #视频编解码 #隐式神经表示 #数据驱动 #AI #深度学习 #论文 #arXiv