arXiv ID:
2602.19390
数字孪生中的人工智能建模与仿真 / Artificial Intelligence for Modeling & Simulation in Digital Twins
1️⃣ 一句话总结
这篇论文探讨了人工智能、建模与仿真以及数字孪生三者之间如何相互促进,共同推动更智能、更集成的系统发展。
数字孪生中的人工智能建模与仿真 / Artificial Intelligence for Modeling & Simulation in Digital Twins
这篇论文探讨了人工智能、建模与仿真以及数字孪生三者之间如何相互促进,共同推动更智能、更集成的系统发展。
基于联邦平均的连续时间马尔可夫链风险模型用于联邦桥梁退化评估 / FedAvg-Based CTMC Hazard Model for Federated Bridge Deterioration Assessment
本文提出了一种基于联邦学习的桥梁退化评估方法,让多个机构能在不共享敏感原始数据的情况下,共同训练一个连续时间马尔可夫链风险模型,从而获得比仅使用本地数据更准确的全局基准模型,用于支持基于证据的桥梁全生命周期规划。
千人千面驾驶:一个闭环个性化端到端自动驾驶的基准平台 / Driving with A Thousand Faces: A Benchmark for Closed-Loop Personalized End-to-End Autonomous Driving
这篇论文提出了一个名为Person2Drive的基准平台,旨在解决当前端到端自动驾驶系统缺乏个性化驾驶风格的问题,它通过提供数据收集工具、量化评估指标和个性化算法框架,让自动驾驶系统能像不同的人一样拥有独特的驾驶习惯。
OpenClaw AI智能体在Moltbook上作为非正式学习者:大规模新兴学习社群的特性研究 / OpenClaw AI Agents as Informal Learners at Moltbook: Characterizing an Emergent Learning Community at Scale
这篇论文首次研究了一个完全由AI智能体组成的大型非正式学习社群,发现其参与度极不平等、互动模式呈现‘平行独白’而非人类常见的问答驱动,并经历了爆发、混乱到衰退的典型生命周期,这对未来人机混合学习平台的设计有重要启示。
PEACE 2.0:基于证据的解释与反制言论以对抗仇恨言论 / PEACE 2.0: Grounded Explanations and Counter-Speech for Combating Hate Expressions
这篇论文介绍了一个名为PEACE 2.0的新工具,它不仅能分析并解释一条信息为何被判定为仇恨言论,还能自动生成基于事实证据的反制言论进行回应。
动态主动适应:面向地理空间发现、基于潜在概念与相关性引导的在线元学习 / Adapting Actively on the Fly: Relevance-Guided Online Meta-Learning with Latent Concepts for Geospatial Discovery
本文提出了一种融合主动学习、在线元学习和概念推理的地理空间发现框架,通过引入‘概念相关性’来动态调整采样策略,能够在数据稀缺且环境多变的条件下(如污染物监测)更高效、可靠地发现隐藏目标。
基于无服务器架构的机器学习工业化实践:一个用于协调制度代码预测的工业实现 / Operationalization of Machine Learning with Serverless Architecture: An Industrial Operationalization of Machine Learning with Serverless Architecture: An Industrial Implementation for Harmonized System Code Prediction
这篇论文提出了一个基于无服务器架构的MLOps框架,通过一个用于预测海关商品编码的工业案例,展示了如何将机器学习模型从开发到部署、监控、再训练的全生命周期自动化,在保证高准确率的同时实现了低成本、可扩展和易于维护的工业化应用。
分解困难电路可满足性实例的高效并行算法 / Efficient Parallel Algorithm for Decomposing Hard CircuitSAT Instances
这篇论文提出了一种新的并行算法,通过将复杂的电路可满足性问题分解成多个较简单的子问题,并利用并行计算来智能指导分解过程,从而有效解决了逻辑电路验证和密码攻击等领域的计算难题。
通过不确定性感知时间序列集成预测异常前兆 / Forecasting Anomaly Precursors via Uncertainty-Aware Time-Series Ensembles
这篇论文提出了一种名为FATE的新型无监督框架,它通过整合多个时间序列预测模型并利用它们预测结果之间的不一致性来量化不确定性,从而在异常实际发生前就能提前预警,并且引入了一个更全面的新评估指标来准确衡量这种早期预警能力。
AI编码代理如何沟通:关于其Pull Request描述特征与人类评审响应的研究 / How AI Coding Agents Communicate: A Study of Pull Request Description Characteristics and Human Review Responses
这项研究发现,不同AI编程助手在提交代码修改请求时,其描述风格存在明显差异,而这些差异会显著影响人类评审员的参与度、响应速度以及最终是否接受该修改。
请先 登录 后再提交论文