我们研究在编码器‑解码器降阶模型中对学习到的潜在表示进行几何正则化的策略。在固定的实验设置中……

在无监督学习中，选择聚类数仍然是一个根本性的挑战。现有的标准通常针对单一的“optimal”划分，……

电动汽车路径问题（带时间窗，EVRPTW）在经典的 VRPTW 基础上加入了电池容量约束和充电站决策……

Physics-Informed Neural Networks (PINNs) 已被视为一种无网格的替代方法，用于求解包含物理信息的偏微分方程……

实时主动的代理系统，能够建模人类心理状态，使用 foundation EXG 模型和文本嵌入模型，完全离线运行于 …

Contrastive steering 已被证明是一种简单且有效的方法，可在 inference time 调整 LLMs 的生成行为。它使用 prompt 示例……

Agentic language models 在安全机制上与 chat models 完全不同：它们必须进行计划、调用工具，并执行 long-horizon actions …

CDD（Contamination Detection via output Distribution），通过测量模型采样输出的峰度来识别数据污染。我们研究了……

Omni-modal 大语言模型（omni LLMs）最近在视听理解任务上取得了强劲的表现，但它们仍然高度易受…

自动化工业优化建模需要将自然语言需求可靠地转换为 solver‑executable code。然而，large language models ...

软件系统通过频繁的代码更改不断演进，然而尽管进行了大量的测试和代码审查，这些更改仍常常引入意想不到的 bug ……

Serverless 计算和流处理代表了两种主导的事件驱动数据处理范式，但它们都做出了一些假设，使其在许多真实工作负载下效率低下。Serverless 平台假设每次函数调用是相互独立的，这阻止了跨调用重用状态。流处理系统假设数据流是无限的，这迫使它们无限期地保留状态。在本文中，我们提出了一种新模型，称为 “stateful serverless”，它融合了两者的优势：允许函数在调用之间保留和共享状态，同时仍提供 Serverless 的弹性和按需付费定价模型。我们在 Apache Flink 和 AWS Lambda 之上实现了原型，并在包括 real‑time analytics、online machine learning 和 complex event processing 在内的一系列 benchmark 中进行评估。结果表明，stateful serverless 相比传统 Serverless 可实现最高 3× 的 latency 降低和 2× 的 throughput 提升，资源使用相当。我们还讨论了该新模型在 debugging、monitoring 和 security 方面的挑战，并概述了未来工作的方向。