神经组合优化（Neural Combinatorial Optimization，NCO）主要关注学习策略，通常是神经网络，这些策略一次只作用于单个候选解……

背景：传统的软件安全分析方法难以跟上现代代码库的规模和复杂性，需要智能自动化……

进化神经网络架构是一个计算量巨大的过程。传统方法通常需要在庞大的架构空间中进行广泛搜索……

自动驾驶辅助系统（ADAS）依赖大量测试以确保安全性和可靠性，但道路场景数据集往往包含冗余案例……

随着大型语言模型（LLMs）在编程领域的发展，智能编程辅导系统受到广泛关注。如何……

Spike-Timing-Dependent Plasticity (STDP) 为脉冲神经网络 (SNN) 提供了一种生物学上有依据的学习规则，但它依赖于精确的脉冲时…

对话代理正日益被用作心理治疗路径中的支持工具，对社会产生重大影响。特别是，同理心是关键…

突触时序依赖可塑性（STDP）为脉冲神经网络（SNN）提供了一种生物学上合理的学习机制；然而，Hebbian 权重更新……

在弹性问题的高阶有限元分析中，matrix-free (PA) 方法是克服传统 Full Assembly 内存瓶颈的关键技术。

在量子软件工程（QSE）中，随着量子软件系统规模和复杂性的增长，量子软件测试（QST）受到越来越多的关注。

Particle-in-Cell (PIC) 模拟在 particle--grid 交互上消耗了大部分执行时间，在这些交互中，细粒度的 atomic updates 成为主要的瓶颈……

通过处理从物联网传感设备收集的数据，在智能家居中进行基于无侵入式传感器的日常活动（Activities of Daily Living，ADLs）识别，支持应用……

设备‑边缘协同推理使用深度神经网络（DNN）在准确率、延迟和能耗之间面临根本性的权衡。目前的调度…

AI 数据中心目前正在大规模部署，以支持对高功耗的大型语言模型（LLMs）的训练和部署。Extensi...

Symmetric linear solves 在广泛的科学和工程应用中是基础性的，从气候建模和结构分析到机器学习……

在资源受限的边缘设备上部署深度神经网络（DNN）常常受到其巨大的计算和内存需求的阻碍。

大型语言模型已成为安全运营中心的变革性工具，能够实现自动化日志分析、网络钓鱼分流和恶意软件解释……

我们展示，任何具有指定时间依赖边缘分布的 stochastic differential equation 都可以分解为三个组成部分：一个唯一的 s...

我们提出 RefVFX，一个新的框架，以前馈方式将复杂的 temporal effects 从 reference video 转移到 target video 或 image 上。虽然 e...

虽然 Transformer 架构在许多领域占据主导地位，但其二次方的 self-attention 复杂度阻碍了其在大规模应用中的使用。Linear attention …

学习如何高效学习是生物体面临的根本挑战，也是人工体日益关注的问题。为了有效学习，代理必须……

基于 deep reinforcement learning 的后训练算法可以在特定目标上突破机器人模型的极限，例如可推广性、精度、……

在人类对话中，双方对话者（interlocutors）都积极参与维持相互理解。当听者（addressees）对说话者（speakers）的意思不确定时，例如……

大型视觉语言模型（LVLMs）已经展示了卓越的能力，但它们在理解和推理多张图像方面的熟练程度仍然……