在资源受限的边缘设备上进行联邦学习（FL）面临一个关键挑战：训练深度神经网络（DNN）所需的计算能量……

GUI grounding 旨在将自然语言指令与复杂用户界面中的精确区域对齐。先进的多模态大型语言模型表现出强大的……

全球矿物加工能力必须快速扩张，以满足关键矿产的需求，这些矿产对构建清洁能源技术至关重要。

RL 对推理能力的贡献机制——是激励新技能的综合，还是仅仅放大已有行为——仍然...

深度研究代理（DRAs）旨在通过迭代的信息检索与综合，自动生成分析师级报告。然而，大多数现有的 DRA……

可验证奖励的强化学习（RLVR）提升了大型语言模型（LLMs）的推理能力，使得自主代理能够……

大型语言模型（LLMs）的崛起引发了对代理的浓厚兴趣，导致代理框架的快速增长。代理框架是软件……

近期大型语言模型（LLMs）的进展主要得益于其新兴的推理能力，尤其是通过长链式思考（CoT）……

理解大型语言模型（LLMs）的内部思考过程以及幻觉产生的原因仍然是一个关键挑战。为此，我们引入了 l...

物联网的增长使新一代应用成为可能，将计算和智能推向网络边缘。这一趋势，如何...

对 MPI 应用程序进行详细的跟踪分析对于性能工程至关重要，但不断增长的跟踪规模和复杂的通信行为常常导致 c...

本文分析了人工智能 (AI) 与混合整数线性规划 (MILP) 的结合，以在...中应对复杂的优化挑战。

自动化测试生成已成为确保软件质量的关键技术，尤其是在现代基于 API 的架构中。然而，自动生成…

处理缺乏固有时间动态的静态图像仍然是脉冲神经网络（SNN）的一项根本性挑战。在直接训练的SNN中，静态...

符号回归（SR）是一种回归方法，旨在发现描述变量之间关系的数学表达式，且它通常...

图神经网络（GNN）通过将不规则、受内存限制的图遍历与规则、计算密集的稠密矩阵运算相结合，提出了一个根本性的硬件挑战。

Digital Twins (DTs) 正在越来越多地作为复杂社会技术系统中的自主决策者使用。它们的数学上最优的决策常常会出现偏差……

软件在复杂系统开发和原型制作中扮演着日益重要的角色，近年来，MIT Lincoln Laboratory一直致力于改进……

现实世界中的关系数据通常以图的形式组织，这些图提供了进行分析推导所需的逻辑抽象，使其简化……

软件供应链攻击暴露了现有 SCA 工具的盲点，这些工具通常仅限于单一生态系统，并且只评估软件制品……

先进的深度学习架构，尤其是循环神经网络（RNN），已被广泛应用于音频、生物声学和生物医学信号分析。

本文探讨了将基于 MPI 的同步技术集成到分布式模糊测试框架中，强调了可能带来的显著性能提升。

模糊测试是一种极其有效的发现软件漏洞的方法，但分析产生的数据通常需要大量的人工工作。Thi...

在许多学术学科中，软件是在研究过程或为研究目的而创建的。软件在研究中的关键作用正日益增强。