Mixture-of-Experts (MoE) 模型通过将 model capacity 与 active computation 解耦，促进了 edge deployment，然而它们巨大的 memory footprint 推动了需求…

背景：从源代码中提取构成机器学习（ML）流水线的阶段对于深入了解数据科学实践至关重要。

IEEE802.15.4 标准的 Time-Slotted Channel Hopping (TSCH) 模式为在 fi... 应用中提供超高端到端可靠性和低功耗。

大型语言模型（LLMs）正日益被整合到软件开发工作流中，然而它们在结构化、规范驱动的流程中的行为仍然…

Dynamic availability 是指共识协议在 honest participants 离线后仍能保持活跃，并在其重新加入后继续运行的能力。一个众所周知的限制……

LLMs 正在越来越多地用于提升生产力并支持软件工程任务。然而，当它们被用于诸如团队组成等社会敏感的决策时……

随着大型语言模型（LLMs）演变为自主代理，评估仓库级别的推理以及在大规模环境中保持逻辑一致性的能力……

时间序列预测在当代工程信息系统中发挥着关键作用，以支持各行业的决策，其中 Rec...

许多实际的软件任务需要将提供的数据精确转录到代码中，例如 cryptographic constants、protocol test vectors、allowlists，以及 c...

机器学习（ML）算法正日益被部署用于在金融、刑事司法和自动…等社会经济应用中做出关键决策。

联邦学习（FL）使得在分布式客户端之间进行协作模型训练而无需共享原始数据，但其稳定性从根本上受到挑战……

在复杂且部分可观测的环境中实现自主导航仍然是机器人领域的核心挑战。已有若干仿生模型用于映射和导航……

我们研究在开放式具身环境中持续技能获取，代理必须构建、完善并重用不断扩展的可执行技能库。

在静态图像上训练的前馈人工神经网络（ANNs）仍然是灵长类动物腹侧视觉通路的主导模型，然而它们本质上……

随着拜占庭容错（BFT）协议开始在许可式区块链中用于面向用户的应用，如支付，至关重要的是它们……

我们提出了 Muses，这是首个在前馈范式下实现奇幻 3D 生物生成的无训练方法。之前的方法依赖于部件感知的 opt...

大型语言模型（LLMs）正日益被用于在许多领域中进化问题的解决方案，这一过程受到生物进化的启发。然而……

在 multi-agent systems 中，emergent communication 领域研究 autonomous agents 如何能够独立地发展 communication strategies，而无需显式...

现有的深度估计方法根本上受限于在离散的图像网格上预测深度。这类表示方式限制了它们在任意…

导航是虚拟现实（VR）中自动探索的基本任务之一。现有技术主要关注 360- 中的路径优化。

随着 AIGC（AI 生成内容）技术的进步，越来越多的生成模型正在革新视频编辑、音乐等领域。

本卷收录了第十六届国际 Graph Computation Models 研讨会（GCM 2025）的后期论文集。研讨会在德国科布伦茨举行，...

Spatio-temporal reasoning in time series 涉及对 temporal dynamics、spatial dependencies 和 textual context 的显式综合。This capability is vit...

许多科学和工程中的重要问题涉及在已知观测过程的情况下，从噪声和/或不完整的观测中推断信号……