• DARD：一种基于残差级正则化和动态混合损失的双注意力网络，用于基于可穿戴传感器的多模态人体活动识别

  摘要近年来，基于可穿戴传感器的人类活动识别（HAR）在智能家居、医疗系统和工业物联网（IoT）等实际应用中展现出巨大潜力。然而，现有的识别方法要么严重依赖领域专业知识，要么无法充分捕获多模态传感器数据中复杂的空间时间依赖性。为克服这些挑战，本文提出了一种新颖的深度学习框架DA

  来源：Neurocomputing

  时间：2026-09-05

• Tree-GRPO：一种基于组相对策略优化的树结构 RAG 推理框架

  摘要大语言模型（LLMs）在知识密集型任务中展现了显著潜力，但其实际部署受到参数化知识中时间陈旧性和事实不准确所导致的幻觉问题的严重制约。虽然检索增强生成（RAG）通过外部知识集成缓解了这一瓶颈，但现有的迭代范式在处理需要分解的复杂查询时缺乏稳健的多步推理能力。为解决这一局限

  来源：Neurocomputing

  时间：2026-09-05

• 综述：妊娠期尼古丁暴露：从胎盘功能障碍到长期神经行为结局

  摘要 背景 由于妊娠期持续使用烟草制品、电子尼古丁递送系统及二手烟暴露，产前尼古

  来源：Birth Defects Research

  时间：2026-09-05

• 用于ADOS-M1行为评估的多模态大语言模型

  摘要自闭症谱系障碍（ASD）是一种神经发育性疾病，其特征为社会沟通与互动方面的缺陷。自闭症诊断观察量表（ADOS）被广泛认为是ASD评估的金标准临床工具；然而，对专业观察者的依赖限制了其大规模筛查的可行性。近期的人工智能研究尝试从多模态行为数据中检测ASD，但大多数方法直接预

  来源：Neurocomputing

  时间：2026-09-05

• 动态博弈中对手效用推断的条件一致性后验估计

  摘要在建模为动态博弈的复杂对抗环境中，对手的效用函数通常是潜在的，必须从观测到的行为中间接推断。现有的大多数逆向博弈方法依赖于显式的博弈模型和可处理的似然模型，这限制了其在复杂非线性动力系统上的适用性。为应对这些挑战，我们提出了一种面向动态博弈中对手效用推断的条件一致性后验估

  来源：Neurocomputing

  时间：2026-09-05

• 基于多物理模型约束的非配对水下光学图像增强网络

  摘要 水下图像常因光的吸收、散射和悬浮颗粒而遭受严重退化，导致明显的颜色失真和结构模糊。这些伪影严重阻碍了基于视觉的无人水下航行器（UUV）的感知能力。尽管基于数据驱动的增强方法取得了可喜的进展，但大多数方法严重依赖于严格配对的水下数据集，而这些数据集极难获取。为克服这一局

  来源：Neurocomputing

  时间：2026-09-05

• ASIR：通过中介相似度视角对齐社交图谱与交互图谱以进行社交推荐

  摘要：社交推荐系统由于社交关系与兴趣相似性之间的不匹配，面临跨域图结构不一致（Cross-Domain Graph Structure Inconsistency, CGSI）问题，导致社交信息注入过程中出现噪声放大和性能下降。现有方法要么局限于社交图内部的清理，要么尝试在特

  来源：Neurocomputing

  时间：2026-09-05

• 综述：大语言模型推理服务的负载均衡：一篇面向控制与学习的综述

  摘要 大语言模型（LLM）被广泛部署为交互式神经推理服务，其性能取决于在非平稳需求下如何分配计算资源、内存、通信带宽和持久状态。本综述将 LLM 推理服务的负载均衡研究视为大规模学习系统中的智能调度与资源分配问题。分析聚焦于由预填充-解码阶段不对称性、键值（KV）缓存驻留、

  来源：Neurocomputing

  时间：2026-09-05

• 通过协同关系重建和高斯扰动实现长尾多模态推荐

  **摘要** 多模态推荐系统通过将用户行为与图像和文本等辅助信息相结合，在一定程度上缓解了数据稀疏和冷启动问题。然而，它们在长尾场景中仍面临重大挑战。具体来说，长尾商品由于交互稀疏，往往无法获得足够的协同信号。此外，用户-商品的协同表示学习容易受到交互噪声的影响，而多模态语

  来源：Neurocomputing

  时间：2026-09-05

• 基于系数控制的高斯过程回归用于跨域 SOH 估计

  # 摘要 数据驱动模型在电池健康状态（SOH）估计中的应用经常受到领域偏移问题的阻碍——即在实验室数据上训练的模型无法泛化到动态运行场景中。尽管深度学习和特征适应方法已被应用于缓解该问题，但它们通常需要大规模数据集和高维特征，而这些资源在电池老化应用中往往不可得。高斯过程回

  来源：Neurocomputing

  时间：2026-09-05

知名企业招聘：