• 低代码方法在建模与仿真系统工程中的应用

  仿真与系统工程(SE)已被成功用于应对大规模系统开发的复杂性。尽管已成熟，建模与仿真(M&S)技术在SE领域尚未被充分利用，尤其是其应对成本超支与质量问题等挑战的潜力。本文探讨了基于低代码方法的M&S系统工程，该方法整合了模型驱动原则与自动化转换，以减少人工工

  来源：Computing in Science & Engineering

  时间：2026-07-09

• 对抗AI驱动的错误信息与虚假信息：策略与技术实践

  研究人员（researchers）翻译摘要如下：人工智能（AI）正在改变工作、学习和沟通方式，在编码、翻译和创造力方面提供强大支持。与此同时，AI也极大地助长了错误信息（misinformation）与虚假信息（disinformation）的传播。本文为工程

  来源：Computational Visual Media

  时间：2026-07-09

• 基于L2归一化与测地距离的高维单细胞数据可视化距离熵保持增强方法

  在高维单细胞测序数据分析领域，细胞间相似性的精确测量至关重要。然而，传统度量方法（如L1归一化后的欧几里得距离）在处理高维数据时，往往会因距离逐渐收敛至一个缩小的区间而丢失可区分信息。本文中，研究人员使用距离熵来量化距离中包含的信息量，并讨论了不同Lp范数归一

  来源：Big Data Mining and Analytics

  时间：2026-07-09

• 面向金融智能客服应用的基于RAG的语言模型及增强型索引优化方法

  大语言模型（LLMs）在专业领域面临显著挑战，尤其是在严格准确性要求下“幻觉”（hallucinations）不可接受的场景中。本文提出检索增强生成融合（RAG-Fusion），这是一种新型检索增强生成（RAG）系统，采用互惠排序融合（Reciprocal R

  来源：Big Data Mining and Analytics

  时间：2026-07-09

• 基于多智能体协作与多模态大数据驱动方法的汇率预测新范式

  现有汇率预测方法在准确性、系统性和效率方面存在显著不足。传统汇率预测方法受限于数据获取孤岛化、数据处理繁琐、特征工程主观及模型预测效率低等问题。为解决上述局限，研究人员提出了一种基于多模态大数据(Multimodal Big Data)的汇率预测范式。该范式通

  来源：Big Data Mining and Analytics

  时间：2026-07-09

• 圆柱形漏波超表面天线合成的综合方法

  在弯曲漏波超表面（MTS）天线设计与实现中存在诸多挑战，如爬行波（CWs）的不受控辐射、受激漏波的幅度与相位校正需求，以及柔性基底上复杂MTS图案金属化的实际问题。因此，本文旨在提供一种针对圆柱基底上此类MTS天线合成的综合方法，涵盖分析工具、设计流程与制造工

  来源：IEEE Transactions on Antennas and Propagation

  时间：2026-07-09

• 气候变化下家畜的热应激：关键进展、新兴技术和韧性生产系统的路径——一项系统综述

  热应激是气候变化下家畜生产面临的主要挑战，影响生产力、动物福利和粮食安全。这项系统综述（PRISMA 2020）评估了166项同行评审研究，以评估缓解策略在各类家畜系统中的有效性、可扩展性和局限性。传统策略（例如冷却系统、营养补充和选择性育种）改善了体温调节、

  来源：RENEWABLE & SUSTAINABLE ENERGY REVIEWS

  时间：2026-07-09

• 基于视觉机器学习方法的轻量化结构自冲铆接(Self-Piercing Rivet, SPR)接头微计算机断层扫描(micro-Computed Tomography, μ-CT)检测研究

  本研究提出一种基于自定义视觉驱动人工智能(AI)模型的新颖无损检测(NDI)方法，用于评估自冲铆接(SPR)接头质量——这是轻量化车身制造中的关键连接工艺。该AI模型以系统性改良SPR接头的微计算机断层扫描(μ-CT)图像为训练集，可准确检测并量化由材料不均、

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-07-09

• Benjamin–Bona–Mahony–Burgers 方程的四阶守恒紧致有限差分方法分析

  本研究针对Benjamin–Bona–Mahony–Burgers (BBMB)方程（一种描述多种波动现象动力学的非线性长波方程）提出了一种四阶隐式紧致有限差分格式。通过采用辅助变量的降阶框架，研究人员构建了一种紧致差分格式，该格式产生一个具有窄带状结构的非线

  来源：Mathematics

  时间：2026-07-09

• 关于g-缓变分数阶微分方程的数值方法及其应用

  背景：选择信息丰富的训练样本是预测建模中一个基本但具有挑战性的问题，尤其是在异质性临床数据中。尽管监督学习通常被表述为模型参数上的优化问题，但训练集的组成对泛化性能有显著影响。在本研究中，研究人员提出了一种用于机器学习设置的多准则基于分数的样本选择框架。方法：

  来源：Mathematics

  时间：2026-07-09

知名企业招聘：