• 性别差异与角色期望如何塑造远程办公父母的工作-家庭冲突：日本的一项混合方法研究

  **摘要** 有工作的父母在平衡工作与育儿方面面临重大挑战，这往往导致工作-家庭冲突（WFC）。此前的研究表明，远程办公使工作与家庭之间的边界管理变得复杂，但远程办公父母中的WFC仍缺乏深入探讨。为弥补这一空白，我们针对日本有子女的远程办公人员开展了在线调查（n=1,200

  来源：Proceedings of the ACM on Human-Computer Interaction

  时间：2026-10-10

• FaceValue：探索实时自我视图叠加技术，以促进远程会议中以意义为导向的自我意识

  摘要AI总结：要查看此由AI生成的摘要，您必须具有高级访问权限。了解更多信息请登录。 摘要：在远程视频会议上，诸如面部表情或头部动作等视觉非语言线索会持续出现，但往往只能部分观察到。这与面对面交流相比增加了模糊性，可能导致误解或感知意义与实际意图之间的不一致。受通信理论启发，我

  来源：Proceedings of the ACM on Human-Computer Interaction

  时间：2026-10-10

• StaleFlow：一种感知陈旧性的数据管理方法，用于缓解完全解耦的强化学习后训练中的数据倾斜

  摘要AI 摘要要查看此 AI 生成的摘要，您需要高级访问权限。了解更多登录摘要摘要强化学习（RL）后训练已成为提升现代大模型能力的关键。近期的一个趋势是开发具有完全分离式架构的强化学习系统，该架构将强化学习的三个阶段（展开、奖励和训练）解耦到不同资源上并异步执行。然而，由此产

  来源：Proceedings of the ACM on Management of Data

  时间：2026-10-10

• TACO：一种基于令牌感知的上下文优化技术，用于生成结构化的OpenStreetMap查询

  摘要AI摘要要查看此AI生成的摘要，您必须具有高级访问权限。了解更多登录摘要摘要由于OverpassQL的语法较为严格，且对于最终用户来说学习曲线较陡峭，因此从自然语言生成适用于OpenStreetMap（OSM）的可执行结构化查询仍然是一项具有挑战性的任务。虽然通过演示上下文引

  来源：Proceedings of the ACM on Management of Data

  时间：2026-10-10

• 氮化镓MOS电容器中慢陷阱量化的等效电压平移方法

  摘要：氮化镓（GaN）器件中慢陷阱的定量分析仍然具有挑战性，因为许多基于电容的提取方法依赖于从 C-V 数据到表面势的绝对转换。在 GaN 器件中，当存在色散、非准静态响应、漏电流以及串联/接入电阻时，这种转换可能不可靠。在本研究中，我们开发了一种用于 Al2O3/GaN 金

  来源：IEEE Transactions on Electron Devices

  时间：2026-10-10

• Ctrl-F 抵抗：民间社会组织在线监控极右翼的实践、挑战与技术需求

  摘要 AI 摘要 要查看此 AI 生成的摘要，您必须拥有高级访问权限。了解更多 登录 摘要 摘要 随着极右翼行为者日益利用在线平台传播意识形态并动员支持者，公民社会组织（CSOs）在监测在线反民主动态方面发挥着至关重要的作用，但其作用往往被忽视。与事实核查员或内容审核员不同，

  来源：Proceedings of the ACM on Human-Computer Interaction

  时间：2026-10-10

• CacheServer：针对云数据库的分散式缓存技术

  摘要 AI摘要

  来源：Proceedings of the ACM on Management of Data

  时间：2026-10-10

• 一种用于基于小芯片系统混合键合的可扩展应力恢复技术

  摘要：后摩尔时代催生了多芯片和多堆叠芯粒（chiplet）系统的发展，混合键合（HB）作为一种实现超细间距互连的方法。本文提出了一种可扩展的应力恢复技术，专门用于HB的热力学分析。我们的方法通过对基于位移的有限元方法（FEM）进行后处理，提高了有限元内单元边界上 C−1 连续

  来源：IEEE Transactions on Components, Packaging and Manufacturing Technology

  时间：2026-10-10

• 使用柱周期混合势格林函数和RWG离散化方法对具有分层介质的共形超表面和阵列进行分析

  摘要：共形超表面和阵列的分析是一个耗时的过程，因为印刷在分层介质上的许多小晶格需要极其大量的密集网格。为了实现此类结构在圆柱介质上的高效分析，本文提出了一种圆柱周期混合势格林函数（CPMPGFs），该方法可以通过一个单元来评估周期阵列的性能。采用渐近提取方法去除非物理奇异性

  来源：IEEE Transactions on Antennas and Propagation

  时间：2026-10-10

• Causal-Chemprop:用于分子性质预测与设计的因果机器学习 摘要 机器学习模型越来越多地被应用于预测分子性质和加速材料发现，但其泛化性能差，且很少能可靠地超越基线方法。我们提出 Causal-Chemprop，这是一种结合化学知识图谱的因果机器学习方法。该方法采用基于化学图注意力机制的因果机器学习模型，能够自动学习化学键的不变特征，并捕捉具有因果关系的原子间相互作用。我们证明该方法优于广泛使用的深度学习基准，能够进行准确的性质预测和分子设计。Causal-Chemprop 在泛化性、可解释性和鲁棒性方面均展现出显著优势，为药物发现和材料设计提供了强有力的工具。 关键词：因果机器学习、分子性质预测、分子设计、化学图注意力机制、药物发现

  打开图像查看器 摘要 分子性质的先验估计长期以来一直是药物科学中分子设计领域极具吸引力且备受关注的话题。尽管基于神经网络的模型已取得很高的预测精度，但它们在分子设计中的实用性有限，特别是在小数据量和分布外（OOD）数据条件下。当前基于神经网络的模型缺乏明确纳入来自现有数据的先

  来源：Journal of Chemical Information and Modeling

  时间：2026-10-10

知名企业招聘：