• 在具有动态电压频率调节（DVFS）和任务迁移功能的异构多核平台上，基于服务质量（QoS）的近似任务映射方法

  针对异构多核平台上的近似计算任务分配问题，提出融合动态电压频率缩放（DVFS）和任务迁移的优化方法。通过线性化非线性规划模型并分解为子问题求解，显著提升服务质量（QoS）与可行性（平均3.263倍提升），并设计高效启发式算法平衡性能与计算开销。

  来源：ACM Transactions on Embedded Computing Systems

  时间：2026-02-16

• 凤凰城：针对移动视频应用的多实例深度神经网络（DNN）的基于温度感知的片上推理技术

  移动设备多DNN推理中，Phoenix系统通过强化学习动态分配异构处理器任务并设计多退出网络架构，有效延迟热 throttling，维持帧率稳定，同时优化计算精度。

  来源：ACM Transactions on Embedded Computing Systems

  时间：2026-02-16

• 多视角视觉对比解码技术：实现可靠的辅助功能

  视障辅助技术中多模态大语言模型（MLLMs）面临图像质量退化、物体不完整和空间错位三大挑战。本文提出MPVCD框架，通过噪声对比解码、检索对比解码和焦点对比解码三种视角动态平衡优化，有效降低视觉描述幻觉并提升准确性，为视障人士环境理解提供可靠技术支持。

  来源：ACM Transactions on Internet of Things

  时间：2026-02-16

• 基于大语言模型（LLM）的多模态驾驶员情绪识别技术在智能出行系统（IoV）中的应用

  驾驶员情绪识别在车联网（IoV）中至关重要，现有方法未充分挖掘大语言模型（LLM）在文本信息提取和多模态融合中的作用。本文提出训练阶段的LLM辅助监督模块，通过LTFE模块将文本标签转化为语义特征，结合LAS策略与多模态特征对齐，提升模型推理能力且不增加实时计算负担。实验表明该方法在PPB-Emo、RAVDESS、IEMOCAP数据集上显著优于基线，尤其在复杂光照和多样化驾驶群体中表现优异。

  来源：ACM Transactions on Internet of Things

  时间：2026-02-16

• 基于动态人口分布感知的行人轨迹生成方法：结合扩散模型

  人类轨迹数据对城乡规划等领域的应用至关重要，但存在隐私、成本和质量问题。本文提出基于扩散模型的生成框架，通过构建空间图增强地理位置关联性，并设计动态人口分布感知的降噪网络，在训练中融合个体移动损失与人口分布交叉熵损失。实验表明，该方法在轨迹统计指标和群体分布一致性上较SOTA方法提升54%。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 多指标客户端激活方法：实现快速且准确的联邦学习

  联邦学习非独立同分布数据下客户端激活方法研究。提出多指标偏差概念，结合本地损失与梯度范数，设计优先选择高代表性数据且低梯度曲率客户端的激活策略，平衡收敛速度与泛化性能。实验表明该方法在CIFAR-10等数据集上较传统方法提升12.7%验证精度，较SOTA方法高2.5%，尤其适用于强非-IID和分布失衡场景。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 大型语言模型（LLMs）在数据到文本生成任务中的全面性能评估以及基于差异权重的训练方法

  数据到文本生成研究系统评估了12种大语言模型（BART、T5、BLOOM、OPT、Llama 2）在五个数据集上的表现，涵盖可读性、信息量和准确性三个核心指标，提出基于源参考分歧加权的训练策略有效提升模型性能，发现模型大小对可读性和信息量有正向影响，但对准确性的提升有限且存在规模反效应。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 利用大型多模态模型进行讽刺语检测的线索与上下文融合方法

  多模态反讽检测框架SCARF通过标签约束问答提取场景级与局部级矛盾证据，融合视觉特征与文本线索生成控制向量，结合示范检索与多视图编码优化模型对反讽的识别能力，在MMSD2.0和XDMSD上准确率分别达87.92%和77.14%，显著优于基线模型。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 基于微尺度搜索优化技术的迁移学习驱动的滤波器微调方法

  过滤器级微调优化方法在数据稀缺任务中提升性能，通过分解策略与进化算法实现高效参数选择。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 用于估计个体治疗效果的联邦逆概率处理加权方法

  个体治疗效应（ITE）估计在医疗中至关重要，但现有方法多适用于集中式数据，联邦学习场景下存在数据不可共享和本地模型偏差问题。本文提出FED-IPTW算法，通过全局和本地协变量与处理变量去混淆化解决联邦场景中的IPTW偏差问题，并在ICU机械通气生存率预测任务中验证其优于现有方法。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

知名企业招聘：