• 个性化机器学习模型在大学生惊恐发作预测中的应用开发

  惊恐发作（panic attacks, PAs）是突发的强烈恐惧与焦虑发作，伴随认知和躯体症状，显著损害日常功能。本研究提出一种机器学习方法，用于预测跨越不同心理健康状况的个体在未来一周内的惊恐发作风险，从而实现及时且具有潜在预防性的心理健康干预。研究人员在3

  来源：Frontiers in Digital Health

  时间：2026-10-31

• 种族/族裔歧视与学校归属感独立而非交互地与青少年自杀意念相关：一项简要报告

  摘要 引言：种族/族裔歧视已被确认为青少年自杀意念（SI）的重要风险因素，但鲜有研究探讨可能与该关联产生交互作用的保护性因素。方法：研究人员利用2021年加州健康访谈调查（CHIS）的横断面数据，检验种族/族裔歧视是否与更高的SI发生比值相关，以及公民参与和归

  来源：Frontiers in Child and Adolescent Psychiatry

  时间：2026-10-31

• 教师自主支持与控制型教学风格与中国流动及非流动儿童学校适应的关联：基于成就目标与学业投入的横断面间接路径分析

  本研究探讨了教师教学风格（教师自主支持与教师控制）与中国流动儿童及非流动儿童学校适应之间的关联，并将成就目标（achievement goals）与学业投入（academic engagement）作为潜在联结变量进行建模。研究采用横断面问卷调查法，收集了1,

  来源：Frontiers in Psychology

  时间：2026-10-31

• 频率引导的RT-DETR害虫检测器：面向密集诱捕场景中小目标的高效检测

  农业害虫对作物产量和品质构成持续威胁，精准高效的检测对现代作物保护至关重要。尽管基于诱捕器的系统已被广泛用于害虫自动监测，但捕获图像中的害虫检测仍面临挑战，原因包括虫体极小、分布聚集、捕获状态多样以及类间相似性。为应对这些挑战，研究人员提出了PestFG-RT

  来源：Frontiers in Computer Science

  时间：2026-10-31

• 同事AI增强绩效是激励还是理所当然？基于社会比较视角的任务互依性权变效应

  基于社会比较理论（Social Comparison Theory, SCT），研究人员提出同事AI增强绩效（coworker AI-augmented performance）是一种与比较相关线索，其人际后果取决于任务互依性（task interdepend

  来源：Frontiers in Psychology

  时间：2026-10-31

• 亚毫秒脉冲星的形成、存活与可探测性——再循环效率与形成后自转减慢导致的“缺失”

  自1982年发现首颗毫秒脉冲星（MSP）以来，中子星（NS）所能达到的最小自转周期一直存在争论。若NS以短于1 ms的周期自转，将对致密物质物态方程（EoS）、引力波（GW）辐射以及吸积与自转加速物理产生深远影响。然而，尽管已发现700余颗自转周期介于1.4与

  来源：Living Reviews in Relativity

  时间：2026-10-31

• 基于产水解酶高性能重组酵母的整合生物加工关键影响因素研究

  整合生物加工（Consolidated Bioprocessing, CBP）是一种用于集成生物炼制的有前景的技术，其中酶生产、生物质水解以及C5和C6糖发酵为第二代乙醇（2G ethanol）或其他生物产品被整合到单一生物反应器中。然而，开发一种高度适合CB

  来源：BioEnergy Research

  时间：2026-10-31

• 硅基光子集成线路上部分相干光相干模式（coherence mode）的物理分离与可编程调控

  虽然部分相干性常会劣化干涉与信息传输，但其关联特性可被工程化利用以增强成像与光学信息处理。然而，基于层析（tomography）与数值重构的方法并不能将未知光场物理地分离为其相干模式（coherence mode），即正交且相互不相干的组分。研究人员在硅光子回

  来源：Nature Photonics

  时间：2026-10-31

• 生物质均质化控制椰子纤维残渣木质素变异性的统计评估

  影响木质纤维素生物质转化过程可重复性的主要限制之一在于原料的成分变异性。研究人员评估了一种简单的均质化策略，以稳定椰子纤维残渣中的木质素含量，并评估了来自哥伦比亚太平洋地区两个地理不同来源批次（考卡省[Cauca]和纳里尼奥省[Nariño]）的1:1复合底物

  来源：BioEnergy Research

  时间：2026-10-31

• EVENET：融合自监督学习与物理感知监督的事件级粒子对撞数据基础模型

  数据密集型对撞机实验日益需要能够跨高维、部分观测的测量进行迁移的模型，然而目前大多数分析仍针对各个任务分别优化彼此独立的模型。为应对这一瓶颈，研究人员提出了EVENET，一种在5亿个模拟对撞事件上、采用自监督学习（self-supervised learnin

  来源：Nature Machine Intelligence

  时间：2026-10-31

知名企业招聘：