• 基于人在回路（Human-in-the-Loop, HIL）的群集形成跟踪技术，用于具有碰撞避免功能的多智能体系统 陆佳琪（Jiaqi Lu）、 秦凯宇（Kaiyu Qin）和 史梦吉（Mengji Shi）

  网络化智能体系统（NASs）中，对称结构集群的形成与跟踪是机器人及自主系统的重要应用。本文针对传统方法假设领导自主的局限性，提出融合人类在环（HiTL）控制的分布式协议，使非自主领导者仍能实现安全集群跟踪。通过Lyapunov分析证明误差收敛性，13节点仿真验证了在4.21-5.12秒内完成目标集群形成，最终跟踪误差低于0.07×10⁻⁵且保持安全距离。

  来源：Symmetry

  时间：2026-03-30

• 算子谱稳定性理论与切比雪夫谱配置方法在时变双边四元数动力系统中的应用 向思，周建文

  本研究提出双 quaternion 微分方程的谱稳定性分析框架及数值方法，通过精确实表示和Kronecker积矩阵揭示张量结构，建立标量-向量稳定性分离原理，证明实部主导能量演化且与虚部无关。推导出稳定性阈值与谱间隙的三次方关系，嵌入 quaternion Chebyshev 谱配位方法保证对称性，离散能量估计验证谱精度。实验表明低维下该方法在时间效率和数值鲁棒性上优于Legendre基线及显式隐式对称Runge-Kutta方法，尤其处理刚性非线性Riccati振荡器时优势显著。

  来源：Symmetry

  时间：2026-03-30

• 一种基于球基的样条型扩展方法 王彦平、 沈万强、 胡庆源

  本文提出Ball-Spline基，通过多阶样条技术和积分方法构造对称结构，实现C1和C2连续性，相比B-spline在相同精度下控制点更少，且数值稳定、几何性质可解释。

  来源：Symmetry

  时间：2026-03-30

• 迷你远外侧入路的技术描述：一种精炼的、能够保持稳定性的进入岩骨嵴区域的手术途径

  颅颈交界处前外侧病变微创手术入路研究：通过改良远外侧入路（Z型切口、有限骨凿）实现岩骨密钥区暴露面积376.86±45.54mm²，较经典（338±86mm²）和微创（208.5±28.4mm²）入路更大，同时保持颅颈稳定性。该入路在保证暴露效果下减少组织损伤，建议作为标准术式处理前外侧病变，复杂病例保留传统或微创方法。

  来源：Ophthalmic Plastic & Reconstructive Surgery

  时间：2026-03-30

• FAN-TAST-IC：具备任务感知能力的时空图像分类技术，可实现快速报警通知

  视频警报系统需平衡实时性与检测精度，本文提出FAN-TAST-IC框架，通过轻量级目标检测器预筛选时空帧，再以预训练VLM编码器和二进制分类器精炼，实现无需标注数据且保持实时的高效方案。

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2026-03-30

• 在局部差分隐私保护下，利用加密技术辅助图度序列的发布

  差分隐私框架CADR-LDP通过加密辅助的阈值选择与低度优先的边添加策略，有效解决了图度序列发布中噪声与通信成本平衡问题。理论验证满足ε-节点局部差分隐私，实验证明在8个数据集上优于现有方法。

  来源：ACM Transactions on the Web

  时间：2026-03-30

• 利用轻量级区块链和自适应模型选择技术，实现安全且具备弹性的集群式联邦学习，以支持基于网络的医疗数据分析

  BCFL通过轻量级区块链协调分布式联邦学习，实现模型参数离链存储与元数据上链验证，有效解决传统联邦学习中的单点故障问题，实验证明其提升了模型性能并降低了攻击成功率。

  来源：ACM Transactions on the Web

  时间：2026-03-30

• “快速成为平方：量子工具链的快速二次化方法”

  研究量子计算中自动转换PUBO到QUBO的方法，提升效率并解决行业应用中的硬件兼容性问题，尤其在NISQ硬件环境下优化计算优势。

  来源：ACM Transactions on Quantum Computing

  时间：2026-03-30

• 基于生成式人工智能的无线通信技术，用于构建稳健的低空经济网络

  低空经济网络（LAENets）因控制机制复杂和动态环境易受安全威胁，其可靠性优化面临挑战。本文提出基于生成式AI的优化框架，系统分析LAENets可靠性需求及无线物理层QoS指标，设计混合专家-Transformer架构，在波束成形鲁棒性案例中实现15%以上的性能提升。

  来源：IEEE Transactions on Wireless Communications

  时间：2026-03-30

• TV-AVN：基于随机森林的训练判决方法，用于自主车辆网络中的异常行为检测

  车辆异常行为检测面临机器学习自适应攻击和信任管理挑战，尤其高信誉恶意车辆通过合法行为掩盖攻击。TV-AVN架构创新性地融合机器学习与信誉机制，采用公钥加密保障基础安全信息传输，通过本地机构定期整合检测结果更新信誉评分。实验表明，该方法对位置伪造攻击达到0.99精度、0.98召回和0.98F1分数，在抵御高信誉智能攻击时稳定性优于现有方案，有效维护车联网系统可信度。

  来源：ACM Transactions on Privacy and Security

  时间：2026-03-30

知名企业招聘：