Delft University of Technology

多视角数据里，每个视角有自己的协方差，视角之间还有跨视角协方差，此前的协方差神经网络只处理单视角，把两视角拼接后无法区分这两类结构。CANE把视角内协方差滤波与跨视角协方差滤波分成两级，用可学习多项式在协方差谱上代替典型相关分析中的白化与奇异向量选择，并直接按下游任务训练。在脑影像与运动传感的七个数据集上，CANE在其中六个取得最佳或并列最佳表现，ADNI1的年龄预测平均绝对误差为4.97岁，参数量常比双视角VNN更少。

多视角数据里，每个视角有自己的协方差，视角之间还有跨视角协方差，此前的协方差神经网络只处理单视角，把两视角拼接后无法区分这两类结构。CANE把视角内协方差滤波与跨视角协方差滤波分成两级，用可学习多项式在协方差谱上代替典型相关分析中的白化与奇异向量选择，并直接按下游任务训练。在脑影像与运动传感的七个数据集上，CANE在其中六个取得最佳或并列最佳表现，ADNI1的年龄预测平均绝对误差为4.97岁，参数量常比双视角VNN更少。

大模型补知识正从预设流程转向由评测引导的定向更新，但定位到薄弱点并不等于知道该用哪种干预。递归知识改进（RKI）把知识组织成图结构单元，在每一轮定位薄弱点、依据诊断证据与干预历史估计模型当前的知识状态，再选择对应干预并在更新后重新评测。在HotpotEval与SafeInternalEval上，RKI相对已有知识注入方法平均高出18.41分；分析还显示知识状态能为干预选择提供薄弱点定位之外的额外指引，且模型更新后状态可能改变而观察到的薄弱点仍然存在。

大模型补知识正从预设流程转向由评测引导的定向更新，但定位到薄弱点并不等于知道该用哪种干预。递归知识改进（RKI）把知识组织成图结构单元，在每一轮定位薄弱点、依据诊断证据与干预历史估计模型当前的知识状态，再选择对应干预并在更新后重新评测。在HotpotEval与SafeInternalEval上，RKI相对已有知识注入方法平均高出18.41分；分析还显示知识状态能为干预选择提供薄弱点定位之外的额外指引，且模型更新后状态可能改变而观察到的薄弱点仍然存在。

门控循环网络的长程记忆瓶颈被定位到“门本身也要靠同一套循环计算学出来”，在受控序列分类任务里给训练集加入短依赖样本后，GRU与LSTM在长依赖测试上的准确率从接近随机回到约九成以上，并追平或超过Mamba与xLSTM。

门控循环网络的长程记忆瓶颈被定位到“门本身也要靠同一套循环计算学出来”，在受控序列分类任务里给训练集加入短依赖样本后，GRU与LSTM在长依赖测试上的准确率从接近随机回到约九成以上，并追平或超过Mamba与xLSTM。

该工作用 SHAP 与 νSHAP 两种互补的 Shapley 解释方法，分析多层感知机、highway 与 softmax 参数化 highway 三类架构下 Heston 与 rough Heston 的神经校准映射，发现短期限与隐含波动率微笑两翼持续主导参数推断、主导归因结构在不同架构间定性稳定，并利用 νSHAP 揭示的输入冗余在 rough Heston 上大幅降低输入维度同时保持与完整隐含波动率曲面相当的校准精度。

该工作用 SHAP 与 νSHAP 两种互补的 Shapley 解释方法，分析多层感知机、highway 与 softmax 参数化 highway 三类架构下 Heston 与 rough Heston 的神经校准映射，发现短期限与隐含波动率微笑两翼持续主导参数推断、主导归因结构在不同架构间定性稳定，并利用 νSHAP 揭示的输入冗余在 rough Heston 上大幅降低输入维度同时保持与完整隐含波动率曲面相当的校准精度。

作者把多智能体系统的协调重新表述为数据管理问题，提出用“状态足迹”描述智能体在自身局部上下文与状态以及编排器和外部系统状态中读取和写入的范围，指出当前编排器不追踪这些读写状态，导致并发异常即使在简单编码任务中也会出现，并论证多智能体系统需要类似数据库的保证，但与数据库事务不同：智能体不从固定模式或隔离快照读取，失败后也无法确定性重放，因此可以语义化地解决冲突而非中止，并据此勾勒下一代智能体编排器与外部系统事务性接口的愿景。

作者把多智能体系统的协调重新表述为数据管理问题，提出用“状态足迹”描述智能体在自身局部上下文与状态以及编排器和外部系统状态中读取和写入的范围，指出当前编排器不追踪这些读写状态，导致并发异常即使在简单编码任务中也会出现，并论证多智能体系统需要类似数据库的保证，但与数据库事务不同：智能体不从固定模式或隔离快照读取，失败后也无法确定性重放，因此可以语义化地解决冲突而非中止，并据此勾勒下一代智能体编排器与外部系统事务性接口的愿景。

该论文以2023年一场有49名学生参与的研讨会为动因案例，批判性地反思了设计教育中使用生成式AI的能源成本，并提出五组替代立场及相关行动，以支持在设计教育中有意识地使用生成式AI。

该论文以2023年一场有49名学生参与的研讨会为动因案例，批判性地反思了设计教育中使用生成式AI的能源成本，并提出五组替代立场及相关行动，以支持在设计教育中有意识地使用生成式AI。