• 一种多时间复杂度的量子编程语言

  摘要随着量子计算作为一种有前景的计算范式逐渐兴起，量子编程语言为抽象编程与其硬件实现之间的衔接提供了工具。在某些情况下，受限的编程语言甚至可以为更高效的电路编译策略提供途径。在这项工作中，我们介绍了foq，这是一种支持量子控制和递归的一阶量子编程语言。我们证明了其语法受限的子集pfoq在量子多项式时间计算中是完备且正确的。这是通过限制程序的递归深度和分支宽度来实现的，同时我们展示了这种语言仍然适用于各种有趣的应用场景，例如量子隐形传态和量子傅里叶变换。pfoq是首个基于编程语言对量子复杂度类fbqp进行描述的工具，我们提供了一种保持语义的编译算法，使得任何pfoq程序都可以被编译成输入量子比特

  来源：ACM Transactions on Quantum Computing

  时间：2025-11-08

• 从密码学的角度探讨量子优势的可验证性

  摘要近年来，在NISQ设备上实现可验证的量子优势已成为量子信息领域的一个重要未解决问题。基于采样的量子优势目前尚缺乏高效的验证方法。本文从密码学的角度探讨了量子优势的验证问题。我们建立了量子优势的可验证性与密码学及复杂性原语之间的紧密联系，这些原语包括可高效采样的、在统计上难以区分但在计算上无法区分的（混合）量子态对（EFI）、伪随机态（PRS）以及最小电路尺寸问题的变体（MCSP）。具体来说，我们证明了：a) 基于采样的量子优势要么是可验证的，要么可以用来构建EFI甚至PRS；b) 如果存在针对MCSP的多项式时间算法，那么这将意味着量子优势的高效验证成为可能。我们的研究表明，对可验证量子优

  来源：ACM Transactions on Quantum Computing

  时间：2025-11-08

• PoCo：通过共享的多生产者多消费者缓冲区支持扩展任务并行的高性能流处理（HLS）编程

  摘要高级综合（HLS）工具的进步使得在FPGA上实现任务级并行成为可能。然而，现有的框架主要采用单生产者单消费者（SPSC）模型进行任务通信，这限制了应用场景的范围。随着任务并行系统中任务数量的增加，设计分析变得更为复杂。为现有设计添加新功能通常需要重新配置多个任务接口、重新设计整体任务间连接，并描述新的布局方案。本文提出了一种名为PoCo的新框架，用于在任务并行系统中设计可扩展的多生产者多消费者（MPMC）模型。PoCo引入了共享缓冲区抽象机制，以便动态且高带宽地访问片上共享内存资源；它采用了对延迟不敏感的通信方式，并实施了基于布局的优化设计策略来减轻路由拥塞问题。前端提供了便捷的API来访

  来源：ACM Transactions on Reconfigurable Technology and Systems

  时间：2025-11-08

• CD-LLM：一种异构多FPGA系统，采用专用计算架构批量解码700亿个以上的大型语言模型（LLMs）

  摘要具有700亿个或更多参数的大型语言模型（LLMs）越来越多地被应用于基于云的模型即服务（MaaS）场景中。为了满足这些部署的需求，MaaS提供商需要批处理LLM解码系统，这些系统能够在实现高系统吞吐量（STP）的同时最小化总拥有成本（TCO）。然而，现有的基于FPGA的解决方案主要关注小批量或单批量推理，无法满足批处理LLM解码的计算需求，从而导致性能差距高达7.96倍。此外，在批处理解码场景中，多头注意力操作的使用率很低（例如，在A100 GPU上仅为3.72%），这进一步限制了吞吐量并增加了TCO。为了解决这些挑战，本文介绍了CD-LLM，这是一种专为高效批处理解码具有700亿以上参数

  来源：ACM Transactions on Reconfigurable Technology and Systems

  时间：2025-11-08

• OpenDRAM：一种用于DDR4 DRAM的模块化、高性能软内存控制器

  摘要我们提出了OpenDRAM，这是一种专为FPGA设计的高性能、可综合的DDR4 DRAM软内存控制器（MC）。由于DRAM的运行频率通常高于内存控制器（通常为4×），为了充分利用DRAM的带宽，硬化的DDR4物理接口要求控制器在单个时钟周期内发送四条DRAM命令。OpenDRAM是一款模块化、可扩展的内存控制器，实现了高性能的银行并行调度器。我们详细介绍了OpenDRAM逻辑模块的设计及其与AMD现有的内存接口生成器（MIG）模块的集成，用于初始化、维护和接口连接。该集成项目已在AMD Virtex UltraScale+ FPGA上进行了全面验证。我们使用合成内核和加速器内核对OpenD

  来源：ACM Transactions on Reconfigurable Technology and Systems

  时间：2025-11-08

• 利用有限的蜂窝信息实现无处不在且开销低的楼层识别

  摘要由于对基于位置的室内服务（尤其是紧急响应服务）的需求不断增加，楼层识别技术受到了广泛关注。最近，利用蜂窝信号进行楼层识别变得尤为重要，因为蜂窝技术已经无处不在。然而，所有现有的系统都需要同时从多个蜂窝基站获取信息，而这在大多数手机上是无法实现的，从而严重限制了这些系统的部署能力。我们提出了 UniCellular，这是一种无处不在且易于部署的楼层识别系统。UniCellular 是首个仅通过服务蜂窝基站接收到的信号强度信息就能满足监管机构精度要求的系统。它通过一系列信号测量来克服仅使用服务基站时信息有限的问题。我们的系统解决了影响精度和部署能力的多种挑战，包括蜂窝数据噪声、过拟合、数据收集

  来源：ACM Transactions on Spatial Algorithms and Systems

  时间：2025-11-08

• 通过空间网络中的局部K函数实现渐进式且可扩展的热点检测

  摘要地理标记数据的广泛可用性结合现代地图服务，使得数据能够准确地与空间网络关联起来。在空间网络上应用统计分析（如热点检测）对于精确的量化和模式分析至关重要，这有助于在各种重要应用中做出有效的决策。现有的空间网络热点检测算法要么缺乏关于检测到的热点的充分统计证据（例如聚类分析），要么需要高昂的计算成本才能提供这些证据。在本文中，我们提出了基于网络局部K函数的热点检测算法，这些算法可以处理预定义和未知的热点半径。K函数是一种广泛用于网络模式分析的统计方法，能够帮助理解空间网络中活动和事件的密度与分布。然而，由于其效率低下，尤其是对于大型网络而言，它的实际应用受到了限制。通过使用真实和合成数据集进行

  来源：ACM Transactions on Spatial Algorithms and Systems

  时间：2025-11-08

• HiSpMM：在配备HBM的FPGA上进行的高性能、高带宽的稀疏-密集矩阵乘法运算

  摘要稀疏矩阵与密集矩阵相乘（SpMM）是科学计算、机器学习和图分析中的关键操作。然而，在FPGA上加速SpMM面临重大挑战，这主要是由于不规则的内存访问模式和工作负载分布不平衡。在这项工作中，我们解决了配备高带宽内存（HBM）的FPGA上进行SpMM加速时的一个根本性瓶颈问题，即处理单元（PEs）之间的工作负载不平衡。此外，我们还克服了现有设计中的一个可扩展性障碍——即PEs与HBM通道之间的紧密耦合，这种耦合限制了密集矩阵访问的效率。我们还提供了一个自动化的设计空间探索框架。我们提出了HiSpMM，这是一种高性能的SpMM加速器架构，它通过引入密集行共享机制来减轻PEs的利用率不足问题，通过

  来源：ACM Transactions on Reconfigurable Technology and Systems

  时间：2025-11-08

• 理解基于ChatGPT的推荐系统中的偏见：提供商公平性、时间稳定性和时效性

  摘要本文探讨了基于ChatGPT的推荐系统中存在的偏见，重点关注提供者公平性（即项目层面的公平性）。通过大量的实验和超过一千次API调用，我们研究了提示设计策略（包括结构、系统角色和意图）对评估指标的影响，这些指标包括提供者公平性、目录覆盖范围、时间稳定性和时效性。第一个实验在经典的前K推荐中检验了这些策略，而第二个实验则评估了顺序上下文学习（ICL）的效果。在第一个实验中，我们评估了七种不同的提示场景对前K推荐准确性和公平性的影响。以准确性为导向的提示（如Simple和Chain-of-Thought (COT)）表现优于多样化提示，尽管多样化提示提高了内容的时效性，但准确性降低了多达50%

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• 通过使用大型语言模型重新排序来提高推荐结果的多样性

  摘要推荐系统（RS）应提供多样化的推荐结果，而不仅仅是相关的推荐。多样性有助于应对不确定性，并为用户提供有意义的选择。文献中提出了多种提高多样性的方法，最显著的是通过对更广泛的候选推荐进行重新排序和选择。本文基于文献中关于如何将多功能大型语言模型（LLM）整合到推荐系统流程中的有前景的见解，展示了如何利用LLM来实现多样性的重新排序。我们使用不同的提示模板和重新排序指令，以零样本的方式让LLM从候选排名中生成多样化的排名结果。我们测试了来自GPT和Llama系列的先进LLM，并将其重新排序能力与随机重新排序以及文献中的各种传统重新排序方法进行了比较。我们将实验代码开源，以便他人能够复现我们的结

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• 利用大语言模型（LLMs）改进序列推荐系统

  摘要在过去的几年中，序列推荐问题引起了大量的研究关注，从而催生了众多推荐模型的出现。在这项工作中，我们探讨了大型语言模型（LLMs）如何被用于构建或改进序列推荐方法。目前，LLMs在许多基于人工智能的应用中发挥着颠覆性的作用。具体而言，我们设计了三种正交的方法及其组合，以不同的方式利用LLMs的强大功能。此外，我们通过关注每种方法的技术细节并确定每种方法的多种替代方案来研究其潜力。我们在三个数据集上进行了广泛的实验，尝试了多种配置，包括不同的语言模型和基线推荐模型，以全面了解每种方法的性能表现。我们的研究发现，使用从LLM获得的嵌入来初始化先进的序列推荐模型（如BERT4Rec或SASRec）

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• 儿科医生对多西环素暴露后预防措施的看法

  摘要简而言之通俗语言总结多西环素暴露后预防是一种化学预防措施，可能降低18岁及以上高风险群体中某些性传播感染的风险。本研究对美国167名儿科医生进行了横断面调查，约40%的医生表示对多西环素暴露后预防措施感到不熟悉或不安，并指出使用该措施存在各种障碍。一项针对美国儿科初级和专科医生的横断面调查显示，他们在为年轻人开具多西环素暴露后预防处方方面的熟悉程度和意愿存在显著差异，同时他们也提到了使用该措施时遇到的障碍。通俗语言总结本研究调查了167名美国儿科医生对使用多西环素暴露后预防措施预防性传播感染的看法。研究主要关注18岁及以上的高风险群体，尽管参与调查的医生本身都是儿科专家。约40%的医生表示

  来源：Sexually Transmitted Diseases

  时间：2025-11-08

• 综述：基于尿液的人乳头瘤病毒（HPV）筛查的叙事性综述：在美国的检测效果、面临的挑战以及扩大筛查覆盖范围的机会

  摘要 简而言之 通俗语言总结 背景 在美国，每年约有12,000例新的宫颈癌病例被诊断出来，这主要是由于筛查机会有限。基于尿液的人类乳头瘤病毒（HPV）检测提供了一种无创的自我采样方法，可以改善筛查的可及性。我们对基于尿液的HPV检测方法进行了叙述性回顾，重点关注其诊断性能和可行性。 方法 通过使用“尿液”、“筛查”、“诊断测试”和“HPV”等搜索词，我们从2006年1月1日到2024年12月31日在PubM

  来源：Sexually Transmitted Diseases

  时间：2025-11-08

• 镜子啊，镜子：探究可能传达到儿童手中的热门推荐中的刻板印象现象

  摘要儿童在成长过程中通过观察刻板化的表达方式形成固定观念，这些观念会影响他们未来的信念、态度和行为。这些通常带有负面含义的观念会通过各种在线媒体平台传播，比如流媒体服务和社交媒体。由于这些平台上展示的许多内容都是由推荐算法（RAs）挑选的，因此研究推荐算法在推荐可能对儿童产生负面影响的内容方面的作用变得至关重要。我们通过实证评估来探讨这一问题，分析了在两个知名数据集（Movielens：电影；GoodReads：书籍）中，多种推荐算法生成的Top 10推荐结果中是否存在性别、种族和宗教方面的刻板印象。分析结果显示，所有推荐算法都经常推荐具有刻板印象的内容。性别刻板印象尤为普遍，几乎出现在每一个

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• Text2Bundle：迈向基于个性化查询的捆绑包生成

  摘要打包生成的目标是为用户提供一组相关物品，这一技术在在线服务平台上得到了广泛的研究和应用。现有的打包生成方法主要依赖于用户历史交互中的偏好信息，忽略了用户当前通过自然语言表达的明确查询需求。在实际应用中，有时用户会主动使用自然语言描述来查询所需的产品包，系统应能够根据用户的查询内容和偏好生成符合其需求的打包结果。我们将这种用户友好的场景定义为“基于查询的打包生成”（Query-based Bundle Generation）任务，并提出了一种新的框架Text2Bundle，该框架同时结合了用户当前查询中的短期兴趣和历史交互中的长期偏好信息。我们的框架包含三个模块：（1）基于大型语言模型的意图

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• LXR：学习如何解释推荐结果

  摘要推荐系统已成为许多在线服务的重要组成部分，它们利用用户数据提供个性化推荐。然而，随着这些系统复杂性的增加，理解其推荐背后的逻辑变得越来越困难。可解释人工智能（XAI）作为一个关键领域应运而生，旨在解决这一挑战，特别是在确保自动化决策过程的透明度和可信度方面。在本文中，我们介绍了“学习解释推荐”（LXR），这是一个可扩展的、与模型无关的框架，旨在为推荐系统生成符合事实的正确解释。LXR可以为任何可微分的推荐系统生成的推荐生成解释。通过结合事实性和反事实性的损失项，LXR提供了稳健、准确且计算效率高的解释，这些解释反映了模型的内部决策过程。LXR的一个关键特点是通过反事实推理来确保解释的事实准

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• 研究推荐系统中多类型敏感属性在结果和流程方面的用户端公平性

  摘要推荐系统被广泛用于解决用户面临的信息过载问题，其中不公平性问题亟需得到缓解。当前在推荐系统领域进行的用户端公平性研究旨在确保用户的敏感属性在结果或过程方面的独立性。具体而言，前者强调基于敏感属性的用户群体之间的结果公平性，为此提出了正则化方法来减少推荐结果的不平衡；后者关注敏感属性与推荐过程之间的独立性，对抗学习被广泛用于从单个用户的表示中去除敏感信息。然而，很少有研究探讨这些方法在特定场景下同时平衡群体层面的结果公平性和个体层面的过程公平性的效果。此外，现有的实验主要针对一种类型的用户属性（例如行为属性或人口统计属性）进行，而忽略了其他可能的敏感属性（如心理属性）。在本文中，我们研究了正

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• 迈向碳足迹意识的推荐系统：以实现更环保的商品推荐

  摘要在线购物的普及对气候产生了前所未有的影响，其主要参与者的排放量与大型都市的排放量相当。尽管在线购物依赖于推荐系统（RecSys）算法的驱动，但这些算法在促进更可持续消费选择方面的作用和潜力却鲜有研究。造成这一现象的主要原因可能是缺乏包含商品碳足迹数据的数据集。虽然构建此类数据集是一项具有挑战性的任务，但其存在对于开辟新的研究方向、评估方法和途径至关重要。在本文中，我们针对这一瓶颈问题，探讨了推荐系统算法对环境的影响。首先，我们收集了一个包含商品碳足迹数据的数据集。接着，我们从准确性和可持续性的角度对传统推荐系统算法进行了评估。研究发现，专注于提高准确性的算法往往忽视了环保因素；而推荐列表长

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• 风险认知、预期性行为以及澳大利亚旅行者感染性传播感染的潜在风险：一项横断面研究

  ```section> 摘要 通俗语言总结 背景 旅行过程中机会的增加导致了旅行者性行为的改变，这增加了他们感染性传播疾病（STIs）的风险。然而，关于旅行者对风险的认知、他们与新性伴侣交往的意愿，以及可能使他们面临STI感染风险的行为的研究仍然有限。本研究旨在评估澳大利亚旅行者对STI感染风险的认识及其预期的性行为。 方法 2023年7月至2024年8月期间，对计划在未来6个月内出国旅行的澳大利亚居民（年龄≥18岁）进行了一项横断面在线调查。调查在5家旅行医学联盟诊所和Gladstone Road医疗中心进行。收集了受访者的社会人口统计学信息、旅行计划、性行为

  来源：Sexually Transmitted Diseases

  时间：2025-11-08

• 南非女性中的亲密伴侣暴力和性传播感染：对年龄差异的评估

  ```section> 摘要 简要概述 通俗语言总结 研究目的 亲密伴侣暴力（IPV）和性传播感染（STIs）仍然是全球及南非面临的公共卫生问题。然而，关于IPV与STIs之间关系的研究，以及南非女性中可能存在的年龄差异的研究仍然不足。因此，本研究旨在探讨不同形式的IPV（性暴力、身体暴力和情感暴力）与南非女性STI诊断之间的关联，并评估这种关联中的年龄差异。 研究方法 数据来源于2017年南非全国HIV流行率、发病率、行为和传播状况的家庭横断面调查（N = 8505）。通过使用粗略逻辑回归模型和多变量逻辑回归模型（调整种族、教育和地区因素），研究了过去一年内

  来源：Sexually Transmitted Diseases

  时间：2025-11-08

知名企业招聘：