• 利用大型语言模型实现智能家居中可解释的活动识别：一项关键性评估

  摘要可解释人工智能（XAI）旨在揭示机器学习模型内部的推理机制。在物联网（IoT）系统中，XAI 提高了模型处理来自多种异构设备的传感器数据的透明度，确保最终用户能够理解并信任模型的输出结果。在众多应用场景中，XAI 还被用于智能家居中基于传感器的日常生活活动（ADLs）识别。现有的方法会确定哪些传感器事件对每个预测的活动最为关键，并利用简单规则将这些事件转换为非专业用户能够理解的自然语言解释。然而，这些方法生成的解释较为刻板，缺乏自然语言的灵活性且不具备可扩展性。随着大型语言模型（LLMs）的兴起，探索它们是否能够提升解释生成能力变得很有意义，因为这些模型在理解人类活动方面表现出色。本文研究

  来源：ACM Transactions on Internet of Things

  时间：2025-11-08

• 从事故现场到解决方案：基于大语言模型的智能体助力高效处理交通事故

  摘要生成式代理能够模拟人类行为并协作完成复杂任务，有潜力彻底改变交通事故的调查方式。在这项研究中，我们设计了TAA（Traffic Accident Agents），这是一个基于扩展型大型语言模型（LLMs）的高级框架，用于数字模拟城市事故处理流程及相关方之间的互动。TAA通过自然语言编码明确了所有相关方的角色、职责和互动方式，并利用这一知识库来协调执行工作流程。该系统促进了可信的代理间互动，生成了全面的报告，并通过记忆机制来规划和优化后续行动。我们评估了TAA在多个ChatGPT版本上的性能，重点关注其在生成可靠互动、做出基于上下文的决策、维持长时间对话以及生成准确报告方面的能力。分析还包括

  来源：ACM Transactions on Internet of Things

  时间：2025-11-08

• 利用多目标多基因遗传编程对现实世界水分配网络中的泄漏进行预测

  摘要理解水泄漏问题是水务领域中的一个重要挑战，旨在减少水分配网络中的浪费、能源消耗和碳排放。通常情况下，泄漏量被近似为每个计量区（DMA）的夜间最小流量。然而，并非所有计量区都配备了直接监测泄漏或导致泄漏的主要动态因素的仪器。因此，本文通过利用水务公司定期收集的管道特征数据来估算泄漏量。该问题被视为一项用于多实例回归的特征构建任务，并采用多目标多基因强类型遗传编程方法来创建一组特征，这些特征随后被线性回归模型用来估算各计量区的平均泄漏量。该方法应用于一家水务公司的大型供水区域数据集（包含790个计量区），其结果与之前使用人工构建特征的研究结果进行了比较。通过对多次运行中特定特征的出现情况进行非

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2025-11-08

• 人机交互中的社会身份：入门指南

  摘要社会身份理论（SIT）和社会分类理论（SCT）是社会身份方法（SIA）的两个方面，用于理解社会现象。这两种理论描述并解释了人们如何在社会中互动，通过理解潜在的心理机制和群体间行为将个体与群体联系起来。SIT最初发展于20世纪70年代，而SCT则是后来更为通用的衍生理论，已被广泛应用于各种人类社会现象的研究中。随着越来越多嵌入日常生活的“社会机器”的出现，人们开始探讨人工智能代理是否以及如何参与社会身份相关的活动。随着由复杂大型语言模型（LLMs）驱动的社交机器人和聊天机器人的发展，理解这些技术作为社会实体的真实角色和潜在影响变得至关重要。本文简要介绍了社会身份方法，并通过案例研究和假设性例

  来源：ACM Transactions on Human-Robot Interaction

  时间：2025-11-08

• 从序列数据库中挖掘具有高平均效用且不重叠的模式

  摘要作为数据挖掘中的一个关键方面，高平均效用序列模式挖掘（SPM）旨在发现序列数据中的低频高平均效用模式（子序列）。大多数现有的高平均效用SPM方法忽略了每个序列中模式的重复出现，导致一些重要模式被忽略。为了解决这个问题，我们专注于从序列数据库中挖掘高平均效用非重叠模式（HUPs）的问题，并提出了一种HUP-Miner算法。为了减少对原始数据库的重复扫描需求，我们使用了一个位置字典来记录每个元素的出现信息。为了减少生成的候选模式数量，我们采用了模式连接策略并探索了四种剪枝策略。为了高效计算模式的平均效用，我们提出了一种利用子模式出现位置的SPC算法。与12种竞争算法相比，在14个数据库上的实验

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-08

• 拟人化机器人中“可爱”特征的普遍性及其潜在问题

  摘要可爱是一种强大的审美元素，心理学研究表明，诸如婴儿、小动物和玩具等可爱的东西能够吸引并维持我们的注意力，促进养育行为，并影响我们的偏好。因此，在许多消费品（包括机器人产品）中，可爱元素被广泛采用。然而，我们认为设计可爱的拟态机器人可能会带来一些问题，因为这些机器人与各种动物之间存在相似性，从而引入了复杂的因素。我们总结了可爱在动物和机器人领域中的影响，并通过比较不同犬类拟态机器人及犬种中的“婴儿图式”特征（baby schema features），分析了这两个领域的交集。最后，我们对可爱拟态机器人的优缺点进行了探讨，并提出了一种以动物福祉为中心的新设计方法。本研究的目的是整合来自不同学科

  来源：ACM Transactions on Human-Robot Interaction

  时间：2025-11-08

• 在部分可观测环境中对具有混合角色的真实演员进行异步训练

  摘要在合作训练中，团队中的人员需要协同完成复杂任务，构建对队友的心理模型，并学会实时适应队友的行为。为了减少合作训练中常见的时间安排限制，本文提出了一种“人类团队的异步合作训练”模式，在这种模式下，受训者与自主运行的队友（而非真实的人类队友）进行协调训练。我们设计了一种新的实验方法，用于评估自主运行的队友是否适合作为合作训练的伙伴。我们将这种方法应用于一项以人类受试者为对象的实验中：受训者要么与另一名人类受试者一起训练，要么与自主运行的队友一起训练，并通过一款专为本研究开发的新合作游戏来评估他们的表现。值得注意的是，我们采用了无监督的序列聚类算法，将实验中展示的队友行为轨迹进行分类，从而将训练

  来源：ACM Transactions on Human-Robot Interaction

  时间：2025-11-08

• OCP：电动汽车的主动最优充电规划

  摘要由于电动车辆的续航里程有限、充电设施不足以及充电过程耗时较长，与传统车辆相比，优化电动汽车的充电路线面临着独特的挑战。行驶过程中电动汽车的充电时间和地点不仅会影响该车辆的行驶时间，还会影响其他车辆，因为充电站可能会形成排队现象。这一问题在许多国家被视为阻碍电动汽车销量提升的重要因素。在这项研究中，我们提出了一个新颖的电动汽车路径规划问题，该问题包括两个部分：(i) 为电动汽车的行驶请求寻找包含充电站的最快路线。我们将这个问题建模为一个新的图论问题，并证明了其NP难度。我们提出了一种创新的两阶段算法，能够高效地遍历图谱以确定每辆电动汽车的最佳充电路线。(ii) 我们寻找行驶时间最短的路线，同

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-08

• RenHaze：一种从粗粒度到细粒度的渲染框架，用于提升对雾气的鲁棒性

  摘要以图像为中心的大规模数据集推动了基于深度学习的计算机视觉应用的进步。虽然存在大量包含良好天气场景图像的数据集，但由于收集难度较大，包含恶劣天气条件（尤其是雾霾）图像的数据集非常稀少。为了解决这一问题，我们利用深度学习技术的优势，提出了一种新的方法来生成真实且多样的雾霾图像，该方法被称为RenHaze。具体来说，RenHaze采用了一个密度参数ω来控制输出图像的雾霾程度，并由五个子网络组成：内容利用（CE）子网络、深度利用（DE）子网络、雾霾利用（HE）子网络、图像生成（IG）子网络和图像辨别（ID）子网络。CE、DE和HE子网络分别负责从原始清晰图像、深度图像和参考雾霾图像中提取特征，并将

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-08

• 基于大型语言模型（LLM）的启发式自动化设计中的超参数在线优化

  摘要大型语言模型（LLMs）在自动生成和优化（元）启发式算法方面展现了巨大潜力，使其成为启发式优化任务中的宝贵工具。然而，LLMs在微调生成算法的超参数时通常效率较低，往往需要大量查询，从而导致较高的计算和成本开销。本文提出了一种新颖的混合方法LLaMEA-HPO，该方法将开源的LLLaMEA（大型语言模型进化算法）框架与超参数优化（HPO）过程相结合。通过将超参数调优任务交给HPO程序处理，LLLaMEA-HPO框架使LLM能够专注于生成新的算法结构，从而减少所需的LLM查询次数，并提高优化过程的整体效率。我们在包括在线装箱问题、黑盒优化问题和旅行商问题在内的基准问题上对所提出的混合框架进行

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2025-11-08

• 在广泛使用的进化多目标算法优于简单算法的情况下，对函数运行时间的分析

  摘要在进化多目标优化中，运行时间分析用于研究进化多目标算法（EMOAs）覆盖帕累托前沿的（预期）时间。最近，这种分析方法已被应用于NSGA-II、NSGA-III和SMS-EMOA算法。然而，大多数分析表明，这些广泛使用的算法的运行时间保证与最简单的EMOA算法（G）SEMO相同。据我们所知，没有运行时间分析能够证明某种流行的EMOA算法在确定性问题上优于（G）SEMO。我们提出了一些问题来说明流行EMOA算法相对于（G）SEMO的优越性。我们引入了一种多目标问题的分类方法，并识别出所谓的a和b-帕累托稀疏问题，这类问题对于（G）SEMO来说较为困难，因为帕累托最优解之间的距离较大。我们已经证

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2025-11-08

• 基于用户焦虑情绪的蜘蛛模型：强化学习如何为虚拟现实中的个性化蜘蛛恐惧症治疗提供理想的用户体验

  摘要在个性化虚拟现实暴露疗法（VRET）的背景下，需要生成一种能够引发特定焦虑反应的虚拟蜘蛛。这种疗法要求患者观察虚拟蜘蛛以降低他们对蜘蛛的恐惧感，因此这些虚拟蜘蛛必须能够引发相应的焦虑反应。然而，传统的VRET方法通常需要治疗师为每位患者手动选择合适的虚拟蜘蛛，这一过程不仅耗时，还要求治疗师具备较高的技术素养和对患者情况的深入了解。尽管已有自动化方法，但这些方法大多基于规则进行设计，难以根据用户的具体情况做出调整。为了解决这些问题，我们提出了一种结合程序化内容生成（PCG）和强化学习（RL）的VRET框架，该框架能够自动调整虚拟蜘蛛的设计，以引发患者所需的焦虑反应。实验结果表明，该系统的性能

  来源：ACM Transactions on Interactive Intelligent Systems

  时间：2025-11-08

• 用于低基数分类的梯度提升编程

  摘要梯度提升是一种构建集成模型的有效方法。我们展示了遗传编程如何利用这种方法来处理各种分类任务。所提出的梯度提升编程方法分为两个阶段：第一阶段生成多种基础学习器（程序）；第二阶段针对这些程序的表示形式应用梯度提升算法。最终形成的集成模型是通过对各个基础学习器进行叠加构建的，并且为每个学习器学习到一个类别概率分布。我们在21个分类数据集上进行了广泛的基准测试，这些数据集涵盖了类别不平衡、类别数量较多以及特征识别等场景。结果表明，在11个低类别数量的任务中，该方法的表现显著优于随机森林（Random Forests）和XGBoost等其他集成方法，并且通常能够识别出更简单的模型。

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2025-11-08

• 利用深度视觉模型中的子空间对人类概念进行建模

  摘要改进对日常语义类别（如动物或食物）的人类表征建模，有助于提高人工智能系统与人类之间的匹配度。人类被认为通过捕捉相关变异的维度来表示这些类别，从而定义类别成员之间的关系。在人工智能系统中，一个类别的表征空间由其成员之间的距离决定。重要的是，在这种情况下，所有类别的距离计算都使用相同的特征。在两项实验中，我们发现通过修剪模型的特征空间以更好地匹配人类对某个类别的表征，会筛选出不同的模型特征和不同的子空间来表示不同的类别。此外，我们还提供了一个概念验证，展示了这些发现对于评估人工智能系统生成的图像质量的重要性。

  来源：ACM Transactions on Interactive Intelligent Systems

  时间：2025-11-08

• 人工智能在人机协同创造中的心智模型探索：一个框架与见解

  摘要随着人工智能在创意领域中的应用日益普遍，理解用户在人机协同创作中对人工智能的心理模型变得至关重要，因为这些心理模型直接影响用户体验。此外，深入了解用户的心理模型对于开发以用户为中心的协同创作型人工智能也非常重要。本文提出了一个框架，用于探索用户对协同创作型人工智能的心理模型。通过一项大规模研究（样本量n=155），我们研究了两种现有人工智能系统ChatGPT和Stable Diffusion在协同创作情境下的用户心理模型。参与者在与人工智能共同完成创造性任务的同时填写了调查问卷，从而揭示了他们的心理模型及其与人口统计因素和用户伦理立场之间的关联。研究结果强调了在协同创作情境下人工智能心理模

  来源：ACM Transactions on Interactive Intelligent Systems

  时间：2025-11-08

• 怀疑论者：一种用于打击新闻领域潜在虚假信息的混合框架

  摘要新闻领域中错误信息的传播往往源于错误的推理和逻辑谬误，这对公众对新闻媒体的理解和信任构成了重大挑战。传统的事实核查方法虽然很有价值，但无法发现那些看似真实的内容中可能误导读者的微妙逻辑矛盾。为了解决这一问题，我们推出了Skeptik这一混合框架，它将大型语言模型（LLMs）与启发式方法相结合，用于分析和标注在线新闻文章中的潜在逻辑谬误和推理错误。作为浏览器扩展程序，Skeptik能够自动标记可能包含逻辑谬误的句子，提供详细解释，并提供多层次的辅助功能，帮助读者批判性地评估所呈现的信息。该系统具有可扩展性，能够处理多种类型的谬误，并适应不断变化的错误信息传播手段。通过全面的案例研究、定量分析

  来源：ACM Transactions on Interactive Intelligent Systems

  时间：2025-11-08

• EMsaaS：一个用于边缘计算微服务的分散式市场

  摘要本研究提出了一种名为EMsaaS的市场平台模型，用于在边缘计算环境下的物联网（IoT）网络中共享微服务。容器化的微服务因其轻量级特性、独立的生命周期以及良好的可扩展性，非常适合用于边缘计算环境中的实时IoT应用。然而，由于边缘网络的带宽限制和资源约束，按需部署微服务往往容易出现故障。此外，托管容器化应用镜像的集中式镜像注册库通常位于距离边缘节点较远的位置，这会导致镜像下载时的延迟，并且这些注册库还存在单点故障的风险。本研究提出了一种基于点对点（P2P）技术的去中心化机制来实现微服务在边缘网络中的共享。我们设计了一个名为Edge Microservice Tracker的组件，并将其部署在参

  来源：ACM Transactions on Internet of Things

  时间：2025-11-08

• 用于边缘计算的可持续大语言模型推理：评估量化大语言模型在能效、输出准确性和推理延迟方面的表现

  摘要在边缘设备上部署大型语言模型（LLMs）面临诸多挑战，这些挑战源于计算资源限制、内存容量不足、推理速度慢以及能耗问题。模型量化已成为一种关键技术，通过减小模型规模和计算开销来提升LLMs的推理效率。在这项研究中，我们全面分析了Ollama库中的28个量化模型，这些模型默认采用了训练后量化（PTQ）和仅针对权重进行量化的方法，并被部署在具有4GB RAM的边缘设备（Raspberry Pi 4）上。我们评估了不同量化级别和任务类型下的能效、推理性能以及输出准确性。这些模型在五个标准化数据集（CommonsenseQA、BIG-Bench Hard、TruthfulQA、GSM8K和Human

  来源：ACM Transactions on Internet of Things

  时间：2025-11-08

• 揭示基于ROS2的自主系统中未被充分探索的运行时行为

  摘要基于ROS2的自主系统在安全性和性能要求极高的领域（如自动驾驶和移动机器人技术）中得到了越来越多的应用。尽管现有研究提出了多种针对ROS2的时序分析和调度策略，但许多策略依赖于一些在现实应用中并不成立的简化假设。在本文中，我们对基于ROS2的自主系统进行了详细的实证研究，揭示了一些尚未被充分探讨的运行时行为，这些行为对系统的实时性能和功能表现有着重要影响。这些行为包括部分因果链的重要性、动态执行路径和时序变化性、非FIFO数据访问模式，以及不受ROS2执行器控制的计算线程。我们扩展了一种现有的跟踪工具，以支持Transform库和ROS2的Action实体，从而能够重建和分析真实的因果链。

  来源：ACM Transactions on Internet of Things

  时间：2025-11-08

• 以人为中心的可解释人工智能的设计原则：一项范围综述

  摘要以人为中心的可解释人工智能（HCXAI）领域正在迅速发展。随之而来的是，提出HCXAI设计原则的论文数量也在增加。然而，目前尚不清楚这些论文之间的设计要求在多大程度上存在重叠，以及该领域整体上认为哪些属于HCXAI的设计要求。为了解决这一问题，本研究通过对提出HCXAI设计原则的论文进行范围审查，并对提取出的原则进行内容分析，来梳理该领域的现状。从35篇论文中共识别出330条设计原则，这些原则被归类为43个类别，并归纳为四个主要研究方向。基于这些发现，我们提出了HCXAI的定义，将其视为一种设计流程而非特定的XAI技术。最后，本文概述了HCXAI的当前发展状况，并指出了需要进一步研究的领域

  来源：ACM Transactions on Interactive Intelligent Systems

  时间：2025-11-08

知名企业招聘：