• 中立的多种表现形式：利用引文准确性识别政治垄断下的媒体偏见

  媒体偏见研究：基于NLP的议会演讲引用准确性分析

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 评估基于大语言模型（LLM）的代理在多轮对话中的表现：一项综述

  本文通过PRISMA框架系统回顾近250篇文献，构建了包含任务完成、响应质量等五个维度的评估内容和标注法、自动化指标等四类评估方法的分类体系，揭示了传统评估的局限，并提出可扩展评价流程、隐私保护机制等未来方向。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 基于偏好条件的多目标质量多样性梯度变分算法

  多目标质量-多样性算法MOME-P2C通过偏好条件策略梯度突变和拥挤机制，有效探索高维搜索空间，在六项机器人运动任务中表现优于现有方法，并引入新稀疏度指标评估非支配前沿分布平滑度。

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2026-02-16

• 离散单参数最优拍卖设计

  本研究基于Myerson的经典单物品拍卖理论，假设买方价值分布在有限支持上，运用强线性规划对偶性和多面体理论重新推导了关键结论，包括虚拟福利最大化、确定性机制最优性以及主导策略与贝叶斯激励相容的等价性。进一步将方法推广到具有任意凸约束的更一般拍卖设置，利用KKT条件刻画最优拍卖，并以树形网络流量分配为例验证理论。

  来源：ACM Transactions on Economics and Computation

  时间：2026-02-16

• 反事实故事改写的培训目标与评估指标

  反事实故事改写研究提出微分标记权重训练目标和新型评估指标，通过Flan-T5模型在TimeTravel数据集验证，显著优于基线模型和GPT系列，注意力分析显示有效聚焦反事实元素。

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2026-02-16

• 基于原子-基元对比的Transformer模型在分子性质预测中的应用

  针对图Transformer模型在分子性质预测中忽略关键基团间相互作用的问题，本文提出AMCT模型，融合原子级和基团级交互，利用对比学习和属性感知注意力机制提升预测效果，经十大数据集验证有效。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 基于眼动追踪的机器人手臂共享控制：通过“奥兹国魔法师”实验评估设计决策

  研究提出基于眼动追踪的共享控制系统，通过模拟实验验证用户对机械臂辅助的接受度，发现需优化物体识别算法和用户反馈机制，平衡自动化与用户控制权。

  来源：ACM Transactions on Human-Robot Interaction

  时间：2026-02-16

• 对45种PAES-25配置在多种目标和多种形式的首尾零函数（Leading-Ones-Trailing-Zeros Functions）上进行的时间基准测试

  该研究通过扩展经典LOTZ函数至多目标优化场景，构建LITZ、sLITZ和FRITZ基准测试集，系统评估PAES-25算法在不同组件组合下的表现。重点分析归档策略（多级网格最优）、接受规则（改进归档优先）和突变算子（标准位翻转与单位翻转效率差异）的协同效应，揭示FRITZ问题需动态调整归档容量，并建立基于多维指标（Pareto点数量、累积发现量、超体积偏移、目标总和）的anytime性能评估体系，为多目标算法配置提供决策依据。

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2026-02-16

• 申请成本不均等的大学入学申请

  该研究探讨学生如何选择申请大学组合以最大化预期净收益，涉及异构申请成本、独立/相关性录取概率两种场景。针对独立情况提出多项式时间精确算法和近似方案，建立离散阈值动态规划框架；相关性场景转化为最长路径问题并给出高效解法。理论分析表明问题具有非单调子模性但违背Gross substitutes性质，开放了通用问题复杂度。贡献包括首次处理异构成本、提供新算法框架、揭示理论特性，为实证研究奠定基础。

  来源：ACM Transactions on Economics and Computation

  时间：2026-02-16

• 在GPU架构上的高性能奇异值分解

  针对现代GPU架构下的高精度奇异值分解（SVD）性能优化问题，提出基于FP64精度特征值分解（EVD）的混合精度SVD算法，结合双块带带状矩阵减少技术和GPU加速的 bulge chasing算法，显著提升FP32/FP64 SVD计算效率。理论分析验证了算法在新型GPU架构上的可行性，实验表明FP32 SVD速度提升达6.1×，FP64 SVD速度提升达13.4×，有效突破传统SVD算法的性能瓶颈。

  来源：ACM Transactions on Architecture and Code Optimization

  时间：2026-02-16

• 视觉深度学习系统的概率运行时验证、评估与风险分析

  针对深度神经网络在实际部署中因数据分布偏移导致性能评估不准确的问题，提出一种基于运行时验证和风险分析的框架。通过结合OOD检测器的实时偏移概率估计与条件网络正确性概率的二叉树结构建模，实现可靠精度评估和成本风险分析，在五个数据集和医学图像分割场景中验证了方法的有效性。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 儿童与机器人的情感纽带作为安全港：减少分离时儿童和母亲的压力

  机器人辅助育儿的研究显示，在母子分离实验中，配备机器人组的母亲交感神经激活度较低，儿童心率下降且互动时间增加，形成双向压力缓冲机制，扩展了依恋理论在机器人应用中的边界。

  来源：ACM Transactions on Human-Robot Interaction

  时间：2026-02-16

• BONO-Bench：一个用于双目标数值优化的综合测试套件，可生成可追溯的帕累托集

  多目标优化测试问题存在手动构建和组合单目标问题两类局限性：前者缺乏复杂多模态特性，后者无法有效控制问题属性。本研究提出基于凸二次函数的新型生成器，可精确调控多模态类型、Pareto前沿形状等7项关键特性，同时保持理论可解析性，确保最优解逼近精度。构建BONO-Bench测试套件包含20类双目标问题，配套Python库bonobench提供标准化评估框架。实验表明算法表现随维度和问题类型变化，MO-CMA-ES具有最佳长期性能，而离散化显著影响SMS-EMOA等算法性能。该方案有效结合了手动构建和组合问题的优势，为基准测试提供可控且理论可溯的复杂问题集。

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2026-02-16

• Seq2Turk：利用上下文依赖的序列到序列模型进行土耳其语拼写错误校正

  本研究针对土耳其语复杂形态的拼写错误问题，提出基于RoBERTa的上下文依赖序列到序列修正模型。通过生成20GB清洁数据及1TB含人工错误的训练集，模型在真实用户生成内容中达到96.2%修正准确率，优于传统规则系统及生成式AI模型，并提升后续情感分析任务性能。

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2026-02-16

• 在擦除编码存储中，利用所有可用节点增强聚合修复功能

  分布式存储系统中纠删码的修复优化研究。针对现有算法忽视上行带宽限制、多故障场景处理复杂的问题，提出RAN算法通过可编程网络设备聚合传输和优化带宽分配，有效缓解双向链路瓶颈。实验表明在EC2环境下，修复吞吐量较现有方法提升达266.6%。

  来源：ACM Transactions on Architecture and Code Optimization

  时间：2026-02-16

• 简化长度连接协调关系量表（Reduced-Length Connection-Coordination Rapport Scale，简称CCR Scale）

  本研究开发了8项版的Connection-Coordination Rapport（CCR）量表，用于衡量人机关系。通过专家筛选和在线实验验证，简化版保持双因子结构，内部一致性高，与原量表相关性强（77%变异度），且节省43%时间，适用于时间受限研究，但需进一步测试其他交互场景。

  来源：ACM Transactions on Human-Robot Interaction

  时间：2026-02-16

• D-PHI：基于期望值的超体积指标，用于交互式多目标优化，通过设定抱负水平和预留水平作为偏好机制

  D-PHI提出基于期望和保留水平的多目标优化新指标，解决传统指标不连续问题，通过可偏好函数转换空间保持连续可微，并辅以CI指标增强可解释性，实证验证优于PHI等现有指标。

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2026-02-16

• 通过自适应变换的标准化梯度进行的一阶优化

  第一类优化算法融合了进化策略和拟牛顿方法的元素，提出了一种具有严格递增函数值变换不变性的无约束优化的一阶方法。该算法通过在线调整线性变换矩阵来适应后续梯度的方向关系，在非二次问题上相比BFGS和信任域方法减少了约10%的函数评估次数，尤其在128维高斯分布测试中表现优异。实验显示算法对梯度噪声具有鲁棒性，但对计算复杂度敏感，其矩阵平方根运算导致维度受限。

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2026-02-16

• 利用知识蒸馏提升阿拉伯语信息检索和重排序性能

  知识蒸馏提升阿拉伯语信息检索性能，在mMARCO数据集上超越基线与现有模型，MRR@10达0.254，R@1000达0.799，但机器翻译质量影响结果。

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2026-02-16

• AdDetector：利用文本信息和社会网络数据检测社交媒体平台上的中文广告宣传内容

  隐蔽广告检测研究提出双塔模型AdDetector，结合文本语义分析和社交信号（如作者画像、用户互动模式）识别社交媒体中伪装成普通文章的广告。构建ZHIHU-16K多主题数据集，采用层级文本编码和图神经网络分析社交特征，通过细粒度句子分类提升跨领域泛化能力。实验表明模型在同类数据集上F1值提升1.29%-1.52%，并验证社交特征与文本分析的协同效应。研究为平台内容审核提供技术方案，同时指出AI生成广告可能绕过检测的潜在风险。

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2026-02-16

知名企业招聘：