• 一种基于DQN的交通分类方法，用于移动应用推荐，并结合持续学习技术

  摘要随着智能手机的普及和发展，出现了各种类型的移动应用程序。在海量应用程序中，如何推荐符合用户偏好和使用习惯的应用程序是一个亟待解决的问题。传统的移动应用程序推荐方法无法动态跟踪用户行为和偏好的变化，也无法及时调整推荐模型，从而导致推荐效果不佳。此外，移动应用程序的不断更新也会使得基于流量分类的推荐模型失效。为了解决这些问题，本文提出了一种基于深度Q网络（DQN）的移动应用程序推荐方法，该方法实现了持续学习。该方法在移动终端中嵌入了基于DQN的流量分类模型，并建立了奖励与惩罚机制以实现自我监督学习。通过不断调整和优化模型，确保了流量分类模型的有效性，为推荐模型提供了准确可靠的用户行为数据支持。

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-07

• 基于联合数据集学习与跨模态一致性正则化的文本-运动检索方法研究

  引言与背景随着姿态估计方法的成熟，从普通视频中提取人体运动并转化为结构化的3D骨架序列已成为可能。这种时空运动数据在远程医疗、体育分析、智能安防等领域展现出巨大应用潜力。然而，如何基于内容高效检索此类数据仍是一个挑战。传统基于示例的检索方法存在查询样本难以获取的局限性，这推动了文本到运动检索任务的发展——即通过自然语言描述搜索相关的运动序列。相关工作文本编码器方面，研究主要采用预训练语言模型（如BERT、CLIP）或专门设计的ACTORStyleEncoder来提取文本特征。运动编码器则经历了从卷积网络、循环网络到Transformer的演变，近期工作更关注自监督学习和多模态融合策略。在跨模态

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

  时间：2025-11-07

• 基于自动剪枝的通用概率编程语言在系统发育树推断中的高效边缘化方法

  引言：系统发育树推断的计算挑战系统发育树推断是进化生物学中的核心问题，其目标是通过观测到的物种核苷酸序列数据重建进化关系。这类问题通常涉及对潜变量（如祖先序列状态）的推断，而直接采样这些变量会导致高方差和计算低效。通用概率编程语言（PPL）为表达此类复杂模型提供了灵活性，但如何高效边缘化潜变量仍是未解决的挑战。系统发育模型与概率编程系统发育模型通常采用连续时间马尔可夫链（CTMC）描述核苷酸替代过程，例如Jukes-Cantor（JC）模型假设所有替代速率相等，而通用时间可逆（GTR）模型允许速率变化。在PPL中，这类模型可通过递归构建树结构实现，其中每个节点代表一个核苷酸状态随机变量。然而，

  来源：ACM Transactions on Probabilistic Machine Learning

  时间：2025-11-07

• 基于K系列密度估计的概率可解循环中随机变量分布建模新方法

  概率密度函数的矩估计方法在随机程序分析和概率系统建模中，准确估计随机变量的概率密度函数（pdf）至关重要。传统方法如核密度估计（KDE）需要大量样本数据，而矩方法（MM）仅利用有限矩信息即可实现分布重建。本文介绍的K系列密度估计方法，通过正交多项式展开和参考分布的选择，实现了对目标pdf的高效逼近。K系列估计的理论框架K系列估计的核心思想是将未知pdf f(x)表示为参考分布ϕ(x)与正交多项式级数的乘积。设目标随机变量X的支撑集为Ω，参考分布ϕ(x)的支撑集Θ满足Ω ⊆ Θ。通过Gram-Schmidt正交化过程，构造关于ϕ(x)正交的多项式基函数{hi(x)}，将f(x)/ϕ(x)展开为g

  来源：ACM Transactions on Probabilistic Machine Learning

  时间：2025-11-07

• 基于知识蒸馏的多粒度对齐技术用于部分相关视频的检索

  摘要部分相关视频检索（PRVR）旨在从未剪辑的视频中准确检索与查询最相关的视频。视频内容的分析可以在三种不同的粒度上进行：帧级、片段级和视频级。以往的方法主要集中在其中一两种粒度上进行对齐，这限制了对视频语义的探索。此外，一些方法使用视频级对齐并应用自注意力机制来生成视频级特征，但这可能并不理想，因为整个视频可能与查询无关。我们提出了一个基于多级对抗蒸馏（MGAKD）的框架，该框架从对比语言-图像预训练（CLIP）模型中提取跨模态对齐知识，并实现多粒度对齐。它从CLIP中提取跨模态对齐知识，并将这些知识传递给设计的学生模型。对于学生模型，我们设计了两个分支：继承分支和探索分支。继承分支从CLI

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

  时间：2025-11-07

• 算法1058：用简单的方法计算局部二元平方类的群

  摘要我们提出了一种新的方法，用于构建数域二元完备化中局部平方类群的基。作者已在计算机代数系统Magma和SageMath中实现了该方法，结果发现其运行速度明显快于之前使用的算法。本文介绍了该算法本身，并将其与现有的解决方案进行了时间对比。

  来源：ACM Transactions on Mathematical Software

  时间：2025-11-07

• 结果逻辑：一种统一处理具有分支效应的程序逻辑元理论的方法

  本文提出了一种统一的理论框架——Outcome Logic（OL），用于分析具有多种分支行为的程序，包括非确定性和概率性选择。该逻辑通过加权计算和统一推理规则，整合了传统程序逻辑中的正确性和错误性分析，为静态分析工具提供了新的理论基础。### 核心贡献与逻辑框架1. **统一语义模型** OL使用加权计算（semiring）来量化程序的多种可能结果。例如，非确定性分支可以用布尔值集合表示（每个结果存在或不存在），而概率性分支则用概率分布量化可能性。这种统一模型支持多种计算模型（如Kleene星循环、概率迭代）的语义化表达。2. **分层推理规则** OL的证明系统包含三组核心规

  来源：ACM Transactions on Programming Languages and Systems

  时间：2025-11-07

• 可扩展语言的模块化元理论推理方法

  可扩展语言的模块化元理论推理方法引言现代编程语言的发展面临着两个重要趋势：一是元理论（Metatheory）的重要性，它关乎于为语言中的所有程序建立普适的属性，例如通过类型保存（Type Preservation）来确保静态分析能够准确预测程序的运行时行为；二是语言可扩展性（Language Extensibility）的需求，即需要一种框架能够平滑地为语言添加新特性，以满足不同领域用户的特定需求。然而，传统的元理论证明依赖于封闭世界（Closed World）假设，即语言的完整定义在证明构建时是已知的，这与可扩展语言的开放特性相悖。本文的核心目标正是要同时解决元理论与语言可扩展性这两个问题，

  来源：ACM Transactions on Programming Languages and Systems

  时间：2025-11-07

• 在GPU上实现的多层内罚方法

  摘要我们提出了一种无需矩阵计算的多网格方法，用于高阶离散伽辽金（Discontinuous Galerkin, DG）有限元方法，并结合了GPU加速技术。通过对不同数据结构和计算布局进行性能分析，发现通过局部化处理和快速对角化技术可以优化算法实现。利用共享内存中的无冲突访问模式，在NVIDIA A100 GPU上实现了高达峰值性能40%的算术吞吐量。实验结果证实了混合精度计算方法和消息传递接口（Message Passing Interface, MPI）并行化的有效性。此外，还对求解器的效率和鲁棒性进行了评估，涵盖了二维和三维情况，并应用于泊松问题（Poisson problems）的求解。

  来源：ACM Transactions on Mathematical Software

  时间：2025-11-07

• Irksome框架下全隐式龙格-库塔方法在微分代数方程数值求解中的创新与实现

  时间积分方法与Irksome框架概述微分代数方程（DAE）的数值求解是计算数学和工程模拟中的核心问题。传统方法多采用对角隐式龙格-库塔（DIRK）方法，但全隐式龙格-库塔（RK）方法因其高精度和稳定性而备受关注。Irksome作为一个基于Firedrake和PETSc的开源框架，专门用于实现高阶全隐式RK方法，支持从常微分方程（ODE）到DAE的广泛问题类型。边界条件的创新处理Dirichlet边界条件的处理是DAE求解中的难点。Irksome引入了DAE型边界条件 enforcement 方法，通过代数约束确保边界值的精确满足。例如，在热方程中，采用该方法可避免传统ODE型边界条件导致的精度

  来源：ACM Transactions on Mathematical Software

  时间：2025-11-07

• 对轻敲感知的改观：利用听觉增强现实技术改变物理物体的接触特性

  摘要听觉增强现实（AAR）是一种增强我们对现实听觉感知的技术。通过实时改变日常物体的听觉特性，AAR可以为这些物体提供新的信息表达方式。虽然有许多声学增强效果（例如改变声音、添加混响等），但这些效果如何影响人们对物体及其听觉特性的感知尚不清楚。在两项实验中，我们研究了不同音频反馈（如表面材质、乐器）和混响参数（如混音效果、混响深度）对感知到的同时性、整体性、物体的主体感以及物体属性（如物体大小、材质、房间大小）及其识别能力的影响。研究发现，音频反馈对交互行为有显著但较小的影响，并改变了人们对物体属性的感知；在混响处理中加入混音效果会降低声音的识别难度，但有助于提高对混响效果的判断能力。我们基于

  来源：ACM Transactions on Computer-Human Interaction

  时间：2025-11-07

• 探索用于编程练习的自动化反馈生成技术领域

  编程教育中，反馈的生成是提升学习效果和教学效率的重要环节。随着人工智能、机器学习和网络安全等技术的快速发展，对具备高质量编程能力的人才需求日益增加，使得编程技能成为计算机科学教育中不可或缺的一部分。然而，编程仍然是许多学生在入门课程（通常称为CS1）中面临的重大挑战。因此，研究如何生成有效的编程反馈，不仅对学生的编程能力提升至关重要，也对减轻教师负担、提高教学效率具有重要意义。### 编程教育中的反馈需求编程学习涉及一系列复杂的认知技能，如问题分析、规划、问题解决和调试。这些技能的掌握对于学生在编程领域取得成功至关重要。然而，传统的教学方式往往无法满足这种需求，因为手动评估程序反馈的过程耗时费

  来源：ACM Transactions on Computing Education

  时间：2025-11-07

• 指标与玛奇亚托咖啡：服务行业工人面临的挑战以及以工人为主导的信息通信技术（ICT）的必要性

  在当前的社会背景下，服务行业从业者正面临一系列复杂且持续存在的挑战。这些从业者主要集中在餐饮和零售领域，他们构成了美国劳动力的重要组成部分，人数超过3000万，约占总劳动力的18%。与白领员工相比，服务行业从业者通常较少受益于能够促进彼此支持的技术手段。随着科技在工作场所的广泛应用，这种现象变得愈发显著。特别是在像星巴克这样的大型服务行业雇主中，算法管理技术（Algorithmic Management, AM）和其它技术手段不仅改变了工作方式，还对工人的工作条件和心理健康产生了深远的影响。通过与16位星巴克员工的深入访谈，我们发现，这些技术对服务行业从业者造成了额外的压力，而他们之间的沟通却

  来源：ACM Transactions on Computer-Human Interaction

  时间：2025-11-07

• 视觉感知推荐系统的安全加固：一种对抗性图像重构与检测的创新框架

  1 引言随着视觉数据（如图像）日益与物品关联，视觉感知推荐系统（VARS）已被广泛应用于电子商务、社交媒体和时尚等领域。然而，近年研究表明VARS易受物品图像对抗攻击的威胁，攻击者通过添加人眼难以察觉的扰动（如FGSM和PGD方法）操纵图像，导致推荐性能下降或特定物品被恶意推广。这类攻击在电子商务中可能误导消费者决策，在房地产领域可能扭曲市场认知，因此防御VARS对抗攻击成为关键安全问题。现有研究多集中于一般推荐系统（RS）的攻击防御，而针对VARS的防御策略尚缺乏系统性探索。本文填补这一空白，提出了一种联合对抗图像去噪和检测的框架，旨在同时提升模型鲁棒性和攻击检测能力。2 相关工作推荐系统安

  来源：ACM Transactions on Management Information Systems

  时间：2025-11-07

• 混合动态逻辑的Ehrenfeucht-Fraïssé博弈：一种模块化表征初等等价性的新方法

  混合动态Ehrenfeucht-Fraïssé博弈Ehrenfeucht-Fraïssé（EF）博弈为表征一阶逻辑的初等等价性提供了方法，并通过标准翻译也适用于模态逻辑。本文提出了一种将EF博弈新颖地推广到混合动态逻辑（Hybrid-Dynamic Logics）的方法，该方法直接且完全模块化：通过参数化我们希望包含的混合语言特征，例如模态和混合语言算子以及一阶存在量词。我们利用这些博弈为混合动态命题逻辑（HDPL）及其各种片段建立了一个新的模块化Fraïssé-Hintikka定理。我们研究了可数博弈等价（由可数EF博弈决定）和互模拟（由可数来回系统决定）之间的关系。通常，前者比后者弱，但在

  来源：ACM Transactions on Computational Logic

  时间：2025-11-07

• 计算机科学1课程中的协作方法与学习动机——一项系统性的文献研究

  摘要背景：入门编程课程通常面临较高的辍学率和失败率，这是计算机教育研究中的一个普遍问题。合作学习方法（如小组学习和结对编程）被提出作为潜在的解决方案，因为这些方法被认为能够提高学生的学习积极性。目的：本文全面概述了当前关于在入门编程课程中使用合作学习方法及其对学生学习积极性影响的研究。研究的重点在于合作学习方法与学习积极性之间的相互作用。此外，本文还指出了现有文献中的不足之处，强调了需要进一步研究的领域。方法：本研究结合了系统映射研究和系统文献回顾。2020年10月，通过使用包含“CS1”、“合作学习方法”和“动机”等关键词的搜索字符串，在八个数字图书馆中进行了相关文章的搜索。在最初检索到的9

  来源：ACM Transactions on Computing Education

  时间：2025-11-07

• 用于名义属性的隐藏反向特定类距离度量方法

  摘要倒置特定类距离度量（ISCDM）是一种流行的距离度量方法，它使用条件概率项来计算两个名义属性值之间的距离。然而，条件概率项的可靠性受到属性独立性假设的限制，这在涉及复杂属性依赖关系的应用中会导致性能不佳。为了获得更准确的条件概率估计，在本研究中，我们通过引入结构扩展来缓解这一不现实的属性假设，从而改进了ISCDM。我们将改进后的模型称为隐藏倒置特定类距离度量（HISCDM）。在HISCDM中，采用了隐藏朴素贝叶斯的结构扩展方案来发现属性之间的加权依赖关系，并将其纳入条件概率估计中。综合实验结果表明，我们提出的HISCDM在分类准确性方面显著优于所有其他用于比较的方法。

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2025-11-07

• 准确性、公平性和多样性兼顾：一种基于影响函数的数据增强方法在推荐系统中的应用

  推荐系统在用户内容筛选中发挥着关键作用，通常依赖于数据驱动的算法和机器学习方法。然而，这些系统的数据导向本质引发了一些关键问题，例如偏差数据集和算法可能会无意中将偏差传播给终端用户，导致特定用户群体受到不公平对待。此外，机器学习技术虽然强大，但有时会过度拟合用户的偏好，造成推荐内容的单一性，这不仅影响用户体验，还可能引发社会层面的回音室效应。因此，计算机科学和信息系统领域都认识到在推荐系统中提升公平性和多样性的重要性，并提出了多种方法来缓解这些问题。然而，目前尚无一种方法能够同时兼顾推荐系统的准确性、公平性和多样性。本文提出了一种创新的数据增强方法，称为InFoDance，旨在同时提升这三个方

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2025-11-07

• 片上监控系统设计方法学：一种基于行为与结构需求的统一建模与重用框架

  片上监控系统设计方法学：一种基于行为与结构需求的统一建模与重用框架引言随着嵌入式系统复杂度提升，片上监控系统（On-Chip Monitoring Systems, oCMS）成为确保系统可靠性、性能和安全的关键。传统oCMS设计方法存在监控需求（Monitoring Requirements, MREQ）表述模糊、后期集成导致设计迭代等问题。本文提出一种统一建模方法，将MREQ形式化表述为度量（Metrics）、可移植性（Portability）和侵入性（Intrusiveness）三维属性，支持早期系统级集成与组件重用。监控需求的形式化建模1. 监控需求的三维模型MREQ被定义为三元组⟨M

  来源：ACM Transactions on Embedded Computing Systems

  时间：2025-11-07

• 对生成式人工智能（AI）的混沌语义状态进行建模：一种量子力学类比方法

  随着生成式人工智能的快速发展，其在多个领域展现出了强大的创造力和实用性，如自然语言处理、图像合成、视频生成以及软件开发等。然而，尽管这些模型能够生成高度拟人化的输出，但它们的行为往往难以预测，这种不确定性成为了实际应用中的一个重大挑战。本文提出了一种新的理论框架——AI不确定性原理，借鉴量子力学中的不确定性原理和叠加态概念，以解释和量化生成式AI输出的内在不可预测性。通过一系列实验，我们分析了提示词（prompt）的特性如何影响AI生成的输出的可预测性和一致性，并展示了如何通过提示词设计和集成技术提高模型的可靠性。### 生成式AI的不确定性原理AI不确定性原理的核心思想是，生成式AI模型的内

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-07

知名企业招聘：