• CGCGraph：高效的CPU-GPU协同执行技术，用于并发动态图处理

  在当前大数据和高性能计算需求不断增长的背景下，动态图处理成为一项重要任务。随着用户规模和应用数据量的增加，对大规模并发图处理的需求也日益提高。在实际应用中，动态图数据会随时间发生变化，因此，为了获取不同时间点的信息，通常需要处理对应的图快照。现有的GPU图处理系统，如Gunrock、SEP-Graph、LargeGraph和Subway，虽然在单个图处理任务中表现良好，但在处理快速变化的图数据时，往往需要将多个快照传输到GPU进行并发处理，这会导致CPU与GPU之间的数据传输开销显著增加。此外，这些系统在处理并发任务时，GPU计算资源的利用率往往不高，特别是在处理大量快照时，这种资源利用率下降

  来源：ACM Transactions on Architecture and Code Optimization

  时间：2025-11-07

• 一种针对I/O API迁移的稳健静态分析方法

  摘要现代存储技术的进步要求开发新的输入/输出（I/O）API，以充分发挥其性能优势。然而，将现有软件迁移到不同的API会面临重大挑战，因为计算模型不匹配，且涉及状态化、非连续的多API调用部位的代码结构较为复杂。我们提出了Sprout这一新系统，它可以自动将程序迁移到不同的I/O API，并保证程序行为的一致性。Sprout利用基于数据流的分析方法来识别语义变量，从而实现类型状态分析，以匹配API的语义并合成迁移后的程序。通过对实际C程序的实验验证，证明了我们方法的效率和有效性。此外，我们还表明Sprout可以应用于其他领域，例如数据库。

  来源：Proceedings of the ACM on Programming Languages

  时间：2025-11-07

• LarQucut：一种适用于分布式量子计算（DQC）环境中大型量子电路的新切割与映射方法

  分布式量子计算（DQC）作为一种实现大规模量子计算的有前景方法，正在成为量子计算领域的重要研究方向。然而，将大型量子电路映射到分布式量子处理单元（QPU）上仍然面临诸多挑战，例如，如何高效地进行电路切割和映射，以减少节点间的通信开销，同时保证计算结果的高保真度。现有的研究往往采用将量子电路分割为完全独立的子电路，这种做法虽然能够避免跨节点通信，但需要大量的线切割和门切割，从而导致较高的经典后处理开销。因此，我们需要一种更高效的电路切割和映射方法，以应对大规模量子计算的需求。LarQucut作为一种新的量子电路切割和映射方法，旨在解决上述问题。该方法通过创新的设计，减少了不必要的切割，避免了将电

  来源：ACM Transactions on Architecture and Code Optimization

  时间：2025-11-07

• 基于抽象精化的程序合成方法，用于机器人通过示范进行学习

  摘要在过去的十年中，深度强化学习（RL）技术显著推动了机器人系统的发展。然而，由于神经网络模型架构的复杂性，确保其可靠性是一个相当大的挑战。程序化强化学习作为一种有前景的方法应运而生。尽管如此，合成机器人控制程序仍然具有挑战性。现有方法依赖于领域特定语言（DSL），这些语言包含用户定义的状态抽象谓词和一组低级控制器作为抽象动作来启动合成过程，但在缺乏这些预定义组件的未知环境中，这种方法并不实用。为了解决这一限制，我们提出了RoboScribe，这是一种新颖的、基于抽象细化的程序合成框架，它能够从高维连续空间中的原始、未分割的任务演示中自动推导出机器人状态和动作的抽象表示。该框架通过迭代丰富和细

  来源：Proceedings of the ACM on Programming Languages

  时间：2025-11-07

• 重新探讨数据中心软件交换机中的流量分流技术

  摘要数据中心网络拓扑包含服务器之间的多条路径，每条路径都被赋予一个权重。软件交换机负责执行流量分割操作，这是数据中心中的一项关键网络功能。以往的研究利用软件交换机来将网络连接分配到不同的路径上，前提是这些交换机能根据路径权重准确地进行连接分配。然而，我们的实验表明，现有的流量分割技术存在显著的不准确性和资源利用效率低的问题。因此，实际的数据中心服务（如数据挖掘和深度学习）的通信完成时间比理想情况长约2.7倍。为了解决这些问题，我们提出了一种新的软件交换机流量分割技术VALO，旨在实现两个目标：高准确性和资源高效性。为此，我们引入了“评分图”和“VALO引力”这两个概念。我们使用主流的软件交换机

  来源：Proceedings of the ACM on Measurement and Analysis of Computing Systems

  时间：2025-11-07

• 结合个性化联邦超网络与共享残差学习技术进行分布式服务质量预测

  摘要由于联网车辆具有高移动性和动态的网络拓扑结构，因此需要精确的服务质量（QoS），包括高吞吐量和低延迟，以确保用户获得满意的体验（QoE）。现有的方法主要集中在集中式的QoS预测上，而对分布式移动QoS预测的关注较少，这使得在调用Web服务时保护用户隐私信息变得困难。此外，尽管一些先进的集中式方法可以转化为联邦架构，但由于QoS数据集的异构性，它们在捕获用户和服务的潜在特征表示以及学习它们之间的个性化预测层方面常常面临挑战。为了解决上述问题，我们提出了一种新的分布式QoS预测框架，称为“结合个性化联邦超网络和共享残差学习的分布式QoS预测（FHR-DQP）”。FHR-DQP采用“联邦平均（F

  来源：ACM Transactions on Autonomous and Adaptive Systems

  时间：2025-11-07

• 基于Web 3.0的微服务重新调度技术：用于元宇宙集成边缘网络中异构资源的协同优化

  摘要Web 3.0和元宇宙能够推动联网自动驾驶车辆（CAVs）的智能化应用。边缘计算的采用有助于降低CAVs与元宇宙之间的交互延迟。如今，微服务在边缘网络和云端得到了广泛部署。来自CAVs的用户请求通常通过组合多个微服务来满足，这些微服务可能托管在相邻的边缘节点上。运行时，不同请求对资源的需求可能有所不同。因此，当请求持续注入边缘网络时，包括CPU、内存和网络带宽在内的异构资源的使用情况在某些边缘节点上可能并不相同，甚至存在显著差异。这种情况尤其发生在需要同时处理大量突发请求时。为了解决这一问题，本文提出了一种基于Web 3.0的微服务重新调度方法（简称MRS），该方法采用迁移策略进行优化。具

  来源：ACM Transactions on Autonomous and Adaptive Systems

  时间：2025-11-07

• im2im：利用知识图谱方法自动转换内存中的图像表示形式

  摘要图像处理工作流程通常由一系列不同的功能组成，每个功能都以抽象的方式处理“图像”输入和输出。然而，图像在内存中的具体表示方式在不同库之间甚至在同一库内部都可能存在差异。因此，当将来自多个来源的功能集成到单个程序中时，需要进行转换。转换过程迫使用户考虑低级别的实现细节，包括数据类型、颜色通道、通道顺序、小批量布局、内存位置以及像素强度范围。特别是在视觉编程语言（VPLs）中，这些细节会分散人们对高级操作的注意力。我们介绍了im2im，这是一个Python库，它可以自动化内存中图像表示的转换。该库的核心概念是一个知识图谱，用于描述图像表示方式及其之间的转换方法。系统通过查询这个知识图谱来生成转换

  来源：Proceedings of the ACM on Programming Languages

  时间：2025-11-07

• 基于多智能体强化学习的边缘内容缓存技术，用于车联网（IoV）中的联网自动驾驶车辆

  摘要作为车辆互联网（IoV）中一种数据驱动的智能驾驶技术，联网自动驾驶车辆（CAV）的驾驶对实时数据管理的效率和安全性提出了重大挑战。Web3.0与边缘内容缓存的结合有望为CAV的实时应用提供低延迟的数据访问。Web3.0能够将用户频繁请求的内容从内容提供商可靠地预传输到边缘节点。然而，由于IoV中交通流的动态特性，确定用于联合内容缓存和替换的最佳边缘节点伙伴仍然具有挑战性。为了解决这些挑战，本文介绍了一种创新的边缘内容缓存方法GAMA-Cache，该方法利用了图注意力网络（GAT）和多智能体强化学习（MARL）。GAMA-Cache将协作式边缘内容缓存问题视为一个受限的马尔可夫决策过程。它采

  来源：ACM Transactions on Autonomous and Adaptive Systems

  时间：2025-11-07

• 一种基于联盟区块链的边缘任务卸载方法，用于联网的自动驾驶车辆

  摘要近年来，联网自动驾驶车辆（CAV）的普及彻底改变了交通运输行业。然而，这些车辆在本地计算资源方面往往存在局限性，因此需要将交互密集型应用任务卸载到服务器上进行处理。传统处理模式在应对大规模任务处理需求时存在局限性。Web3.0与边缘计算的结合为用户提供了高可靠性、低延迟和高度灵活的服务。不过，这种新模式也带来了自身的挑战，例如确保隐私数据保护以及降低任务卸载所需的时间和能源成本。为了解决这些挑战，开发了一种基于联盟区块链的CAV边缘任务卸载框架。在该框架中，设计了一种名为CBIToMe的基于联盟区块链的交互密集型任务卸载方法。CBIToMe专门针对交互密集型CAV任务的多阶段特性进行了优化

  来源：ACM Transactions on Autonomous and Adaptive Systems

  时间：2025-11-07

• MoDitector：面向模块的自动驾驶系统测试方法

  摘要测试自动驾驶系统（ADS）对于确保其安全性、可靠性和性能至关重要。尽管现有的测试方法可以生成多种多样且具有挑战性的场景以发现潜在的漏洞，但这些方法通常将ADS视为一个“黑盒子”，主要关注识别系统级故障（如碰撞或险些发生碰撞的情况），而无法确定导致这些故障的具体模块。这种对故障根本原因的缺乏理解阻碍了有效的调试和后续的系统修复。此外，当前的方法在从系统层面充分测试ADS的各个模块（如感知、预测、规划和控制）方面往往存在不足。为了解决这一问题，我们提出了MoDitector，这是一种能够识别根本原因的ADS测试方法，该方法专门设计用于暴露目标ADS模块中的弱点。与现有方法不同，MoDitect

  来源：Proceedings of the ACM on Software Engineering

  时间：2025-11-07

• 针对恒定产品市场的自动化攻击合成技术

  摘要去中心化金融（DeFi）催生了许多在传统金融体系中无法实现的新应用。然而，它也引入了新的安全漏洞类型。其中一个例子是代币合约与遵循恒定产品做市商（CPMM）模型的去中心化交易所（DEX）之间的兼容性问题。我们将这类漏洞称为“CPMM兼容性漏洞”，其根源在于代币合约中的缺陷，这些缺陷导致它们与CPMM模型不兼容，从而危及CPMM生态系统中的其他代币。自2022年以来，此类漏洞已被利用了23次，共造成了220万美元的损失。智能合约审计公司BlockSec报告称，仅2023年2月就发生了138起此类漏洞事件。在本文中，我们提出了CPMMX这一工具，它可以自动检测整个区块链中的CPMM兼容性漏洞。

  来源：Proceedings of the ACM on Software Engineering

  时间：2025-11-07

• 正念冥想与呼吸练习：基于加速度计的呼吸频率与正念水平评估方法，旨在提升应用程序的使用体验及用户的正念技能

  摘要正念训练因其在减轻抑郁、焦虑和孤独感方面的益处而广受认可。随着基于智能手机的正念应用程序的兴起，数字冥想变得更加普及，但如何保持用户的长期参与度仍然是一个挑战。本文探讨了呼吸生物信号反馈和正念技能评估是否能够提升系统的可用性和用户的技能发展。我们开发了一种基于智能手机加速度计的呼吸追踪算法，无需额外穿戴设备。与现有方法不同，我们的方法能够准确捕捉到正念冥想中典型的缓慢呼吸模式。此外，我们首次提出了一个定量框架，用于根据加速度计获取的呼吸数据来评估正念技能（包括专注力、感官清晰度和情绪平和）。我们在受控环境和现实环境中对261次正念练习进行了算法开发和测试。一项比较实验组（接收生物信号反馈）

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• SenseSeek数据集：用于研究信息寻求行为的多模态感知技术

  摘要信息处理任务涉及复杂的认知机制，这些机制受到多种因素的影响，包括个人目标、先前经验和系统环境。要理解这些行为，需要详细且个性化地记录人们与现代信息系统（例如搜索引擎）的交互方式。被动式传感器（如可穿戴设备）能够捕捉生理和行为数据，在这方面具有潜在的应用价值。本文介绍了一个名为SenseSeek的新数据集，旨在评估消费级传感器在复杂信息处理场景中的有效性——具体而言，就是通过系统（如搜索引擎）进行搜索，这是用户常见的信息获取策略之一。SenseSeek数据集包含了来自20名参与者的数据，共235次搜索过程记录，涵盖了搜索过程中的940个阶段，包括信息需求的识别（IN）、查询的构建（QF）、通

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• 学习属性注意力机制与回顾定位技术以实现实例对象导航

  摘要视觉对象导航是具身智能任务中的一个经典问题，它要求智能体仅利用第一人称视角的视觉信息来找到指定的目标。有一些方法专门用于在同一类别中搜索对象，这类方法被称为“类别导航”。这与现实世界不同，在现实世界中，对象通常会带有“属于谁”的标签。因此，通过属性来区分对象的导航方式更符合实际需求，这种方法被称为“实例级对象导航”。然而，当前的实例级对象导航方法存在一些局限性。首先，不同的属性信息被混在一起，细粒度的特征关系被忽略，导致辨别能力减弱；其次，探索的路径与导航目标之间的关联不足，从而导致记忆能力下降。在本文中，我们从一个全新的视角提出了一种新的级联架构来解决这些局限性。我们的方法主要包括两种技

  来源：Journal of Data and Information Quality

  时间：2025-11-07

• AED：一种适用于大数据环境中无异常样本情况下的入侵检测新方法

  摘要多媒体设备（包括传感器、摄像头和手机）的迅速发展推动了“多媒体物联网”（IoMT）的普及，产生了大量的以应用为导向的多媒体数据。与此同时，多媒体大数据环境中的网络安全问题也随之增加。网络入侵检测（NID）系统在防范针对多媒体平台的网络攻击方面展现出了其强大的能力。然而，现有的基于机器学习或深度学习分类器的入侵检测方法在现实场景中可能会因为缺乏用于训练的异常流量样本而失效。我们提出了一种新的入侵检测方法，该方法基于深度自动编码器（AutoEncoder）和差异比较技术，仅在训练阶段需要正常流量样本。我们在两个真实世界的数据集上进行了广泛的实验，以评估所提出的AED方法的有效性。实验结果表明，

  来源：Journal of Data and Information Quality

  时间：2025-11-07

• Beam-Fi：基于商用Wi-Fi的MU-MIMO技术实现集成感知与通信功能

  摘要虽然下一代Wi-Fi标准正致力于实现集成感知与通信（ISAC）设计，但新Wi-Fi标准广泛采用的多用户多输入多输出（MU-MIMO）技术尚未被充分用于ISAC应用。为此，我们提出了Beam-Fi这一基于商用Wi-Fi的ISAC系统，它与那些完全忽略MU-MIMO技术的最新ISAC系统截然不同。Beam-Fi利用MU-MIMO技术生成波束模式，同时满足通信和感知需求，并兼顾双方的信号质量。为了更好地为ISAC应用调度波束成形，我们首先设计了一种用户发现机制来识别潜在的感知用户以及现有的通信用户，接着提出了一种用户分组策略，将需要相似波束模式的感知用户与通信用户配对。进一步地，我们开发了一种基

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• 一种基于细节注意力采样和师生网络的遥感图像分类方法

  摘要随着遥感技术的不断发展，高分辨率遥感图像的覆盖范围不断扩大，数据量也在不断增加，同时目标对象具有动态变化性，背景环境也变得复杂。然而，当前卷积神经网络的感知范围相对较窄，这使得从全局上下文中提取信息变得较为困难。为此，我们提出了一种结合“详细注意力机制”（Detailed Attention scheme）和“师生网络”（Teacher-Student network，简称DATS）的遥感图像分类方法，以有效捕捉全局信息。首先，通过详细注意力机制将特征图的空间关系整合到特征通道中，从而将特征图转换为注意力图，生成既保留结构又保留细节的图像。随后，师生网络以这些保留了细节和结构的图像作为输入

  来源：Journal of Data and Information Quality

  时间：2025-11-07

• 人工智能应该模仿人类吗？了解黑人用户对人工智能辅助写作技术的看法

  摘要目前，由人工智能支持的写作技术（AISWT，即AI辅助写作工具）已经成为了许多人工作流程中的常规功能，这些技术能够提供语法建议、自动完成句子或生成/重写文本。然而，人们对这些工具所提供的建议的认知却知之甚少。在本文中，我们研究了非裔美国用户对AISWT的看法。这一研究基于自然语言处理领域的先前研究成果，这些成果指出大型语言模型可能蕴含种族偏见。通过对13位使用AISWT的非裔美国用户进行访谈和观察性研究，我们发现用户在利用AISWT提升写作风格与感到“这些工具并非为她们量身定制”之间存在明显的矛盾。具体而言，参与者反映AISWT无法识别非裔美国人日常使用的英语表达和名称，其纠正功能令她们感

  来源：Proceedings of the ACM on Human-Computer Interaction

  时间：2025-11-07

• 根植于现实：探索基于社区的参与式方法，以解决针对农村地区及BIPOC群体（黑人、原住民和有色人种）的错误信息问题

  摘要迄今为止，应对错误信息的努力主要集中在广泛的法律、技术和教育干预措施上。然而，最近在人机交互（HCI）领域的研究开始探索新的方向，这些方向更加关注问题的个体化特征及其与身份和社区的关联。为了了解在类似争议性领域应用社区驱动方法的潜在益处和挑战，我们研究了一个大规模参与式研究项目的工作，该项目旨在通过开发符合当地实际情况的教育资源和平台来减轻错误信息对农村社区以及黑人、原住民和有色人种（BIPOC）群体的影响。通过与23位项目利益相关者（包括社区合作伙伴和研究人员）的访谈，我们了解到参与者认为基于社区的研究和设计方法是一种非常有效的工具。他们表示，这些方法使参与者能够通过分享复杂的情感建立联

  来源：Proceedings of the ACM on Human-Computer Interaction

  时间：2025-11-07

知名企业招聘：