• 摩洛哥摩尔石龙子（Tarentola mauritanica）体内螨虫和血孢子虫的流行情况及感染强度：城市栖息地与自然栖息地的比较研究

  摘要摩尔壁虎（Tarentola mauritanica）的地理分布范围广泛，覆盖了南欧和北非地区。对这种与人类共生的壁虎的研究具有重要的生态学意义，因为它不断侵入新的栖息地，通过竞争或作为寄生虫的传播媒介来取代当地的生物多样性。尽管其具有生态重要性，但关于其寄生虫群的研究仍然有限。本研究调查了T. mauritanica中外寄生虫和血液寄生虫的感染情况，并重点关注了栖息地之间的差异。研究人员从阿加迪尔地区的多个地点收集了59只壁虎并在实验室进行了研究。统计了外寄生虫的数量，并制备了血液涂片以进行血液寄生虫的显微镜分析。研究结果表明，栖息地类型显著影响了螨虫感染的严重程度：来自自然栖息地的壁虎

  来源：Urban Ecosystems

  时间：2025-11-08

• 全球小规模林业发展路径与社区韧性研究——基于《Small-scale Forestry》年度综述的分析与展望

  当全球森林正以惊人的速度消失时，一场静默的变革正在世界各个角落悄然发生。2024年热带森林覆盖损失量再度刷新纪录，其中近半数归咎于气候变化引发的特大野火——这一数字标志着野火已超越农业扩张和商品驱动型砍伐，成为森林丧失的首要推手。在这场生态危机中，小规模林业作为涵盖社区管理森林和家庭私有林地的关键领域，其可持续发展路径尤为引人关注。《Small-scale Forestry》期刊主编Sharif A. Mukul通过对全年23篇研究成果的系统梳理，揭示了全球小规模林业发展的多元图景。在芬兰，私有林主采纳环保实践的驱动力源于对生态目标的内在认同而非社会压力；法国西南部看似"不活跃"的林主实则对平

  来源：Small-scale Forestry

  时间：2025-11-08

• 低盐度通过改变生殖性状削弱海洋环节动物的耐热性但不影响其生存

  随着全球二氧化碳排放量持续上升，气候变化正以前所未有的速度改变着海洋的生态平衡。在海岸带和河口区域，极端气候事件频发导致盐度和温度波动日益加剧，这对海洋生物的生理耐受性和适应能力构成了严峻挑战。盐度作为海洋栖息地的关键环境因子，不仅塑造着海岸带生态系统的结构与功能，更通过与温度等胁迫因子的交互作用，直接影响物种的生存与分布。然而，与温度变化的研究相比，盐度波动如何影响海洋变温动物的热耐受性，仍是当前生态生理学研究中亟待深入探索的重要科学问题。在这一背景下，发表于《Marine Biology》的研究论文《Low salinities impair heat tolerance and alte

  来源：Marine Biology

  时间：2025-11-08

• 黑叉尾海燕繁殖性能的年际变化及其对气候变化的响应：基于2012-2017年圣贝尼托群岛的研究

  在广阔的海洋生态系统中，海鸟作为重要的指示物种，其生存状况直接反映了海洋环境的健康程度。随着全球气候变化的加剧，海洋环境正经历着前所未有的变化，包括海水温度升高、海洋酸化、极端天气事件频发等。这些变化对海鸟的繁殖生态产生了深远影响，特别是对于像黑叉尾海燕(Hydrobates melania)这样的小型远洋海鸟来说，环境变化可能直接影响其食物资源的可获得性，进而影响其繁殖成功率。黑叉尾海燕是鸌形目(Procellariiformes)中体型最小的海鸟之一，体重约60克，主要分布在东太平洋地区。作为低营养级的捕食者，它们主要以磷虾等浮游动物为食，因此对环境变化尤为敏感。然而，目前关于环境变化如何

  来源：Marine Biology

  时间：2025-11-08

• 开源代码库中电磁场（EMF）元模型重复情况的分析

  摘要背景。模型驱动软件工程（MDSE）提倡使用高级模型来增强和简化开发过程。这些模型通常使用领域特定建模语言（DSL）来定义。定义DSL首先需要识别关键领域概念及其之间的关系。这些概念和关系通常通过元模型来表示。在这个背景下，Eclipse建模框架（EMF）被广泛认为是元建模的事实标准，也是开源建模社区中最受欢迎的选择之一。EMF提供了Ecore，这是一种基于面向对象的语言，用于定义元模型。问题陈述。先前的研究观察到开源生态系统中存在显著的元模型重复现象。虽然工程师经常复制和粘贴元模型，但这种做法背后的动机及其潜在的缺点仍不明确。贡献。本文通过探讨以下研究问题来探索开源生态系统中的元模型重复现

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• 从碎片化到相关性：在弱海况下实现可靠的LoRa信号接收

  摘要LoRa技术在海洋监测和通信领域具有巨大潜力，因为它具有传输距离远、功耗低和成本低等优点。然而，在海洋环境中，电磁波被海水强烈吸收，导致其通信性能大幅下降。为了提高海洋环境中信号噪声比较低（SNR较低）条件下的通信可靠性，本文提出了一种名为FCLoRa的LoRa接收机增强系统。FCLoRa采用了发射机和接收机之间的双域协作策略：在接收端，它采用多级累积技术通过聚合窗口化符号“片段”的能量来检测数据包，并通过融合来自多个网关的弱信号来重构完整信号；在发送端，它基于天线姿态传感建立一个二维极化特征库，并动态调整传输方向以匹配基站的极化特性，从而最大限度地减少信号损失。实验结果表明，FCLoRa

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• 绿色推荐系统：理解并减少人工智能驱动的个性化服务的碳足迹

  摘要随着全球变暖的加剧，评估和减少推荐系统对环境的影响变得日益紧迫。然而，推荐系统领域的研究人员几乎不了解、也没有关注或评估他们的工作对环境造成的影响。在这项研究中，我们通过重现典型的实验流程来分析推荐系统研究对环境的影响。基于我们的研究结果，我们为研究人员和实践者提供了指导，帮助他们如何最小化工作的环境足迹，并实现“绿色推荐系统”——即那些旨在降低能源消耗和碳足迹的推荐系统。我们的分析涵盖了2013年和2023年ACM RecSys会议上的79篇论文，比较了传统的“经典AI”模型与现代深度学习模型。我们为这两年的研究设计了代表性的实验流程，使用硬件能量计测量能耗，并将其转换为二氧化碳当量。研

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• 电子商务中因果促销推荐的挑战与方法

  摘要本文探讨了电子商务中因果促销推荐的挑战，重点关注可扩展的、适用于实际场景的解决方案，以管理大规模的促销活动。首先，我们概述了在动态环境中（如在线旅游平台）促销活动的独特复杂性，包括触发成本、转化率低以及多产品交互等问题。为了解决这些问题，我们提出了一个指导框架，以实现系统化的、持续的实验和测量。随后，我们介绍了因果效应建模和受限优化的方法与最佳实践，并重点介绍了一种仅利用交易数据的回顾性估计方法。这些成果通过在Booking.com的实际应用得到了验证，展示了如何将因果机器学习方法应用于优化促销活动。我们的工作将严谨的方法论与实际业务需求相结合，为在商业环境中平衡战略影响与运营约束提供了蓝

  来源：ACM Transactions on Recommender Systems

  时间：2025-11-08

• 利用轻量级大型语言模型（LLMs）在边缘设备上进行恶意软件检测：性能评估

  摘要恶意软件攻击的迅速演变要求开发创新的检测方法，尤其是在资源有限的边缘计算环境中。传统的检测技术难以跟上现代恶意软件的复杂性和适应性，这促使人们转向更先进的方法，例如利用大型语言模型（LLMs）来提升恶意软件检测能力。然而，直接在边缘设备上部署LLMs进行恶意软件检测会面临诸多挑战，包括在资源受限的环境中确保检测准确性，以及应对边缘设备的能源和计算能力限制。为了解决这些挑战，本文提出了一种架构，该架构利用了轻量级LLMs的优势，同时克服了准确性降低和计算能力不足等限制。为了评估这种基于轻量级LLM的边缘计算方法的有效性，我们使用了几种最先进的轻量级LLMs进行了广泛的实验评估。我们使用专为边

  来源：ACM Transactions on Internet Technology

  时间：2025-11-08

• PokéLLMon：一种用于宝可梦对战中大型语言模型的基础训练与推理基准测试方法

  摘要 为大型语言模型（LLMs）开发基于现实世界的知识关联（grounding）技术需要满足两个条件：首先，环境应包含超出现有LLMs知识范围的丰富信息；其次，任务本身需要具备较高的复杂性，从而促使模型进行策略性推理。现有的交互式环境由于设计过于简单，或者过度依赖LLMs已内置的常识性知识，无法同时满足这两个要求。在本文中，我们提出了PokeLLMon这一新的基准测试平台，该平台融入了虚构的游戏中元素，并以宝可梦战斗的激烈、动态且对抗性强的特点为背景，为交互式环境中知识关联与推理技术的发展带来了新的挑战。实证评估表明，现有的LLMs在处理宝可梦战斗相关任务时存

  来源：ACM Transactions on Internet Technology

  时间：2025-11-08

• 米娜现在需要一台电脑：通过虚构性探究为女性计算机从业者共同设计克服职业障碍的解决方案

  摘要计算领域的性别差异是一个被广泛关注的问题。为了补充现有的研究，我们采用了一种非侵入式的探索方法——虚构性调查（Fictional Inquiry）。随后通过协同设计工作坊来探讨提高女性在计算领域参与度的解决方案。本研究共有来自孟加拉国四所大学的48名女性计算机专业学生参与。参与者分享了她们面临的挑战及期望的解决方案，我们利用定性研究方法以及基于自然语言处理的工具从多个角度分析这些问题，同时尽量减少潜在的偏见。研究团队对研究方法的选择、政策影响进行了反思，并指出在资源有限的环境中，需要开发适合特定文化和背景的工具与数据集，以更好地支持女性在计算领域的研究。

  来源：ACM Transactions on Computer-Human Interaction

  时间：2025-11-08

• 一种具身化的编程感知：一种用于分析学习者编程能力发展的反能力主义框架

  摘要本文提出了“批判性具身感知”（Critical Embodied Sense）框架，该框架挑战了编程教育中传统的、基于能力差异的假设，这些假设倾向于强调抽象的、脱离具体情境的学习体验，而忽视了学习者通过实际操作来理解编程概念的过程。该框架旨在帮助研究者从反能力歧视的角度分析学习者对编程概念的认知发展过程。其理论基础包括维果茨基的文化历史理论、具身认知领域的当代研究成果以及批判理论的视角。我们通过一项研究来说明这一框架的应用：该研究探讨了视障学习者在使用可视化编程语言时对编程概念的认知发展过程。通过将这一框架应用于该研究，我们展示了工具、情感及情感体验在塑造学习者编程概念认知方面所起的关键作

  来源：ACM Transactions on Computing Education

  时间：2025-11-08

• 在严重地震期间参与搜救行动的志愿者呼吸健康状况评估

  摘要 简而言之 研究目的 本研究的目的是评估在严重地震发生初期和后期参与搜救或后勤工作的志愿人员及指定人员的肺功能。 方法 共有287名参与者在地震发生后的前45天内以及至少3个月后接受了检测。 结果 在参与搜救活动的参与者中，第一秒用力呼气容积（FEV1）、用力肺活量（FVC）、绝对最大中流速以及预测的最大中流速百分比显著低于其他活动参与者（P < 0.01）。在地震灾区工作至

  来源：Journal of Occupational and Environmental Medicine

  时间：2025-11-08

• FLAME：利用大型语言模型进行自我监督的低资源分类法扩展

  摘要分类法是一种树状层次结构，用于在特定领域内建立实体之间的关系以传递知识。它们在各种实际应用中发挥着重要作用，例如电子商务搜索引擎和推荐系统。因此，随着时间的推移，有必要对这些分类法进行改进。然而，由于人力资源的限制以及数据的指数级增长，手动使用新数据来维护分类法面临诸多挑战。因此，开发自动分类法扩展方法变得至关重要。传统方法由于资源有限（尤其是现有分类法的规模较小）而遇到困难，这种训练数据的稀缺性常常导致过拟合问题。在本文中，我们提出了FLAME（精细调优大型语言模型以扩展分类法），这是一种适用于资源匮乏环境（即现有分类法规模较小、预训练语言模型的表示能力不足等）的分类法扩展新方法。该方法

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-08

• 用于在训练大型语言模型时降低维度的U-Net封装Transformer

  摘要从零开始训练语言模型在自然语言处理（NLP）领域是一个关键挑战，主要原因是预训练的大型语言模型（LLMs）的计算需求较高，这些模型通常使用大量资源在英语语料库上进行训练。尽管现有的解决方案具有一定的可行性，但它们仍然严重依赖高性能硬件。本研究提出了一种不同的方法，通过U-Net封装Transformer（UET）来降低基于Transformer的架构的算法复杂性。UET通过对令牌嵌入进行降维处理，使得在给定超参数配置下能够开发出参数数量大幅减少的语言模型。此外，该方法还允许研究人员设计出规模相当但Transformer块数量显著更多的模型，从而增强模型的深度和潜在能力。本研究还概述了在资源

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-08

• 大型语言模型时代的城市计算

  摘要城市计算作为一个多学科领域应运而生，它利用数据驱动技术来应对各种挑战并改善城市生活。传统方法虽然具有一定的优势，但在泛化能力、可扩展性和情境理解方面常常面临挑战。大型语言模型（LLMs）的出现为这一领域带来了变革性的潜力。本调查探讨了LLMs与城市计算的交叉点，重点分析了LLMs在处理和分析城市数据、提升决策效率以及促进公民参与方面的作用。我们简要概述了LLMs的发展历程和核心技术，并梳理了它们在交通、公共安全和环境监测等关键城市领域的应用情况，总结了相关任务和以往的研究成果，同时强调了LLMs的功能角色和实现模式。在此基础上，我们提出了基于LLMs的潜在解决方案以应对尚未解决的问题。为了

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-08

• 在大型语言模型时代对小型语言模型的全面调查：技术、改进、应用、与大型语言模型的协作以及可信度

  摘要大型语言模型（LLMs）在文本生成、问答和推理方面展现了出色的能力，为各种任务和领域提供了有力支持。尽管它们在许多任务中表现出色，但像PaLM 540B和Llama-3.1 405B这样的模型仍存在局限性，主要源于庞大的参数规模和较高的计算需求。这通常导致它们需要依赖云API服务，从而引发隐私问题，限制了在边缘设备上的实时应用，并增加了微调成本。此外，由于缺乏特定领域的专业知识，LLMs在医疗和法律等专业领域中的表现往往不佳，因此需要专门为这些领域定制模型。相比之下，小型语言模型（SLMs）因较低的推理延迟、较高的成本效益、高效的开发流程以及易于定制和适应的特点而越来越受到青睐。这类模型特

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-08

• 基于密度的进化动态多模态优化

  摘要动态多模态优化问题（DMMOPs）需要能够快速定位和追踪随时间变化的多个最优解的算法。主要挑战在于如何在连续的环境变化中，控制种群多样性以促进有效探索，同时还要受到计算资源的限制。在本文中，我们研究了利用当前和历史种群数据中的密度信息来增强探索能力的方法。首先，对于每个活跃的子种群，我们根据同时活跃的子种群分布构建一个密度景观，并根据密度和适应度值确定候选解之间的支配关系，引导该子种群探索低密度但具有潜力的区域。然后，对于每个已收敛的子种群，我们根据历史上已经灭绝的子种群分布构建一个密度景观，指导该子种群在低密度且未被探索的区域重新开始搜索。最后，我们开发了一个全面的基于密度辅助的进化算法

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2025-11-08

• 利用环境WiFi实现可靠的反向散射视频流传输

  摘要 最近的研究提高了反向散射通信中视频流传输的速率和质量。然而，这些研究往往忽略了在没有专用激励信号的环境中部署此类系统的挑战。为了解决这个问题，我们提出了VideoBack，这是一种利用环境中的WiFi信号实现高质量视频反向散射的系统，便于监控。VideoBack通过对高分辨率图像应用JPEG压缩来减少传输数据量，从而适应WiFi反向散射的较低传输速率。我们为标签设计了一种定制的数据包结构，通过多个不受控制的环境WiFi数据包来反向散射图像数据。为了确保能效，我们采用了能量收集与包络检测相结合的技术。为了实现单接收器部署，我们设计了一种基于导频子载波的恢复

  来源：ACM Transactions on Internet of Things

  时间：2025-11-08

• 机器人如何获得特定场所适用的社交策略？以学习销售谈判的机器人服务员为例

  摘要社交机器人正逐渐被应用于各种社交场景中，承担着诸如店员等多种角色。许多交给这些机器人的互动任务都非常复杂，不仅仅需要简单地回应请求，因此无法通过预先编程来完成。销售谈判就是其中一项任务。由于有效的谈判策略具有微妙性和依赖具体情境的特性（这些策略通常因店铺而异），因此赋予机器人谈判能力颇具挑战性。为了解决这一问题，我们研究了在没有示范的情况下，利用强化学习让机器人掌握复杂社交互动并适应特定环境的可能性，以销售谈判作为测试案例。通过采访经验丰富的店员并观察谈判角色扮演，我们识别出了关键的言语和非言语特征。结合一种快速学习的强化学习方法，我们在两种不同的店铺环境中对系统进行了评估。结果表明，机器

  来源：ACM Transactions on Human-Robot Interaction

  时间：2025-11-08

知名企业招聘：