卫星支持的6G宽域边缘智能，面向远程物联网服务的动态感知任务卸载与资源分配 背景介绍 随着6G移动通信网络的到来，传统的物联网（IoT，Internet of Things）体系结构正逐渐向集成全球连接与广泛人工智能（AI）能力的智能万物互联（IoE，Internet of Everything）新范式转变。然而，地面网络在覆盖范围上存在局限性，尤其是在复杂地形和偏远地区无法实现全面覆盖。近地轨道（LEO，Low Earth Orbit）卫星的快速技术发展为解决这一问题带来了新的希望。通过非地面网络（NTN，Non-Terrestrial Networks）的支持，LEO卫星能够为全球用户提供无缝连接、大容量通信和高效计算服务，满足远程环境监控、智能农业等应用的需求。 但是，广域物联网应用带...
早期预测Pull Request接受的研究突破 近年来，开源软件（Open-Source Software, OSS）开发逐渐成为主流的软件开发模式之一，这种模式极大地依赖于开发者之间的协作。而Pull Request（PR）的机制被广泛应用于分布式软件开发中，以提升协作效率。在GitHub等开源平台上，PR允许开发者提交代码变更请求，由项目维护者（管理员）进行代码审查并决定是否将代码合并到主分支中。然而，随着开源项目活跃度的提高，PR的数量急剧增长，这使得管理员的工作负担加重，并且导致PR处理的时间延迟。如何高效地管理和预测PR的接受状态，已成为研究者和开发者关注的热点问题。 基于这一背景，来自浙江大学区块链与数据安全国家重点实验室的Kexing Chen、Lingfeng Bao、Xin...
解析iOS应用商店推荐关系的复杂网络研究 背景介绍 移动应用程序（简称移动App）是现代互联网生态系统中的重要组成部分。然而，随着移动应用数量的爆炸式增长，用户在应用商店中找到所需应用变得越来越困难，同时开发者的应用程序也面临着难以被发现的挑战。为了改善用户的体验，大多数应用商店会根据用户行为或其他算法，提供应用推荐功能。例如，iOS应用商店的“你可能还喜欢”（”You Might Also Like”）推荐机制展示了与某一特定应用相关的其他应用，这形成了一种推荐关系网络。 尽管应用推荐对用户行为和应用程序的市场表现有重大影响，已有的研究对推荐关系网络的深层次特性关注较少。研究者希望通过解析这种推荐网络，了解它与用户行为的关系，并探索如何利用推荐机制改进应用发现过程或优化应用市场监管。本研究...
数据隐私保护与因果学习交汇：基于联邦学习的局部因果结构学习突破 随着大数据和人工智能的飞速发展，在医疗、金融等敏感领域中如何在保障数据隐私的条件下高效分析与推断因果关系，正成为学术界和工业界的关键挑战。《Federated Local Causal Structure Learning》（联邦局部因果结构学习）这篇文章直接聚焦于这一重要课题，引入了一种名为FedLCS的算法，设计用于在联邦学习（Federated Learning）环境中学习局部因果结构。这一研究创新地解决了确保数据隐私的同时实现因果推断的问题，对于医学、经济等多个领域具有广泛的实际应用。 研究背景与问题定义 因果结构学习（Causal Structure Learning, CSL）通过观测数据推断变量之间的因果关系，通常...
混合类型对话生成领域的新突破：基于少样本学习的研究 人工智能（Artificial Intelligence, AI）的一个重要目标是构建能够进行多种自然语言对话的人工智能代理。目前，行业和学术界长期以来一直期待设计出能够同时处理开放域对话（Open-Domain Dialogue）和任务导向对话（Task-Oriented Dialogue）的对话模型，这种多技能、多类型对话的融合形式被称为混合类型对话（Mixed-Type Dialogue）。然而，尽管已有不少研究尝试解决这一问题，但大多数研究依赖于构建大规模人工标注数据集，标注成本高昂，同时严重限制了实际应用场景中的可行性。为解决这一难题，Zeming Liu（刘泽明）等人发表了一项重要研究，他们首次提出了少样本混合类型对话生成（Fe...
深度学习中非对称双任务协同模型改进部分标签学习的研究 研究背景 在深度学习领域，监督学习已成为众多人工智能任务的核心方法。然而，训练深度神经网络需要大量准确标注的数据，而这类数据的构建往往成本高昂且耗时。弱监督学习（Weakly Supervised Learning）作为一种有效的替代方法近年来引起了广泛关注，其中部分标签学习（Partial Label Learning, PLL）是弱监督学习的一种典型问题。它假定每个训练实例被一个候选标签集（Candidate Label Set）标注，该标签集中包含真实标签和若干错误标签。由于候选标签中存在标签歧义问题，部分标签学习成为一个充满挑战的领域。 在部分标签学习的研究中，一个关键目标是消解这种标签歧义，正确识别每个样本的真实标签。以往的方法...
基于GLUT1靶向的荧光成像新型示踪剂：改善乳腺癌术中检测的研究进展 科研背景与问题陈述 乳腺癌是全球女性中最常见的恶性肿瘤之一，2022年全球新增病例高达230万，死亡病例约66.6万。乳腺癌的外科治疗通常分为乳腺保留手术（breast-conserving surgery, BCS）以及乳腺全切术。相比于乳腺全切术，BCS结合术后放疗可以实现相似的局部控制效果，同时最大程度保留正常乳腺组织。然而，实现无肿瘤螺旋边缘（术后切缘不含肿瘤细胞）是BCS成功的关键。研究指出，肿瘤阳性切缘将导致局部复发风险显著增高，阳性切缘的发生率在20-40%之间。为了避免阳性切缘患者的复发及潜在治疗失败，通常需要进行重复手术，这不仅增加了手术风险、成本及心理负担，也可能影响患者的美容结果。 当前，术中评估切缘...
针对肝细胞癌 (Hepatocellular Carcinoma) 的新型近红外荧光成像研究 肝细胞癌（HCC）是全球范围内发病率第六高、死亡率排名第三的恶性肿瘤。据相关统计，HCC术后复发率高达80%，而肝硬化或纤维化更是超过80%的HCC病例的基础病变背景。因此，HCC的高复发率与术后处理中的潜在肿瘤生病灶密切相关，包括肿瘤间质成分等的残留。然而，目前临床手术中对于肿瘤是否完全切除，多依赖术者经验与术前成像，或者通过冰冻切片检测等方式，这些方法受限于采样不足和肿瘤标记物表达异质性等，难以实现精准、客观的术中评估。 针对这一问题，作者聚焦肝细胞癌肿瘤微环境中的关键成分——癌相关成纤维细胞（Cancer-Associated Fibroblasts，CAFs）。CAFs广泛存在于肿瘤间质中，...
阿尔茨海默病极早期阶段的研究进展：聚焦客观微妙认知困难与主观认知衰退之间的差异 阿尔茨海默病（Alzheimer’s Disease, AD）是现代神经科学与老年医学研究的关键课题，其病理进程在临床症状出现之前已持续多年。越来越多的证据表明，识别阿尔茨海默病的前临床阶段并进行早期预防干预，对于延缓或阻止疾病进展至关重要。然而，在如何科学细致地分类和研究这些早期阶段上，学术界尚存挑战。近年来，“主观认知衰退”（Subjective Cognitive Decline, SCD）作为早期阿尔茨海默病检测的工具，因其简便易用性受到广泛关注。但传统上仅依赖患者的自我报告，易受到情绪状态、文化背景以及其他外在因素的影响，这使其诊断效能存在局限。 为克服这一问题，研究者提出了“客观微妙认知困难”（Obj...
大型语言模型在PET影像报告中的应用：一项结合检索增强生成模型的单中心试验研究 随着人工智能技术的迅猛发展，大型语言模型（Large Language Models, 以下简称LLM）的零样本学习能力和自然语言处理能力在医学领域引发了广泛关注。尽管LLM已经在某些医疗领域显示出改进效率和效果的潜力，但在核医学尤其是PET（正电子发射断层扫描）影像报告的应用尚属探索初期。这项研究由来自韩国首尔大学医院和首尔大学医学院的Hongyoon Choi博士及其团队完成，研究成果发表于《European Journal of Nuclear Medicine and Molecular Imaging》。 研究背景及问题陈述 PET影像在多种医学领域中应用广泛，其临床价值体现在疾病诊断、疾病分期以及疗效...