• 基于大语言模型（LLM）的自然语言处理软件的自动化鲁棒性测试

  大型语言模型（LLM）驱动的自然语言处理（NLP）软件在金融舆情分析、有害内容过滤和日志生成等关键领域得到广泛应用。这类软件与传统DNN模型存在本质差异：其输入不仅包含文本数据，更依赖用户提供的提示（prompt）和示例（example）作为交互接口。随着LLM参数规模从百亿级向万亿级跃升，模型对输入的敏感性显著增强，但现有测试方法主要针对传统DNN架构，难以有效评估这类新型系统的鲁棒性。研究团队在Hohai大学计算机科学与软件工程学院完成了一项系统性研究，通过构建AORTA自动化鲁棒性测试框架，解决了LLM-NLP软件测试中的三大核心问题。首先，针对多维度输入空间的测试需求，开发出动态组合优

  来源：Expert Systems with Applications

  时间：2025-12-06

• 多模态大型语言模型能否理解视觉隐喻？对MLLM多视角理解视觉隐喻能力的评估

  视觉隐喻理解的技术挑战与多模态大语言模型评估体系创新研究视觉隐喻作为人类认知的重要载体，在跨文化传播、艺术创作和商业传播中具有不可替代的作用。当前多模态大语言模型（MLLM）虽然在文本生成和基础图像理解方面取得显著进展，但在视觉隐喻解析领域仍面临系统性挑战。本研究通过构建MetaVis4D专业评估数据集，设计四维评估框架，并创新性引入Prolog逻辑验证机制，系统性地揭示了现有MLLMs在视觉隐喻理解中的关键缺陷，为模型优化和评估体系完善提供了新范式。一、研究背景与问题分析视觉隐喻的认知机制具有多维特征，既包含目标域与源域的概念映射（Lawler, 1982），又涉及跨域知识的整合推理（For

  来源：Expert Systems with Applications

  时间：2025-12-06

• 具有异构车队的多仓库协同电动汽车路径规划问题

  碳中和目标背景下，城市物流电动化转型已成为全球性研究热点。针对多仓库协同运营中存在的车辆异构性、充电设施不足等现实难题，研究团队创新性地构建了多仓库协同电动车辆路径问题（MDCEVRPHF）的理论框架与求解方法，为绿色物流体系提供重要技术支撑。在问题建模方面，研究突破性地将多仓库协同机制与车辆异构管理相结合。不同于传统单仓库VRP模型，该框架构建了三级协同体系：顶层实现跨企业仓库的货物调拨协同，中层优化多类型电动车辆的调度配置，底层精确控制单车辆路径规划。这种三维建模方式有效解决了现有研究中普遍存在的"协同有余、执行不足"的技术瓶颈。特别是在充电设施优化方面，创新性地引入动态充电站选址模型，通

  来源：Expert Systems with Applications

  时间：2025-12-06

• DGT：一种用于图学习的差分图变换器，支持小样本学习

  近年来，图神经网络（GNN）在推荐系统、社交网络分析及生物化学等领域展现出强大的数据建模能力。然而，这类模型在实际应用中面临两大核心挑战：一是对标注数据的过度依赖，导致在小样本学习场景中表现受限；二是传统注意力机制对噪声的敏感性，容易在数据稀疏或存在干扰时引发模型失效。针对上述问题，研究者提出了一系列改进方案，包括引入元学习框架、开发自监督预训练方法以及优化知识迁移策略。这些技术虽取得一定进展，但仍存在全局上下文建模不足和噪声抑制能力弱等缺陷。在医疗健康领域，新药分子筛选需要基于有限临床数据的快速预测；社交网络冷启动用户需通过少量交互行为建立画像；电子商务场景中长尾商品偏好识别受限于稀疏点击数

  来源：Expert Systems with Applications

  时间：2025-12-06

• 通过判别性实例教师实现的无监督领域自适应对象检测

  目标检测模型在跨领域应用中的性能衰减问题已成为计算机视觉领域的重要研究方向。随着自动驾驶、智能安防等场景的快速发展，训练数据与实际部署环境间的显著差异导致模型泛化能力不足，这一挑战在目标检测任务中尤为突出。传统方法主要依赖有监督学习，但标注成本高昂且难以适应动态变化的目标场景。近年来，基于学生-教师框架的无监督领域自适应目标检测（DAOD）方法取得了一定进展，但其核心缺陷尚未得到根本性解决。当前主流的DAOD方法存在两个关键性局限：首先，过度依赖伪标签进行监督学习，导致错误累积效应。教师模型生成的伪标签存在天然噪声，在迭代训练过程中这些错误信号会被不断强化，最终形成错误固定的学习范式。其次，背

  来源：Expert Systems with Applications

  时间：2025-12-06

• 基于SLM引导和学习增强型NMPC的层次化运动控制框架，用于自主水下航行器

  自主水下机器人（AUV）的运动控制面临复杂水下环境带来的双重挑战：一方面，动态变化的外部干扰和未建模动力学导致传统控制方法难以精准执行；另一方面，实时任务交互需求与边缘计算资源限制形成矛盾。针对这一困境，研究者构建了三级联动的智能控制架构，通过融合轻量化语言模型与在线自适应学习技术，实现了任务理解、误差补偿、实时控制的协同优化。在任务交互层，研究者创新性地采用参数高效微调（LoRA）技术对小型语言模型进行领域适配。这种技术突破传统大模型需要全量参数更新的局限，通过在预训练模型上叠加少量可学习参数，使模型既能保持低计算资源消耗（仅需边缘设备即可运行），又能准确解析包含三维空间定位、动态避障等复杂

  来源：Expert Systems with Applications

  时间：2025-12-06

• 提出一种结合情感分析和历史数据的混合深度学习模型，用于预测加密货币价格

  该研究聚焦于解决加密货币市场预测的复杂性问题，通过整合多模态数据与混合深度学习架构，提出了一套创新性的预测方法。研究团队由四位学者组成，分别来自伊朗沙泽尔高等研究院计算机工程系，其研究成果在方法论和实际应用层面均展现出显著突破。在研究背景方面，加密货币市场呈现出与传统金融市场截然不同的特征。不同于股票市场的周期性波动，加密货币市场受技术迭代、政策监管、社区情绪等多重因素影响，呈现出更高的非线性和突发性。传统预测模型如ARIMA、随机森林等难以捕捉此类动态特征，而单一深度学习模型（如LSTM或Transformer）虽然能处理时序数据，但存在对多维特征融合不足的问题。研究团队通过文献调研发现，现

  来源：Expert Systems with Applications

  时间：2025-12-06

• 链长如何影响脆性聚合物玻璃的断裂？

  Christine Heera Ahn|Zheqi Chen|Xianyang Bao|Zhigang Suo哈佛大学约翰·A·保尔森工程与应用科学学院，美国马萨诸塞州02138摘要在脆性聚合物玻璃中，断裂性能随着聚合物链长度的增加而提高，然后达到一个平台值。在这里，我们使用聚甲基丙烯酸甲酯（PMMA）来研究几种断裂性能的这种变化。我们使用没有预切裂纹的样品来测量强度，使用有预切裂纹的样品来测量韧性和疲劳阈值。这三种性能在不同的链长度处达到平台值。这些变化是由于断裂机制的变化——从链的拔出转变为链的断裂。断裂性能达到平台值的链长度可以通过剪切滞后模型来解释。平台长度由两种类型键的强度平衡决定：

  来源：Extreme Materials

  时间：2025-12-06

• 利用机械超材料控制动态摩擦不稳定性

  本文围绕机械超材料对界面摩擦失稳的主动调控机制展开研究，重点探讨了双材料界面中负有效力学参数对剪切破裂传播行为的抑制作用。研究采用谱边界积分方程方法（SBIEM）与滑移弱化摩擦定律相结合的数值模拟手段，构建了包含两种典型配置的理论分析框架：反平面剪切问题和平面剪切问题。通过对比传统弹性材料与具备负密度、负剪切模量等异常力学特性的超材料的界面响应差异，揭示了负有效参数对界面应力传递、能量耗散及失稳模式转化的调控规律。在反平面剪切问题研究中，界面上层设置机械超材料层，其负有效密度与负剪切模量形成独特的波传播特性。这种异常参数组合导致界面剪切波产生反向能量流，当传统材料中因滑移弱化引发的应力释放被抑

  来源：Extreme Materials

  时间：2025-12-06

• GraphRAG-ASCOC：一个轻量级框架，用于自适应的同义词感知聚类和本体补全

  该研究聚焦于解决大规模工业标准文档向可执行知识图谱（OWL）转换中的核心挑战。针对现有GraphRAG-KM框架存在的语义冗余、聚类失衡和关系缺失三大痛点，研究团队提出GraphRAG-ASCOC增强型框架，通过系统性优化实现知识表示的精简性与逻辑完整性的平衡提升。在语义压缩方面，研究创新性地融合了互最近邻（MNN）算法与FAISS向量检索技术。不同于传统同义词消歧依赖固定词典，该模块通过动态计算文本片段间的语义相似度，自动识别并合并案例中"tactical data link"与"ILD"等近义表达。实验数据显示，在MIL-STD-6016B标准文档处理中，该方法使核心术语库规模缩减42.7

  来源：Expert Systems with Applications

  时间：2025-12-06

• 改进的状态转换算法，结合可变容量存档系统，用于受限多目标优化问题

  多目标优化问题（MOPs）在工程和科学领域具有重要应用价值，但约束多目标优化问题（CMOPs）因其复杂的可行区域分布和多重目标权衡问题面临更大挑战。近年来，随着工业4.0和智能制造的发展，CMOPs在资源调度、生产计划、路径规划等场景中的求解需求显著增加。然而，传统约束处理方法在应对可行区域狭窄且不连续的CMOPs时存在明显缺陷，这成为制约优化算法效能的关键瓶颈。当前主流的约束支配原则（CDP）虽然具备简单直观的优势，但其严格的可行性优先策略在处理复杂约束场景时存在明显局限性。当可行区域呈现碎片化分布特征时，CDP倾向于过早淘汰那些具有潜力的不可行解，导致种群多样性丧失。这种过早的可行性筛选使

  来源：Expert Systems with Applications

  时间：2025-12-06

• 综述：探讨辍学现象的难点、原因以及参与在姑息治疗患者中应用“尊严疗法”的专业人员：一项范围综述

  安娜·费尔南德斯-阿拉克（Ana Fernández-Araque）、埃斯特her·萨皮尼亚-贝尔特兰（Esther Sapiña-Beltrán）、玛尔塔·略伦特·阿隆索（Marta Llorente Alonso）、佐赖达·维德（Zoraida Verde）、卡门·阿马亚·拉米雷斯-托雷斯（Carmen Amaia Ramírez-Torres）、埃·贝戈尼亚·加西亚-纳瓦罗（E.Begoña García-Navarro）瓦拉多利德大学健康科学学院护理系，杜克塞斯德索里亚校区（Campus duques de Soria），42004索里亚，西班牙摘要目的探讨并总结关于终末期患者辍学最常

  来源：European Journal of Oncology Nursing

  时间：2025-12-06

• 一种用于狭小空间内装配质量检测的、具有3D增强功能的遮挡感知相关滤波器

  在工业制造领域，受限空间内的装配质量检测对产品可靠性至关重要。当前虽然目标检测和缺陷识别技术已有显著进展，但在实时处理能力和复杂遮挡场景应对方面仍面临严峻挑战。特别是在导弹等精密装备的装配过程中，需要快速识别天线、电池、螺栓等密集分布部件的安装位置偏差、缺失或装配不当等问题。传统图像处理算法虽然计算效率高，但在面对光照变化、部件反光或遮挡等复杂场景时，检测精度会出现明显下降。而深度学习方法虽然检测能力较强，但存在计算量大、实时性不足等问题，难以满足生产线上的实时质量检测需求。相关滤波技术凭借其轻量级特性与多特征融合潜力，逐渐成为解决此类问题的关键技术路径。现有相关滤波研究主要存在三个技术瓶颈：

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-06

• 利用条件修正流变换器（Conditional Rectified Flow Transformers）实现更加真实、准确的降水临近预报

  降水临近预报技术革新：CRFT架构突破效率与精度双重瓶颈当前全球气象预报体系正经历革命性变革，其中降水临近预报作为关键分支，在防灾减灾和智慧城市建设中发挥着不可替代的作用。本文提出的新型CRFT架构，通过融合Transformer架构与优化扩散流程，实现了预报效率与精度的双重突破，为实时天气预测提供了创新解决方案。传统数值天气预报模式（NWP）虽能捕捉大气物理过程，但存在计算资源消耗大、短时预报稳定性差等固有缺陷。近年来深度学习方法在降水预测领域展现出显著优势，特别是Transformer架构通过捕捉长程时空依赖，有效提升了预报精度。然而现有方法普遍存在两大痛点：首先，时空特征建模存在割裂现象

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-06

• 基于多重正则化的知识迁移学习在跨学科运动想象脑电图分类中的应用

  非侵入式脑机接口（BCI）在运动想象（MI）场景中的应用面临显著挑战。主要问题源于个体间脑电信号（EEG）特征的非稳态特性，这导致传统跨主体分类方法存在两大核心缺陷：一是标签与动态特征之间的互补性缺失，二是伪标签累积误差引发的负迁移问题。针对上述瓶颈，黄乔梅、蔡子宽、罗天建团队提出MRKT（多重正则化知识迁移）学习方法，通过构建多维正则化框架实现跨个体MI-EEG分类性能的突破。研究团队首先系统梳理了浅层域适应（SDA）与深度域适应（DDA）方法的发展脉络。SDA方法采用两阶段特征对齐策略，在EEG时频特征空间中通过协方差矩阵对齐实现分布匹配，典型代表包括基于黎曼流形对齐的MEKT方法。这类方

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-06

• 基于分层坐标表示的多智能体轨迹预测

  该论文聚焦于多智能体轨迹预测领域的核心挑战，提出了一种名为Hierarchical Coordinate-Based Representation（HICR）的创新框架。通过系统性分析现有方法的局限性及新型解决方案的设计原理，可从以下四个维度进行深入解读：一、技术演进与问题定位传统方法存在显著的双向制约：场景中心式架构虽能完整表征环境拓扑关系，但易产生冗余计算（特别是在高密度交通场景中，每个智能体均需全局坐标转换），且车辆位姿变化会导致预测偏差；智能体中心式架构通过局部坐标系消除位姿敏感性问题，但存在两大缺陷：其一，局部坐标系切换带来计算复杂度激增，特别是在多智能体交互场景中需频繁进行坐标变换

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-06

• 多核相关熵传输鲁棒字典学习及其在轴承故障诊断中的应用

  在工业设备健康管理领域，振动信号分析已成为轴承故障早期诊断的核心技术手段。传统方法依赖人工设计的时频域特征，在非高斯噪声干扰下存在显著局限性。近年来，基于字典学习的信号处理技术因其自动特征提取能力受到广泛关注，但现有研究在噪声鲁棒性方面仍存在提升空间。当前主流的K-SVD算法及其变体虽能通过稀疏编码实现特征分离，但其数据保真项基于高斯噪声假设，导致在遇到非高斯噪声（如脉冲噪声、调制噪声等）时性能急剧下降。这种现象在滚动轴承故障诊断中尤为突出，因为设备运行中常伴随复杂噪声环境，特别是早期微弱故障特征易被强噪声掩盖。针对这一问题，研究者提出了多种改进方案，包括自适应正交约束（Liu et al.,

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-06

• 通过选择性视角类别集成提升遥感目标检测性能

  Xinyuan Wang | Lian Peng | Xiangcheng Li | Yilin He | KinTak U澳门科技大学创新工程学院，中国澳门摘要在遥感图像中，目标检测一直面临着极端尺度变化、密集分布的目标物体和杂乱背景等挑战。尽管像YOLOv8这样的现代检测器已经取得了有希望的结果，但它们的主干网络通常缺乏指导多尺度特征细化的明确机制，这限制了它们在高分辨率航空图像上的性能。在这项工作中，我们提出了You Only Look Once-Selective-Perspective-Class Integration（YOLO-SPCI）这一增强注意力的检测框架，该框架引入了一个

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-06

• 一种基于方向感知和专家经验的网络模型，用于利用现场探地雷达数据检测内部裂纹尺寸

  道路基础设施的劣化监测是确保交通安全与道路使用寿命的关键环节。当前基于地面穿透雷达（GPR）的裂纹检测技术面临两大核心挑战：首先，传统信号解析方法难以准确提取现场复杂环境下的裂纹几何特征，特别是当裂纹呈现不规则双曲线形态时；其次，现有图像处理技术依赖人工设计的几何模型（如三角形 mask 或矩形框），在表征裂纹实际三维空间形态方面存在显著局限性。针对这些问题，研究团队创新性地构建了集成多模态特征解析与全局几何推理的智能检测系统，其技术路线与实现路径具有多重突破价值。在数据基础建设方面，研究团队建立了包含多频段 GPR B-Scan 影像与专业工程标注的复合型数据库。该数据库特别引入了现场环境干

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-06

• 基于自适应输入信号功率控制的线性Doherty功率放大器设计

  这篇研究聚焦于解决现代无线通信系统中Doherty功率放大器（DPA）效率与线性难以兼顾的工程难题。研究团队提出了一种基于肖特基二极管的新型输入匹配网络架构，通过动态调整栅极偏置电压和优化阻抗匹配特性，在0.75-1.25 GHz宽带范围内实现了高效率（51.1%-69.1%）与优异的线性性能（ACPR达-41.6 dBc）的协同提升。该设计在多个关键指标上超越现有解决方案，为5G/6G通信系统的高效射频前端提供了新思路。### 核心创新机制1. **双模态动态偏置调节**： - 低功率区（<36 dBm）采用类C工作模式，通过设定固定偏置电压（-5 V）抑制早期导通36 dBm）自动切换

  来源：Engineering Science and Technology, an International Journal

  时间：2025-12-06

知名企业招聘：