AI 科研

一篇新 arXiv 论文提出 MOJO，将掩码自编码式自监督学习与监督解码目标结合，让 spike-tokenizing 神经解码模型能利用大量未标注数据。实验显示，它在标注稀缺和跨会话微调场景中尤其有优势。

一篇 arXiv 新论文用冻结的 Evo 2 表征训练轻量探针，评估其在宏基因组数据中识别抗微生物耐药性和细菌毒力信号的能力。结果显示，AMR 信号相对容易被解码，但毒力识别与生成序列标签判定仍存在边界。

一篇 arXiv 新论文聚焦可再生能源预测中的特征选择问题，提出了聚类式顺序特征选择 CSFS。该方法在保持与传统顺序特征选择相近预测表现的同时，平均降低了 21% 计算成本。

一篇 arXiv 新论文将经验贝叶斯变分自编码器扩展到药物计量学场景，用于同时建模肿瘤体积变化、患者脱落时间以及基因协变量。研究显示，半机理混合解码器在保持预测能力的同时，也能给出更接近传统非线性混合效应模型的治疗效应解释。

一篇新论文提出 PlumeQuant，用于检查成像光谱仪发布的甲烷羽流产品在掩膜、质量增强、羽流长度、排放率和不确定性之间是否一致。研究指出，仅凭公开的标量指标并不能唯一确定羽流边界，这会影响对弱羽流和模糊羽流的解读。

一项 arXiv 新研究提出两阶段无监督聚类方法，用于处理心脏 PET/MRI 的多模态数据，并为致心律失常性左室心肌病患者生成自动化健康报告。该方法在患者数据和数值仿真队列中，较好复现了心脏影像医生的观察结果。

一篇 arXiv 新论文将 Quantum Kitchen Sinks 用于射频频谱图异常检测，并在真实蜂窝信号与 IBM 量子处理器上做了验证。结果显示，DCT 表示与中等深度纠缠配置是更稳健的组合。

一篇 arXiv 新论文提出 OCP-CT，用器官条件下的放射学模式 token 改进 CT 体数据与报告之间的视觉语言预训练。它试图弥补全局对比学习过粗、器官级对齐仍不够细的问题。

一篇 arXiv 新论文提出用于脑肿瘤演化预测与治疗排程的 AI 增强自适应数字孪生框架。研究亮点在于把可解释的反应-扩散模型、3D 残差学习、在线更新和模型预测控制放在同一流程中。

一篇 arXiv 新论文提出 Quantum Topological Data Encoding（QTDE），试图把数据的几何与拓扑结构通过量子演化编码进量子态。作者在 clique-complex 分类任务上给出初步结果，显示该表示优于直接比较组合拉普拉斯算子的基线。

一篇 arXiv 新论文提出了面向胰腺导管腺癌可切除性评估的全自动多模态深度学习框架。该方法联合分析三维增强 CT 与结构化临床变量，尝试减少专家判读差异带来的不确定性。

arXiv 新论文《CAS I: A Geometric Coding Theorem》尝试把算法信息论中的经典编码定理搬到对称群框架中，用“唯一不动点”的概率来刻画字符串复杂度。

这篇 arXiv 论文把正则性的判定放进通信复杂性视角：输入被拆给 Alice 和 Bob，两方用常数轮消息协作计算函数。作者希望用这一模型统一不同输出域上的 Nerode 式正则性刻画。

一篇新论文将 Neural Spline Flows 用于 CMS Run 2015D 开放数据中的 mono-Z 暗物质搜索，以似然比方式在高维运动学空间中区分标准模型背景与暗物质信号。结果未显示暗物质证据，但展示了生成式密度估计方法在高能物理分析中的潜力。

一篇 arXiv 论文提出 MxGPS，用多任务训练缓解电网 GNN 在拓扑变化下的泛化失效。研究将这一现象称为“拓扑过拟合”，并用静态状态估计与交流潮流联合目标提升零样本电网适应能力。

一篇 arXiv 论文比较了量子电路与经典消息传递模型在分子性质预测中的表现。结果显示，真正带来参数效率的可能不是“量子”标签本身，而是让模型结构贴合分子键图的归纳偏置。

一篇已被 ICCS 2026 接收的 arXiv 论文尝试把量子生成对抗网络用于后量子密码评估。研究重点不是宣称破解现有方案，而是探索近中期量子机器学习能否成为发现潜在弱点的工作流起点。