作者: Spyros Kondylatos, Nikolaos Ioannis Bountos, Dimitrios Michail, Xiao Xiang Zhu, Gustau Camps-Valls, Ioannis Papoutsis
研究方向: 地球观测（EO）中的表示不确定性泛化
该研究探讨了在地球观测领域，通过在大型数据集上预训练表示不确定性，并评估其在多标签分类和分割任务中的零样本性能。
作者: Takao Nakagawa, Susumu Tokumoto, Shogo Tokui, Fuyuki Ishikawa
研究方向: 深度学习，神经网络
本文研究了如何在深度神经网络（DNN）模型更新过程中，通过回归控制修复技术实现无回归修复。主要针对工业系统中对DNN模型高可靠性要求，提出了一种名为NeuRecoverLite的修复方法，并进行了案例分析。
作者: Zhaoqi Dong, Zhinan Wang, Quanqi Zheng, Bin Xu, Lei Chen, Jinhu Lv
研究方向: 智能无人系统与群体对抗决策
本文针对群体对抗场景中的决策抖动和死锁问题，提出了一种基于概率有限状态机、深度卷积网络和强化学习的决策框架，旨在实现智能群体对抗中的可靠和自适应决策。
作者: Zhihao Huang, Xi Qiu, Yukuo Ma, Yifu Zhou, Chi Zhang, Xuelong Li
研究方向: 计算机视觉与图像生成
该论文提出了一种名为NFIG（Next-Frequency Image Generation）的图像生成框架，该框架通过将图像生成过程分解为多个频率引导的阶段来解决传统自回归图像生成模型在捕获长距离依赖、管理计算成本以及定义有意义自回归序列等方面的挑战。
作者: Apivich Hemachandra, Gregory Kang Ruey Lau, See-Kiong Ng, Bryan Kian Hsiang Low
研究方向: 物理学驱动的实验设计（Physics-Informed Experimental Design）
本文提出了一种名为PIED（Physics-Informed Experimental Design）的实验设计框架，该框架利用物理信息神经网络（PINNs）在完全可微的架构中，对逆问题（IPs）的实验设计参数进行连续优化。PIED旨在解决在有限预算下，通过实验数据推断未知偏微分方程（PDE）参数的挑战。
作者: Jongwoo Ko, Tianyi Chen, Sungnyun Kim, Tianyu Ding, Luming Liang, Ilya Zharkov, Se-Young Yun
研究方向: 大型语言模型（LLM）的压缩与知识蒸馏
本文提出了一种名为DISTILLM-2的新方法，用于提高大型语言模型（LLM）的知识蒸馏效率。该方法通过对比方法，同时增加教师模型响应的可能性，并减少学生模型响应的可能性，从而在保持性能的同时，显著降低LLM的参数数量。
作者: Shisong Deng, Qiang Zhang, Zhengyang Cai
研究方向: 航空器空气动力学形状优化与逆向设计
该研究提出了一种基于无分类器引导去噪扩散概率模型（CDDPM）的空气动力学形状逆向设计方法。该方法通过捕获特定性能指标之间的相关性，并生成相应的上下表面压力系数分布，从而实现高效、精确的空气动力学形状设计。
作者: Victor Shea-Jay Huang, Le Zhuo, Yi Xin, Zhaokai Wang, Peng Gao, Hongsheng Li
研究方向: 图像生成与可解释性研究
本文研究了扩散模型在图像生成中的可解释性问题，提出了一种名为TIDE的框架，旨在通过时间感知稀疏自编码器来提高扩散模型中时间重建的性能，并增强模型的可解释性。
作者: Ziming You, Yumiao Zhang, Dexuan Xu, Yiwei Lou, Yandong Yan, Wei Wang, Huaming Zhang, Yu Huang
研究方向: 数据科学自动化与大型语言模型应用
DatawiseAgent是一个基于笔记本中心的大型语言模型（LLM）代理框架，旨在自动化数据科学任务。该框架通过整合用户、代理和计算环境之间的交互，支持灵活和自适应的自动化数据科学。
作者: Nardine Basta, Conor Atkins, Dali Kaafar
研究方向: 人工智能在网络安全领域的应用，特别是在对抗电话诈骗方面
本文提出了一种名为“Bot Wars”的框架，该框架利用大型语言模型（LLMs）模拟诈骗对抗，通过模拟对抗性对话来对抗电话诈骗。该框架通过链式思维推理和双层提示架构，使LLMs能够创造具有人口统计学真实性的受害者角色，同时保持战略连贯性。