Learning Deformable Body Interactions With Adaptive Spatial Tokenization
本文已被 NeurIPS 2025 的 AI for Science Workshop 接受。模拟可变形体之间的相互作用在材料科学、机械设计和机器人等领域至关重要。虽然使用图神经网络 (GNN) 的基于学习的方法可以有效解决复杂的物理系统，但在对可变形身体交互进行建模时会遇到可扩展性问题。为了对对象之间的交互进行建模，必须动态创建成对的全局边缘，这对于大规模网格而言是计算密集型且不切实际的。为了克服这些挑战，借鉴......
Oceanside Hosts Another Excellent Year of The US Open of Adaptive Surfing Championships
最初由 Surfer Magazine 发布 来自世界各地的选手最近前往加利福尼亚州，参加自适应冲浪世界巡回赛的最后一站。几周前，即 9 月 4 日至 7 日，来自世界各地的适应性运动员齐聚加利福尼亚州欧申赛德，参加美国公开赛。该行动发生在欧申赛德码头，
Riding the Wave: OTD Student Finds Her Purpose Through Support for Adaptive Surfing
对于加利福尼亚州圣马科斯市圣奥古斯丁健康科学大学 (USAHS) 职业治疗博士 (OTD) 第三学期学生 Kylene Aziz 来说，美国公开适应性冲浪锦标赛不仅仅代表着一次志愿者经历。这是她职业治疗 (OT) 之旅的开始。 2025年9月4日至7日，阿齐兹重返欧申赛德
Flexibility as Strategy: How Adaptive AMR Robots Create Material Handling Resilience
文章“灵活性作为策略：自适应 AMR 机器人如何创造物料搬运弹性”首先出现在准机器人上。
RL for Reasoning by Adaptively Revealing Rationales
我们提出，来自部分专家演示的强化学习（RL）不仅仅是一种训练启发式方法，而且是解决复杂序列生成任务的一个有前景的框架。监督微调（SFT）依赖于密集的真实标签，随着序列长度的增长，其成本也越来越高。另一方面，强化学习则面临着稀疏奖励和组合大输出空间的问题。我们通过引入自适应回溯（AdaBack）来解决这个问题，这是一种按样本课程学习算法，在训练期间仅显示目标输出的部分前缀。该...
IEEE Transactions on Fuzzy Systems, Volume 33, Issue 10, November 2025
1) 基于区间类型 2 模糊模型的控制系统综述：隶属函数相关观点作者：Hak-Keung Lam、Bo Shaw、Ming ChenPages: 3856 - 38702) Advancing Multiscale Information Systems: A Synthesis of Theoretical Insights, Practical applications, and Emerging Challenges作者：Xueling Ma, Yibin Shaw,詹建明页面: 3871 - 38923) 频率驱动网络攻击下模糊可再生能源综合电力系统的弹性网络物理协同设计作者: Jia
IEEE Transactions on Artificial Intelligence, Volume 6, Issue 11, November 2025
1) 基于 DNN 和 GAN 的鲁棒实时视听语音增强作者：Mandar Gogate、Kia Dashtipour、Amir Hussain 页数：2860 - 28692) 优化神经网络训练：资源节约的马尔可夫链方法作者：Ke Wang、Xianting Huang、Cong Tan、Siu-Ming Yiu、Zicong Chen、雷小林页数：2870 - 28833) LibriSQA：大型语言模型口语问答的新颖数据集和框架作者：赵子涵、江一阳、刘鹤阳、王宇、王彦峰页数：2884 - 28954) 从常规到反思：高效通信联邦学习中的修剪神经网络作者：裴家明、魏Li, Shahid Mu
How to choose the right standard gripper for your cobot projects
在机器人集成中，节省的每一个小时都意味着一个更有利可图的项目。然而，集成商面临的最大时间消耗之一是为每个新的机器人设置选择、定制和微调末端执行器。这就是为什么向标准化机器人夹具（特别是自适应、即插即用夹具）的转变正在改变集成商的工作方式。他们不是从头开始，而是构建更快、更可靠、更可扩展的自动化单元。
AI-Driven Personalization In eLearning: Redefining The Future Of Learning Experiences
随着人工智能的成熟，它正在彻底改变电子学习解决方案领域，将自适应学习、智能聊天机器人和预测分析带到最前沿。无论是企业培训还是高等教育，人工智能正在推动新时代。本文首发于在线学习行业。
Who’s Accountable When AI Agents Go Rogue?
出版物作者： 出版日期： 2025 年 10 月 27 日概要 自主人工智能系统的兴起揭示了网络安全风险、攻击面扩大和责任模糊的新领域。因此，安全和负责任的部署已成为一项决定性的网络安全挑战。对非人类身份的治理和自适应、策略驱动的控制，以检测和遏制对人工智能模型、应用程序的攻击，[…]当人工智能代理失控时谁负责？首次出现在 RSIS 上。
RF-DETR Under the Hood: The Insights of a Real-Time Transformer Detection
从刚性网格到自适应注意力，这是使检测变压器变得快速、灵活和强大的进化路径。后置 RF-DETR 的幕后：实时变压器检测的见解首先出现在走向数据科学上。
A flexible lens controlled by light-activated artificial muscles promises to let soft machines see
这个橡胶圆盘是一个人造眼，可以为软机器人提供视觉。图片来源：Corey Cheng/佐治亚理工学院。作者：Corey Cheng（佐治亚理工学院）和 Shu Jia（佐治亚理工学院） 受到人眼的启发，我们佐治亚理工学院的生物医学工程实验室设计了一种自适应镜片，由柔软的光响应材料制成，[...]
AI In Learning: Smarter Tools For Smarter Students
人工智能 (AI) 正在通过提供更智能、更个性化和互动的学习体验来重新定义现代教育。借助人工智能，学生现在可以使用自适应学习工具、虚拟导师和智能学习平台来满足他们的需求和偏好。这篇文章首先发表在电子学习行业。
实体链接 (EL) 传统上依赖于大型注释数据集和广泛的模型微调。虽然最近的小样本方法通过提示来利用大型语言模型 (LLM) 来减少训练要求，但由于昂贵的基于 LLM 的推理，它们常常效率低下。 ARTER（自适应路由和目标实体推理）提出了一种结构化管道，通过策略性地结合候选生成、基于上下文的评分、自适应路由和选择性推理，无需深度微调即可实现高性能。 ARTER 计算一小组...
Applied Materials makes ‘strategic investment’ in Augmentus
Augmentus 是新加坡人工智能机器人和自适应自动化领域的先驱，宣布获得 Applied Materials 旗下风险投资部门 Applied Ventures 的战略投资。这项投资标志着 Augmentus 使命的一个重要里程碑，即为全球高混合、高可变性制造提供智能、自主机器人技术。 Augmentus 创新的核心是其旗舰产品 AutoPath [...]
How AI And Machine Learning Are Revolutionizing Personalized eLearning Experiences
人工智能和机器学习正在通过创建符合每个学习者的进度、风格和目标的个性化、自适应学习路径来改变电子学习。这篇文章首次发表在电子学习行业。
IEEE Transactions on Evolutionary Computation, Volume 29, Issue 5, October 2025
1) 客座社论进化动态优化作者：Danial Yazdani、罗文建、杨胜翔页数：1458 - 14622) 动态事件如何改变旅行商问题的适应度？作者：佟浩、李米青、刘家林、姚鑫页数：1463 - 14743) 历史 动态多模态优化的信息辅助动态响应集成和自适应利基方法作者：Kunjie Yu, Xuyang Zhang, Dezheng Zhang, Jing Liang, Yumeng Li, Heshan Wang, Ke Chen, Caitong YuePages: 1475 - 14894) 使用进化贪心的动态级联流程车间调度 算法作者：Qiu-Ying Li、Quan-Ke Pa
