IEEE Transactions on Emerging Topics in Computational Intelligence Volume 10, Issue 4, August 2026
1) 代理辅助进化多目标优化综述作者：Q. Wang，Y. Zhang，D. Kong，X. Song，C. He，X. Ji，F. ChuPages：2741 - 27612) A Review of Evolutionary Algorithms for Multimodal Multi-Objective Optimization: Mechanisms, Progress, and Prospects作者：L. Zhang，X.唐，李，王，张，L.王页数：2762 - 27823) 基于深度学习的水下图像增强综合综述作者：X. Cong，Y. Zhao，J. Gui，J. Hou，D.
关于鲜为人知的蜘蛛物种 Centromerus obscurus Boesenberg, 1902 的身份和新物种的描述（Araneae: Linyphiidae）摘要根据保加利亚新收集的材料，讨论了鲜为人知的蜘蛛物种 Centromerus obscurus Boesenberg,1902 的分类地位和分布。此外，通过查阅相关文献和新收集的材料，研究人员发现了中心粒属的一个新种，C. thaleri sp。 n.，是根据两种性别进行描述的，Centromerus obscurus 被认为是 nomen dubium stat。重新会议。 Deltshev, C. 和 Indzhov, S.
Doing The Opposite: Studies Show Gigantic Wind Farms Significantly Warm The Night
能源转型的支持者常常忽视或隐瞒风力涡轮机对当地气候的负面影响。 Report24 引用了 Liming Zhou 及其研究团队于 2012 年在《自然·气候变化》杂志上发表的一项研究，该研究调查了大型风电场对德克萨斯州地表温度的影响。文章《做相反的事情：研究显示巨型风电场显着温暖夜晚》首先出现在 Watts Up With That? 上。
Neophlugiopsis？ nigrivertex Xiong, Chen & Shi, 2026 DOI: doi.org/10.11646/zootaxa.5845.1.12 Neophlugiolopsis 属由 Pan & Bian (2024) 建立，Neophlugiolopsis longiprocera Pan & Bian, 2024 为模式种。与 Phlugiolopsis Zeuner, 1940, Paraphlugiolopsis Bian & Shi, 2014, Aphlugiolopsis Wang, Liu & Li, 2015, Pseudophlugi
A NEW SPECIES OF HAHNIA (ARANEAE, HAHNIIDAE) FROM BULGARIA AND CRIMEAN PENINSULA CLOSE TO H. NAVA
保加利亚和克里米亚半岛靠近 H. nava 的蛛形纲新种 (Araneae, Hahniidae) 保加利亚和克里米亚半岛靠近 H. nava 的蛛形纲新种 (Araneae, Hahniidae)。因佐夫，S. — Hahnia kovblyuki sp。名词是从保加利亚西部的森林栖息地中描述的，并使用形态学和简单的形态测量法与它最接近的物种 H. nava (Blackwall, 1841) 进行了比较。来自克里米亚的 H. nava 的先前记录被正式重新分配给 H. nava。科夫布柳基河n.，并简要讨论了 Hahnia nava 复合体的分类学问题。Indzhov, S. (2026)
Chengheornis buyuWang, Tang, Deng, Dong, L. Xu, X. Xu, M. Lin, Du, G. Lin, Chen, Zhuang & Zhou, 2026 DOI: doi.org/10.1126/sciadv.aeb5202 摘要适应飞行的鸟类身体计划的进化组合涵盖了陆地脊椎动物历史上一些最深刻的形态变化。除了有羽毛的翅膀之外，带有尾综骨的短尾对于该进化枝的生态成功至关重要。然而，从长骨尾到短尾综尾的转变仍然是一个谜，由于具有过渡形态的早期分枝鸟类的稀缺阻碍了这一过程。在此，我们报道了一种新鸟类，Zhengheornis buyu，gen。等11
IEEE Transactions on Artificial Intelligence, Volume 7, Issue 7, July 2026
1) 因果关系和深度生成模型中的新兴协同作用：调查作者：G. Zhou，S. Xie，G. -Y。郝，陈，B.黄，X.徐，C.王，L.朱，L.姚，K.张页数：3634 - 36522）扩散模型可解释性的方法：系统综述作者：T. Lakhani，J. Wu，Y. -K。 Lai, Z. Ji页数：3653 - 36703) 人工智能和大脑连接如何为耐药性癫痫的结果预测提供信息作者：E. Paolini, G. Menegaz, E. Tamilia, S. F. Storti页数：3671 - 36874) 从奖励角度看 LLM 调整进展的调查设计作者：M. Ji, Y. Wu, Z. Wu,
