• 通过在频率增强脑网络上进行自监督学习实现的数据高效精神障碍检测

  在神经科学和医学领域，功能性磁共振成像（fMRI）已经成为研究大脑功能和神经发育障碍的重要工具。通过捕捉大脑活动的动态变化，fMRI不仅揭示了正常状态下的神经网络连接模式，也帮助识别与精神疾病相关的异常特征。然而，fMRI数据的分析面临诸多挑战，其中最突出的是数据稀缺性以及其复杂的多维信息结构。传统的方法往往专注于时间域特征，而忽略了频率域信息的潜在价值。为了解决这些问题，我们提出了一种新的自监督学习（SSL）框架——频率增强网络（FENet），旨在通过融合时间域和频率域信息，提高在小样本条件下的精神疾病检测效果。### 一、fMRI数据的复杂性与挑战精神疾病，如抑郁症、自闭症谱系障碍（ASD

  来源：ACM Transactions on Computing for Healthcare

  时间：2025-11-07

• HomeSenseALS：一种移动式传感与自我监测系统，用于在日常生活中监测ALS（肌萎缩侧索硬化症）患者的情况

  在现代医学中，神经退行性疾病如肌萎缩侧索硬化症（ALS）的监测与管理正变得越来越重要。ALS是一种进展性神经退行性疾病，其特征是运动神经元的逐渐退化，导致肌肉无力、萎缩以及最终的呼吸衰竭。这种疾病的诊断和治疗过程往往涉及复杂的多学科协作，而患者在日常生活中常常面临生理和心理上的双重负担。传统的临床评估虽然具有一定的准确性，但其频率较低，且需要患者频繁前往医疗机构，这不仅增加了患者的不便，还可能影响疾病的及时干预和管理。为了解决这一问题，研究者们开始探索利用智能设备进行远程数据采集的可能性。智能手机和可穿戴设备因其便携性、易用性和广泛的普及率，成为远程监测的重要工具。近年来，多项研究表明，通过这

  来源：ACM Transactions on Computing for Healthcare

  时间：2025-11-07

• 针对美国太空领域解决方案的威胁场景的自动化识别与评估

  摘要随着无人机生态系统的不断扩大，其在经济和社会方面的影响日益显著，这促使人们需要扩展空中交通管理范围，以实施无人驾驶航空系统的交通管理。U-space（欧洲于2016年发起的一项倡议）旨在设计和建立一个用于管理和整合无人机在空域中活动的欧洲系统，同时提供一系列服务和程序，以确保大量无人机能够安全使用空域。然而，新空域用户和运营方式的引入带来了新的挑战，尤其是网络攻击风险的增加，成为U-space面临的主要问题之一。事实上，无人机本身就带来了类似于自动驾驶车辆所面临的网络威胁。此外，U-space涉及许多高度暴露的“信息物理系统”（Cyber-Physical Systems），这些系统的脆弱

  来源：ACM Journal on Autonomous Transportation Systems

  时间：2025-11-07

• 用于可信医疗联邦学习的奖励系统

  联邦学习（Federated Learning, FL）是一种在医疗领域广泛应用的技术，允许不同机构在不共享原始数据的情况下协同训练机器学习（Machine Learning, ML）模型。这种技术能够帮助打破机构间的“数据孤岛”现象，使模型能够在更多数据基础上进行训练，从而提高预测性能。然而，模型的偏差问题仍然是FL研究中的一个重要挑战，因为偏差可能导致对某些患者亚群体的不公平对待。此外，信任度的提升也是构建可信AI的关键，不仅需要高预测性能，还需要确保模型在不同患者群体间具有较低的偏差。目前，FL研究中关于如何衡量机构对模型偏差的贡献以及如何设计激励机制以实现可信模型的研究仍处于初级阶段。

  来源：ACM Transactions on Computing for Healthcare

  时间：2025-11-07

• 应用驱动的无人机路由与调度算法在自主运输系统中的应用专题介绍——第二部分

  无人机（UAVs）正迅速成为从物流和农业到检测、监控和应急响应等广泛应用的不可或缺的一部分。随着这些技术的发展，复杂的路由和调度算法对于实现可扩展、节能且自主的无人机在复杂环境中的部署至关重要。在第一部分取得成功的基础上，这期关于“自动驾驶系统应用驱动的无人机路由和调度算法”的特刊第二部分进一步展示了无人机操作、自主系统和智能交通交叉领域的高质量研究成果。这些研究重点关注了路由优化、能源意识规划、系统弹性以及新兴应用领域。以下六篇文章体现了这一快速发展领域的广泛研究工作：第一篇文章《U空间解决方案的威胁场景自动化识别与评估》由Elia等人撰写，探讨了欧洲U空间计划（用于管理受控空域内的无人机交

  来源：ACM Journal on Autonomous Transportation Systems

  时间：2025-11-07

• 术语解释：一组用于开放式意义构建的Large Language Models（LLMs），专门处理与健康和福祉相关的被动感知数据

  摘要智能手机和可穿戴设备的普及使得研究人员能够利用这些设备提供的被动感知数据，构建各种健康和行为结果的预测与检测模型。然而，要全面深入地理解个体的行为及其所处的环境仍是一项重大挑战。由于被动感知数据的特性，数据解读（即从数据中提取有价值的信息）这一过程需要领域知识和技术专长，这对不同的利益相关者来说都构成了障碍。现有的辅助数据解读的系统要么不够灵活，要么无法进行复杂的数据三角测量（即结合多种数据来源进行分析）。在本文中，我们提出了一种新型的数据解读系统——Group of LLMs for Open-ended Sensemaking（GLOSS），该系统能够进行复杂的多模态数据三角测量以提取

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• EMTap：通过使用RFID感应电磁变化来窃听通过音频电缆传输的声音

  摘要当声音信号通过音频电缆以电流信号的形式传输时，电缆周围会释放出可检测的电磁泄漏，这可能会泄露正在传输的声音内容。本文介绍了一种名为EMTap的声音窃听系统，该系统利用附着在音频电缆上的RFID标签来感知电缆周围的电磁变化，从而恢复声音内容。在某些使用音频电缆的视听场景中（如办公室和会议室），攻击者可能会在未被察觉的情况下秘密地将一个小型、无电池的RFID标签附着到音频电缆上。同时，RFID读取器被伪装成装饰品或公共设施，放置在房间内外以发送和接收射频信号。当声音信号通过音频电缆传输时，EMTap首先激活RFID标签，捕捉射频信号产生的电缆周围电磁变化模式。然后，EMTap利用专门设计的跨模

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• 区块链智能合约安全：从生命周期角度审视的威胁与缓解策略

  摘要智能合约作为区块链平台上的自动执行协议，有望消除中间环节并提高交易效率。然而，它们容易受到安全漏洞的影响，这不仅可能导致巨大的财务损失，还会削弱人们对区块链生态系统的信任。因此，人们正在开展大量研究，以提升智能合约的安全性和可信度。本文全面总结了当前智能合约安全保障的现状，涵盖了从开发到部署、执行和维护整个生命周期中的主要安全威胁及缓解策略。文章评估了现有的和先进的漏洞检测技术，并探讨了尚未得到充分研究的领域，包括自动化修复机制、安全执行环境以及针对恶意攻击的防御措施。此外，我们还提出了一种框架，以确保智能合约的整体安全性和可信度，并讨论了未来的研究与发展方向，强调了需要同时解决技术挑战和

  来源：ACM Computing Surveys

  时间：2025-11-07

• MotionLeaf：利用成本效益高的毫米波传感器，实现对植物水分胁迫的精细多叶片阻尼振动监测

  摘要水分胁迫对全球植物的健康和作物产量有着显著影响。传统的检测方法（如土壤湿度传感器）往往精度不足、具有侵入性且需要大量人力。本文介绍了一种基于毫米波技术的新型原型系统——MotionLeaf，该系统通过测量多片叶子的振动频率来评估植物的水分胁迫状况。MotionLeaf配备了专门的信号处理流程，可以从毫米波雷达采集的噪声较大的微位移测量数据中估算出精细的振动频率。具体而言，系统利用相邻频率调制连续波（FMCW）雷达信号之间的相位差的四分位数均值（IQM）来计算微位移。此外，多个雷达天线通过盲源分离（BSS）技术分离出每片叶子的振动信号。实验结果表明，MotionLeaf测量叶片振动频率的平均

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• 关于非洲低资源语言自动语音识别模型中偏见评估与缓解的系统性文献综述

  在人工智能技术快速发展的背景下，自动语音识别（ASR）系统已成为现代生活不可或缺的一部分。这些系统广泛应用于虚拟助手、语音控制设备、语音转文字服务等，极大地方便了人们与技术的互动。然而，随着ASR技术的普及，其潜在的系统性偏差问题也逐渐显现。这些偏差不仅影响技术的性能，还可能加剧社会不平等。因此，确保ASR系统的公平性和包容性已成为技术开发的重要议题。在高资源语言（如英语、法语和西班牙语）中，关于ASR系统偏差的研究已经相当深入。然而，在低资源非洲语言的背景下，相关研究仍显不足。这种不平衡主要源于数据集的代表性不足以及训练数据中语言多样性有限。由于非洲语言的多样性以及部分地区语言数据的匮乏，许

  来源：ACM Computing Surveys

  时间：2025-11-07

• 最优多分布学习

  在当今机器学习领域，随着对模型鲁棒性、公平性和多组协作需求的不断提升，多分布学习（Multi-Distribution Learning, MDL）作为一种统一框架逐渐受到关注。MDL的目标是学习一个共享模型，使得该模型在多个不同的数据分布上具有最小的最坏情况风险。然而，目前对于最优样本复杂度的上界与下界之间仍存在显著的差距。本文聚焦于一个具有Vapnik–Chervonenkis（VC）维度为 $ d $ 的假设集合，提出了一种新的算法，该算法能够在样本复杂度上达到 $ \epsilon $-最优的随机假设，其样本复杂度在对数因子范围内匹配了已知的最优下界。我们的算法不仅在理论层面有所突破，

  来源：Journal of the ACM

  时间：2025-11-07

• HPIPainting：一种用于虚拟现实（VR）绘画的手写笔交互方式

  摘要虚拟现实（VR）绘画应用程序允许用户在三维空间中创建视觉图像。然而，现有的基于手势的VR绘画和草图系统通常依赖于通用的手势，这可能导致用户产生严重的误解。在本文中，我们提出了HPIPainting，这是一种基于手-笔交互（Hand-Pen Interaction, HPI）范式的裸手VR绘画系统。该范式利用微手势识别技术，将自然的手握笔动作融入到精确的交互模型中，使用户能够自然且沉浸式地在三维空间中进行绘画。具体而言，我们探索了VR绘画手势的设计空间，并通过主观评估筛选出了9种微手势，用于控制各种绘画功能，如开始绘画、编辑、画笔调整、几何形状创建和网格操作。研究表明，HPIPainting

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• OccMesh：利用毫米波信号实现遮挡感知的多用户3D人体网格重建

  摘要如今，3D人体网格重建技术在元宇宙中引起了广泛关注，用于构建数字人类模型。现有的主流解决方案基于视觉技术，但这些方法存在隐私泄露问题，并且受光照条件的影响较大。为了实现更加注重隐私保护和抗光照干扰的重建方法，近期研究开始利用射频信号来实现3D人体网格重建。然而，这些技术无法处理多用户场景中的遮挡问题（如用户之间距离过近或身体部分重叠的情况）。本文提出了一种具备遮挡感知能力的3D人体网格重建系统OccMesh，该系统使用毫米波信号来估计人体骨骼结构并重建存在遮挡的用户的人体网格。OccMesh首先通过毫米波信号检测目标对象并生成点云，然后对点云进行分割以识别和定位每个用户。接着，利用专门设计

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• 四智能体无嫉妒蛋糕切割的高效算法与通信复杂度下界

  引言在公平分配领域，蛋糕切割问题是一个经典且重要的研究方向。该问题将资源（蛋糕）建模为区间[0,1]，并考虑如何将其分配给n个具有异质偏好的智能体，以确保分配结果满足某种公平性。无嫉妒（Envy-Free, EF）是一种强公平性概念，要求每个智能体都不嫉妒其他智能体所获得的份额。尽管在较一般的偏好模型下，连通的无嫉妒分配总是存在，但如何高效地找到这种分配却是一个巨大的挑战。技术概述算法概述本文的核心贡献之一是提出了一个用于四智能体无嫉妒蛋糕切割的高效算法。该算法的关键在于定义了一个特殊的临界不变量，该不变量由参数α∈[0,1]参数化，并满足以下性质：对于任意α，可以高效地找到满足该不变量的分割

  来源：Journal of the ACM

  时间：2025-11-07

• 重新审视VASS中的覆盖性：改进Rackoff的界限以实现条件最优性

  在这一篇研究中，我们关注的是向量加法系统与状态（VASS）中的覆盖问题。VASS 是一种广泛应用于并发系统建模的模型，其在数据库理论、业务流程等领域有着重要的应用。覆盖问题的核心在于判断是否存在从给定的初始配置到某个配置的运行路径，该配置的计数器值至少等于目标配置的计数器值。这一问题在经典计算复杂度理论中被归类为 EXPSPACE 完备问题，这意味着其在最坏情况下需要指数级的空间资源。然而，该问题在实际应用中仍存在一些理论上的挑战，特别是在确定运行路径的精确长度和算法的运行时间方面。早期的研究结果表明，覆盖问题在 VASS 中的上界是 EXPSPACE，这一结论由 Rackoff 在 1978

  来源：Journal of the ACM

  时间：2025-11-07

• MetaTwin：一个用于实现物理世界与虚拟世界无缝同步的协作型扩展现实（XR）平台

  摘要本文介绍了MetaTwin，这是一个协作平台，能够实现物理世界与虚拟世界之间的无缝同步，从而支持共存的扩展现实（XR）体验。MetaTwin采用混合式去中心化服务器架构，在共享空间内同步用户交互和环境，使用户能够在不同的物理位置进行协作和社交，同时体验现实世界与虚拟世界的融合。集成的物联网设备既充当物理实体，也充当虚拟实体，支持共同控制并实现资源共享（如演示文稿和音乐）。我们详细阐述了MetaTwin作为XR协作解决方案的配置和部署方式。为了评估其性能和可行性，我们将MetaTwin与现有的XR平台进行了对比，并进行了消融研究以确定该方法的优势和局限性。此外，一项用户研究还探讨了空间和时间

  来源：Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

  时间：2025-11-07

• 菊池层次结构和张量主成分分析（Kikuchi Hierarchy and Tensor PCA）

  在高维数据处理和机器学习领域，研究如何高效地从噪声中恢复隐藏的结构是一个核心挑战。本文聚焦于一个具体的问题——张量主成分分析（Tensor Principal Component Analysis, Tensor PCA），并提出了一种新的算法层级，该层级通过引入“Kikuchi Hessian”这一概念，将统计物理学中的自由能方法与传统的谱方法结合，从而实现了对Tensor PCA问题的高效求解。这一方法不仅在理论上有重要意义，也为实际应用提供了一种更高效、更简洁的算法设计思路。Tensor PCA是一个经典的高维数据建模问题，其基本形式为一个对称的张量 $ Y $，由一个隐藏的信号向量 $

  来源：Journal of the ACM

  时间：2025-11-07

• 在ETH（以太坊）框架下的参数化不可近似性假设

  在现代计算机科学领域，解决NP难问题的复杂性分析一直是研究的重点。为了更细致地理解这些难题的计算难度，研究者们提出了多种假设，如指数时间假设（ETH）和参数化近似不可行性假设（PIH）。这些假设帮助我们从不同的角度探讨问题的复杂性，尤其是在参数化近似算法的上下文中。本文的研究成果在于证明了PIH在ETH这一无固有间隙的假设下成立，这是首次从一个无间隙的假设出发证明PIH，为参数化近似问题的复杂性分析提供了一个更基础的起点。在参数化复杂性理论中，PIH扮演着类似PCP定理的角色。PCP定理是现代复杂性理论的基石，它提供了一种从NP难问题（如3SAT）到一个具有特定间隙的约束满足问题（CSP）的多

  来源：Journal of the ACM

  时间：2025-11-07

• 异构信息网络上的社区搜索：一项综述

  摘要异构信息网络（HINs）由不同类型的顶点和边组成，这些顶点和边代表不同的对象和链接，从而能够更完整、更自然地抽象和模拟现实世界。HINs中包含的丰富结构和语义信息为发现其中的隐藏模式提供了新的机遇和挑战。在HINs上进行的社区搜索（Community Search, CS）旨在找到满足给定条件的子图，为团队组建、个性化推荐、欺诈检测、群体识别等多种应用提供了重要支持，近期也提出了许多CS方法。本研究介绍了HINs的类型、CS的约束条件以及搜索策略，提出了一种新的HINs上CS的分类体系，并回顾了不同HINs上的CS模型及其解决方案。随后，分析并比较了各种模型和解决方案的特点，并总结了文献中

  来源：ACM Computing Surveys

  时间：2025-11-07

• 计算二次规划KKT解的复杂性

  本研究探讨了非凸二次规划问题中寻找KKT点的计算复杂性。二次规划（Quadratic Programming, QP）是一种优化问题，目标是找到一组实数变量的值，使得二次函数在满足线性约束的条件下取得最小值。这类问题在科学、工程和经济等多个领域都有广泛的应用，而且已经被证明是NP难的问题。然而，本研究进一步指出，即使我们仅寻找一个KKT点，而不是全局最优解，该问题仍然具有较高的计算复杂性。KKT点是指在梯度下降法下局部最优的解，这可能是一个梯度为零的点，或者在边界约束下进一步优化受到阻碍的点。KKT点的特性在于它们具有可验证的证书，即梯度和约束条件。因此，搜索KKT点的问题属于TFNP类，这类

  来源：Journal of the ACM

  时间：2025-11-07

知名企业招聘：