• 综述：肠道-免疫-脑轴与COVID-19在特发性帕金森病表现中的复合作用

  引言长期以来，特发性帕金森病（iPD）被认为是一种仅局限于大脑的黑质多巴胺能神经元退行性病变。然而，越来越多的证据表明，iPD实际上是一种全身性疾病，其发病机制涉及肠道、免疫系统和大脑之间复杂的相互作用。非运动症状，如胃肠功能障碍、情绪障碍和睡眠异常，常常在运动症状出现前数年就已存在，这提示外周系统很早就参与了疾病过程。这一观察催生了帕金森病的"身体优先"假说，该假说认为α-突触核蛋白（α-syn）病理可能始于肠道神经系统或嗅球，并通过迷走神经向中枢传播。在这一系统性框架中，肠道-免疫-脑轴作为双向通讯网络，调节着神经免疫稳态。肠道微生物群的改变、肠道通透性增加以及异常的免疫激活都被认为与PD

  来源：Discover Immunity

  时间：2025-11-10

• 童年创伤、述情障碍与边缘型人格障碍中的心理理论能力之间的关系

  摘要通俗语言总结 引言： 本研究探讨了童年创伤、情感识别障碍（alexithymia）和心理理论（theory of mind, ToM）能力在边缘型人格障碍（borderline personality disorder, BPD）患者中的关系。 研究类型： 这是一项横断面、随机对照的调查/量表研究。 方法： 90名参与者被分为三组：具有高创伤水平的BPD患者（n=30）、具有低创伤水平的BPD患者（n=30）和健康对照组（n=30）。评估工

  来源：The Journal of Nervous and Mental Disease

  时间：2025-11-10

• 抑郁症患者吸烟状况的变化与痴呆风险

  吸烟与痴呆之间的关系一直是医学研究的重点之一。随着全球老龄化趋势的加剧，痴呆症的发病率不断上升，成为重大的公共卫生挑战。痴呆不仅对患者自身造成严重影响，还对家庭和社会带来沉重的负担。近年来，越来越多的研究指出，吸烟是导致痴呆的一个重要可改变的危险因素。然而，关于在诊断抑郁症后吸烟行为的改变如何影响痴呆风险，目前的研究尚不充分。本研究通过分析韩国全国范围内大量人群的数据，揭示了在抑郁症确诊后，吸烟行为的变化与痴呆发生之间的复杂关系，为未来的干预措施提供了重要依据。### 抑郁症与吸烟的共同影响抑郁症是一种与痴呆密切相关的精神疾病，其与吸烟行为之间存在显著的关联。抑郁症患者往往更倾向于吸烟，而吸烟

  来源：The Journal of Nervous and Mental Disease

  时间：2025-11-10

• 一种用于C–H活化逆合成的图到序列方法

  C-H活化反应在有机合成中广泛应用，但由于C-H键的键能高、化学惰性大以及区域选择性复杂，这类反应在逆合成（retrosynthesis）过程中面临诸多挑战。传统模型难以识别反应中心并预测合理的断裂路径。我们提出了TransGraphEdit，这是一个无需预先定义框架的算法，它结合了图神经网络（GNN）编码器和Transformer解码器，根据产物的分子结构图来模拟逐步的结构变化。该模型能够捕捉远距离官能团之间的长程依赖性和协同效应，从而实现可解释且基于反应机理的逆合成预测。为了提高对资源较少情况下的C-H活化反应的泛化能力，我们采用了SMILES增强策略来扩展训练数据集。TransGraph

  来源：Journal of Chemical Information and Modeling

  时间：2025-11-10

• 迈向实时代码性能分析

  摘要提高软件应用程序的性能是软件演进和维护中最重要的任务之一。在英特尔微架构中，CPU采用流水线技术来尽可能高效地利用资源。某些类型的软件模式或算法可能会对底层CPU流水线产生影响，从而导致效率低下。因此，在分析软件性能时，了解CPU流水线在运行应用程序时的使用情况非常重要。现有的技术（如Intel VTune Profiler）通常是在软件投入生产并运行期间，通过CPU流水线指标来检测软件性能问题。这些技术要求开发人员手动分析监控数据并执行额外的测试以获取有关性能问题的相关信息。对于开发人员来说，构建、部署、测试、执行和监控软件需要耗费大量的时间和人力。为了解决这些问题，我们提出了一种名为P

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-10

• 多种检测方式能提供更多有用信息：基于多种技术的功能级漏洞检测

  摘要软件漏洞是软件系统中的弱点，可能导致重大的网络安全风险。最近，提出了一些基于深度学习（DL）的方法来在函数层面检测漏洞。这些方法通常利用一种或几种不同的函数表示方式（例如文本表示和基于图的表示），并显示出良好的性能。然而，现有的研究并未充分利用多种表示方式，特别是那些使用图像来表示函数以进行漏洞检测的方法。这些方法往往未能充分利用图像背后的重要图结构。在本文中，我们提出了MVulD+，这是一种基于多模态的函数级漏洞检测方法，它融合了函数的多模态特征（即文本表示、图表示和图像表示）来检测漏洞。具体来说，MVulD+利用预训练模型（即UniXcoder）捕获文本源代码的语义信息，使用图神经网络

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-10

• NeuSemSlice：通过神经元级别的语义切片实现高效深度神经网络模型维护

  摘要 深度神经网络（DNNs）被广泛应用于各个领域，其特点是具有集成化且一体化的架构，这使它们与传统软件系统有所不同。这种架构差异给维护任务带来了特殊挑战，例如模型重构（例如模型压缩）、重新适配（例如适应新样本）以及增量开发（例如持续知识积累）。 以往的研究通过识别对任务至关重要的神经元层，并将神经网络划分为语义相似的顺序模块来应对这些挑战。然而，这种基于层级的方法无法精确识别和操作神经元层面的语义组件，从而限制了其在更细粒度模型维护任务中的适用性。 在这项工作中，我们实现了NeuSemSlice这一新型框架，该框架引入了“语义切片”技术，

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-10

• 通过检测可疑神经元来增强深度神经网络模型的白盒测试输入生成方法

  摘要深度神经网络（DNN）测试已成为发现DNN模型中错误行为并进一步提升其性能的有效方法。关于测试输入生成的研究受到了研究人员和实践者的广泛关注，旨在暴露模型中的缺陷。新生成的输入随后作为额外的训练实例，通过重新训练来优化模型。现有方法通过基于测试指标（如神经元覆盖率和与属性相关的指标）优化目标函数来生成测试输入，并利用目标函数的梯度来扰动初始输入。然而，这些方法对模型的决策逻辑关注较少，特别是训练过程中学到的错误决策模式。此外，它们主要关注检测缺陷，而没有考虑检测到的错误行为的多样性，这限制了模型通过重新训练学习多样化特征的能力。为了解决这些局限性，本文提出了SUNTest，这是一种新颖的测

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-10

• 基线在神经影像学实验中对程序理解的影响

  摘要背景：神经成像方法在程序理解研究中已被证明具有很高的价值。一个关键问题是，不同的实验使用了不同的基线。所谓“基线”，是指在与之相关任务进行对比时，用来捕捉“正常”大脑激活状态的参考任务。遗憾的是，基线选择的影响至今仍不明确。目标：我们研究所选基线是否以及在多大程度上会影响程序理解相关的神经成像实验结果。这有助于理解基线选择过程中的权衡，最终目标是使基线选择更加科学和透明。方法：我们进行了一项预先注册的程序理解研究，共有20名参与者参与，使用了多种基线（包括阅读、计算、问题解决和注视转移）。我们使用64通道脑电图（EEG）设备监测大脑激活情况，并比较了不同基线对程序理解相关大脑激活结果的影响

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-10

• 针对具有未知漏洞的区块链智能合约的异常检测服务

  摘要智能合约中的安全漏洞可能会带来严重的经济后果。现有的智能合约漏洞检测方法主要依赖于专家制定的严格规则，在检测未知漏洞方面存在困难。本文提出了一种新的异常智能合约检测器（ASCD），能够有效检测智能合约中的已知和未知漏洞。该方法通过将未知漏洞视为代码异常，并利用名为DeepSVDD的异常检测技术来识别这些漏洞。此外，还采用了一种新的特征提取方法：将智能合约源代码编译为操作码，从操作码序列中提取语义特征，从控制流图中提取控制流特征。通过结合LSTM和GIN算法，将这些语义特征和控制流特征融合在一起，为异常检测提供了全面的智能合约表示。通过大量实验验证了ASCD模型的有效性，测试了超过30,00

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-10

• 从 GitHub 社交网络中自动推断开发者的技术专长

  摘要开发者的技术专长对于开源社区中的许多任务至关重要，例如筛选合适的开发者和维护者。尽管技术专长非常重要，但全球最大的开源代码托管平台GitHub并未明确展示开发者的技术水平。现有的方法在捕捉开发者技能和知识的多元性及动态性方面存在不足。为了解决这一问题，我们提出了一种新方法，该方法利用图神经网络（GNN）来表达开发者的技术专长。我们的方法构建了一个全面的GitHub社交网络，整合了各种社交和开发活动。然后，我们使用GNN模型为每位开发者生成一个低维表示向量，涵盖他们在不同维度上的技术专长。我们通过将我们的模型与五个基线方法在三个GitHub社交关系推荐任务上进行比较来评估其有效性，这些任务包

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-10

• 学习软件缺陷报告：一项系统性文献综述

  摘要 常见的评估指标包括F1分数、召回率、精确度和准确率，但与错误报告相关的评估指标尚未受到足够重视；8) 大多数研究倾向于使用k折交叉验证（k-fold cross-validation）来评估模型性能；最后，基于这些关键发现，我们提出了六个有前景的未来研究方向，希望通过这些方向的研究成果为该领域的实践者提供有价值的见解。

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-10

• 在人工智能（AI）的背景下，利用多媒体信息处理技术对不同音乐类型进行模式识别研究

  摘要音乐是一种将声音按特定节奏和顺序组织起来的艺术形式。它是一种娱乐方式，通过将各种声音巧妙地结合在一起，让人们感到愉悦、着迷，甚至想要随之起舞。大多数音乐作品都是通过一个人或多人的歌唱或乐器演奏创作而成的。根据词典的定义，音乐至少包含以下三个要素：节奏、旋律和和声。由于音乐对行为有明显的好处，因此被广泛应用于治疗领域。不同的生理状态会导致不同的代谢物表达模式，这些模式可以通过多媒体信息处理中的模式识别技术进行研究。音乐疗法包括多种活动，如唱歌、演奏乐器、跳舞以及听音乐。利用人工智能（AI）进行音乐创作时，会借助神经网络（即庞大的计算机数据集合）来刺激大脑活动。通过向神经网络持续输入音乐信号，

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-10

• 探索基于图的Transformer编码器在资源匮乏的神经机器翻译中的应用

  摘要Transformer常用于神经机器翻译（NMT）中，但在资源匮乏的环境中存在过参数化的问题。这意味着单纯增加模型参数并不能显著提升性能。在这项研究中，我们提出了一种基于图的方法，在略微增加参数数量的同时，显著优于扩展后的Transformer模型。我们通过使用图神经网络（Graph Neural Networks）对通用概念认知注释（Universal Conceptual Cognitive Annotation，简称UCCA）进行编码，将UCCA的语言特征融入到词嵌入中，从而提升了NMT系统的性能。由于词嵌入的能力和信息量得到了增强，因此系统表现得到了提升。实验结果表明，所提出的方法

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-10

• 基于图神经网络的进化算法在资源有限的亚洲语言环境下实现网络欺凌检测

  摘要信息通信技术（ICT）被亚洲青年广泛采用，同时也被整个大陆各年龄段的人们所使用。尽管它具有许多优势，但不道德的ICT使用方式可能会引发诸多问题。其中，一种有害的ICT应用形式是网络欺凌。仅仅遵守普遍接受的网络安全规范和指南并不能完全保护人们免受网络犯罪的侵害，即便是像Twitter这样的知名社交媒体平台也无法完全避免此类攻击。近年来，针对网络欺凌检测的自然语言处理（NLP）研究变得越来越受欢迎。尽管传统的NLP方法在处理网络欺凌问题上已经取得了显著进展，但仍存在一些需要克服的障碍，例如社交媒体平台对字符数量的限制、评论之间的不平衡、语言的模糊性以及俚语的不当使用。基于卷积神经网络（CNNs

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-10

• 对机器翻译技术的实用分析：以保护梵语的真实性为目标

  摘要机器翻译作为一个研究领域已经存在了六十多年，但在过去十年中，随着个人计算机处理能力的提升，它变得尤为重要。本文旨在探讨梵语在各种机器翻译系统中作为源语言、目标语言或辅助语言的运用。为了研究机器翻译，研究人员采用了多种策略，包括基于语料库的方法、直接翻译方法和规则驱动的方法。在机器翻译中使用梵语的主要目的是评估其适用性、词汇量以及在采用适当的机器翻译方法时的表现。该研究考察了开发机器翻译系统的各种建模策略，特别是统计机器翻译和神经机器翻译，以弥合梵语与其现代继任语言印地语之间的差距。在统计机器翻译中，通过将源语言和目标语言的单词与统计模型及双语语料库进行匹配来生成翻译结果；而神经机器翻译则利

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-10

• 来自光子的辐射场

  神经辐射场（NeRFs）已经成为了从多个视角捕获图像集合中进行高质量视角合成的主流方法。然而，当在现实场景中捕获图像时，尤其是在低光、高动态范围或快速运动等复杂条件下，NeRFs仍然面临诸多挑战。这些问题会导致重建的图像出现明显的伪影，从而影响其应用效果。本文提出了一种全新的神经辐射场——量子辐射场（Quanta Radiance Fields，QRFs），它通过单光子相机（Single-Photon Cameras, SPCs）以单个光子为基本单位进行训练。这种创新方法旨在解决传统NeRFs在处理现实图像时遇到的诸多问题，同时提高在极端条件下的重建质量和视角合成能力。传统NeRFs在处理图像

  来源：ACM Transactions on Graphics

  时间：2025-11-10

• 基于投影位移的密集检索系统查询性能预测新方法PDQPP及其在神经信息检索中的应用评估

  研究背景与挑战信息检索（IR）系统的性能因查询而异，准确预测查询性能（QPP）对于优化检索流程至关重要。传统QPP方法多针对词汇匹配IR系统设计，而随着神经IR，特别是基于密集向量表示（如ANCE、Contriever、TAS-B）的模型崛起，这些方法面临适应性挑战。密集IR模型将查询和文档映射到高维向量空间，通过向量相似度（如点积）进行检索，其语义抽象特性使得基于词频统计的传统QPP指标（如Clarity）效果不佳。因此，亟需开发专门针对密集IR的QPP方法。PDQPP方法的核心思想本文提出的PDQPP（Projection Displacement Query Performance Pr

  来源：ACM Transactions on Information Systems

  时间：2025-11-10

• RemixFusion：基于残差的混合表示方法，用于大规模在线RGB-D重建

  摘要神经隐式表示的引入显著推动了在线密集重建技术的发展。与传统显式表示（如TSDF）相比，它显著提高了映射的完整性和内存效率。然而，缺乏重建细节以及神经表示的学习过程耗时较长，这些因素阻碍了基于神经的方法在大规模在线重建中的广泛应用。我们提出了RemixFusion，这是一种新颖的基于残差的混合表示方法，专门用于场景重建和相机姿态估计，旨在实现高质量的大规模在线RGB-D重建。具体来说，我们提出了一种基于残差的映射表示方法，该方法结合了显式的粗粒度TSDF网格和隐式的神经模块，后者生成表示细粒度细节的残差，并将其添加到粗粒度网格中。这种混合表示方法能够在有限的时间和内存预算下实现细节丰富的重建

  来源：ACM Transactions on Graphics

  时间：2025-11-10

• SparseFraudNet：一种基于图的方法，用于冷启动欺诈检测并实现信息聚合

  摘要在线评论在影响消费者在电子商务中的购买决策方面起着关键作用，因此成为通过虚假评论进行操纵的主要目标。尽管已经提出了多种欺诈检测（FD）技术，但一个关键问题仍未得到解决，即FD中的“冷启动”问题——由于新用户和新产品的历史数据有限，难以识别虚假评论。现有的基于图的检测方法虽然对连接紧密的节点有效，但在处理冷启动情况下的稀疏图（SG）连接时效果不佳。在本文中，我们提出了一种名为SparseFraudNet的新方法来解决冷启动FD问题，该方法利用信息聚合技术。具体而言，局部信息聚合通过强化学习（RL）和伯努利多臂老虎机（BMAB）动态优化邻居选择，旨在捕捉评论之间的五种关键关系类型。全局信息聚合

  来源：ACM Transactions on Information Systems

  时间：2025-11-10

知名企业招聘：