• 基于个体MRI的多通道经颅颞叶干扰刺激系统设计

  经颅干扰刺激（tTIS）多通道系统设计基于个体MRI脑图像，采用并行遗传算法与GPU加速优化，验证显示左丘脑四电极以上刺激误率<2%，无建模时刺激效率降低77.9%，预测信号与实测相关系数达98.21%。

  来源：ACM Transactions on Computing for Healthcare

  时间：2026-03-21

• LMOD+：一个全面的多模态数据集和基准，用于开发和评估眼科领域中的多模态大规模语言模型

  LMOD+数据集通过整合多模态眼科影像和标注，扩展了任务范围至疾病筛查、分级和人口统计预测，并系统评估了24种大语言模型在眼科应用中的性能，揭示其通用性与专科需求间的差距。

  来源：ACM Transactions on Computing for Healthcare

  时间：2026-03-21

• 用于检测和分类多种视网膜疾病的可解释人工智能模型：基于混合CNN-Transformer-集成架构的设计

  视网膜疾病诊断AI系统通过整合CNN、Transformer和集成模型，利用合成数据集解决样本量不足和类别不平衡问题，在21类疾病分类中表现优于现有方法，并引入SHAP解释提升模型可信度，以促进偏远地区医疗资源公平分配。

  来源：ACM Transactions on Computing for Healthcare

  时间：2026-03-21

• 差异隐私联邦学习：系统综述

  差分隐私联邦学习系统综述填补了现有研究在模型分类和隐私保护对象方面的空白，提出基于定义与保证的新分类法，并探讨其应用场景。

  来源：ACM Computing Surveys

  时间：2026-03-21

• 人力资本与数字政府：来自德国、澳大利亚和新西兰的证据

  公共部门数字转型缓慢与数字政府能力（DGCs）不足相关，基于资源基础理论和人力资本理论，将DGCs视为知识、技能等构成的人资资本资源。通过分析德、澳、纽2869个职位广告，发现DGCs稀缺，并提出招聘策略建议。

  来源：Digital Government: Research and Practice

  时间：2026-03-21

• 支持理解：比较聊天机器人进行的对话式访谈与人工管理的患者报告结果在卒中幸存者中的应用

  医院使用患者报告结局测量（PROMs）跟踪中风患者康复效果，但存在理解偏差。研究对比了AI聊天机器人与人类辅以两种澄清技术（附加示例和反思提问）的效果，发现AI结合澄清技术能保持回答一致性，并减少无关讨论，提升答案规范度。患者对澄清方式存在偏好差异：身体活动问题倾向示例澄清，心理健康问题则更少需要干预。

  来源：ACM Transactions on Computing for Healthcare

  时间：2026-03-21

• 具有组间需求的可生存网络设计

  本文将经典生存网络设计问题（SNDP）推广至子集对连接需求场景，提出首个非平凡近似算法。同时揭示当连接需求较大时，基于路径数要求的近似算法存在Ω(q/log q)-hardness，补充了现有不可近似性结果。

  来源：Journal of the ACM

  时间：2026-03-21

• 关于机器学习中差分隐私的系统性文献综述

  随着机器学习广泛应用，数据隐私与准确性的平衡成为关键挑战。差分隐私（DP）作为数学框架，为隐私保护提供形式化保障。本文系统综述DP在传统ML、联邦学习及深度学习中的实现策略，分析其对模型性能的影响，并总结现有方法的优缺点。通过106项研究分析，揭示不同DP机制在隐私-效用权衡中的适用场景，同时探讨加密计算、动态敏感分析等前沿方向。（

  来源：ACM Computing Surveys

  时间：2026-03-21

• 边缘计算中基于人工智能的增强型网络安全：威胁、解决方案及未来发展方向

  边缘计算安全威胁及防御框架综述，提出通用架构并评估21个原型，发现可扩展性和异构设备整合是主要研究缺口，展望未来安全研究方向。

  来源：ACM Computing Surveys

  时间：2026-03-21

• 必读之作：《计算说服力研究综述》

  人工智能在说服机制中的应用与挑战研究，探讨AI作为说服者、说服对象及评价者的三重角色，提出分类框架并分析伦理风险与安全对策。

  来源：ACM Computing Surveys

  时间：2026-03-21

• 理解嵌入式非易失性存储器的安全态势：一项全面的调查

  嵌入式非易失性存储器(eNVMs)兼具高速存取与数据持久性优势，但其安全漏洞引发侧信道攻击、故障注入等物理威胁，以及信息泄露、服务拒绝等逻辑威胁。本文从架构层面剖析安全脆弱性，系统综述物理不可克隆函数、真随机数生成器等安全 primitives，并分析eNVM领域近20年的研究趋势。

  来源：ACM Journal on Emerging Technologies in Computing Systems

  时间：2026-03-21

• 从扩展弗雷格下界出发探索P≠NP问题

  证明复杂度下界与布尔电路下界的关联性研究，发现通过见证公式w_n^k(f)可建立NEXP与布尔电路多项式大小的无条件等价性。研究涉及离散对数问题的电路复杂度与证明复杂度的双向联系，以及自证明上界在复杂度理论中的应用。

  来源：Journal of the ACM

  时间：2026-03-21

• LLLMs：一项基于数据的调查，探讨大型语言模型局限性的研究进展

  大型语言模型（LLM）研究局限性从2022至2025年显著增长，ACL和arXiv相关论文分别增长五倍和八倍，其中2025年LLM研究占比超30%。主要研究问题包括推理能力不足（占比最高）、泛化、幻觉、偏见及安全风险，ACL主题分布稳定而arXiv更关注安全风险、对齐、知识编辑等新兴方向。数据集和验证方法已开源。

  来源：ACM Computing Surveys

  时间：2026-03-21

• 通过行为形式化进行恶意软件分析

  恶意软件分析面临攻击者不断更新技术逃避检测的挑战，本文提出基于形式化分析的框架解决方案，通过二进制 instrumentation、污点分析和运行时验证选择性提取行为特征，并引入新型时态逻辑实现程序事件形式化验证，实验证明该框架能有效提升恶意软件分析效率。

  来源：Formal Aspects of Computing

  时间：2026-03-21

• 区块链与边缘计算之间的联系：一项大规模的系统性文献综述

  区块链与边缘计算融合机制研究综述。通过分析5900多篇文献构建22维特征分类体系，发现四种典型交互模式：公链与边缘节点的协同架构、智能合约的分布式执行机制、共识算法的轻量化适配、数据确权的跨域认证。研究揭示混合架构在物联网场景下可使隐私泄露风险降低73%，边缘端交易延迟减少至15ms以内。

  来源：Distributed Ledger Technologies: Research and Practice

  时间：2026-03-21

• 多智能体合约

  研究单主多智能体合同设计问题，核心为补集自由层级下的奖励函数。提出常数因子近似算法，适用于子模态和XOS函数，并证明子模态最佳近似比为常数，子可加性函数存在Ω(√n)近似不可能性。

  来源：Journal of the ACM

  时间：2026-03-21

• 生成性社会选择

  本研究提出生成性社会选择框架，结合社会选择理论与大语言模型能力，用于开放式民主决策，如集体生成文本声明。通过理论证明（或acles查询确保代表性）和实证验证（LLM近似实现），应用于堕胎政策调查，生成5个代表性陈述，84%参与者认可其高度代表性。

  来源：Journal of the ACM

  时间：2026-03-21

• 深度伪造生成与检测：一个基准测试与调查

  本文系统综述了深伪技术生成与检测领域最新进展，涵盖面 swapping、脸重现场、 talking-face生成及面部属性编辑等核心方向，统一任务定义并分析VAE、GAN、扩散模型等技术演变，结合广泛数据集对代表性方法进行评测，探讨隐私侵犯、网络诈骗等应用场景下的技术挑战与未来研究方向。

  来源：ACM Computing Surveys

  时间：2026-03-21

• 将系统组件清单（SBOMs）转换为代理式应用程序组件清单（AIBOMs）：模式扩展、代理式编排及可复现性评估

  软件供应链安全需动态执行环境下的可重复性和漏洞评估机制。传统SBOM仅提供静态依赖清单，无法捕获运行时行为与环境漂移。本文提出AI Bill of Materials（AIBOM）框架，通过自主受约束的推理扩展SBOM为主动 provenance 工具，集成环境重构、依赖漂移监控、策略感知漏洞评估三大智能代理，结合CSAF标准实现基于执行证据的漏洞上下文声明（VEX结构化表达），并最小化扩展CycloneDX/SPDX标准，实验验证其优于传统系统的动态依赖捕获、可重复性及漏洞稳定性，计算开销低。

  来源：Digital Threats: Research and Practice

  时间：2026-03-21

• 可解释的机器学习在蛋白质科学中的应用：结构、功能与相互作用

  近年来，机器学习在结构生物学中的应用显著，如AlphaFold神经网络用于蛋白质结构预测，其可解释的输出（如置信度评分）使非专家也能使用。本文综述了从低到高分辨率的蛋白质3D结构表示方法，并展示了可解释的ML方法在预测结构、功能和相互作用中的应用，强调其对于药物开发和蛋白设计的意义。

  来源：ACM Computing Surveys

  时间：2026-03-21

知名企业招聘：