• 综述：连接预测与决策：电力系统负荷预测的应用驱动式综述

  这篇综述从应用驱动视角出发，系统梳理了2015-2025年间电力系统负荷预测的研究进展。文章超越了传统的模型性能对比，重点关注负荷预测在电网运行、能源管理、需求响应（DR）和微网（MG）等现实场景中的决策支持作用，旨在弥合先进预测模型与工程部署之间的鸿沟，为开发可解释、可扩展且适应上下文的新型预测方案提供了洞见。

  来源：Computers and Electrical Engineering

  时间：2026-03-21

• 虚拟现实赋能性别微歧视培训：探索高等教育学生沉浸式学习体验

  为应对职场中普遍存在且危害深重的性别微歧视（Microaggressions），提升DEI（多元、公平与包容）培训的有效性，研究人员利用虚拟现实（VR）开展沉浸式训练模块研究。结果显示，VR可提供高互动性、高沉浸感的体验，增强参与者对微歧视的识别与应对能力，但也需在情境真实感、用户自主性及个性化设计等方面持续优化，为未来开发更贴近现实的培训工具提供了宝贵启示。

  来源：Computers & Education: X Reality

  时间：2026-03-21

• 综述：安全编码缓存的系统综述

  本文系统梳理了安全编码缓存领域的研究进展，分析了内容交付网络（CDN）中为实现高效内容分发而设计的编码缓存技术所面临的安全与隐私挑战。文章评估了现有方案在保障内容机密性、用户请求隐私等方面的安全性及其性能代价，综述了实现安全编码缓存的关键技术并指出其局限。此外，工作将安全编码缓存置于更广阔的网络安全内容交付基元背景下进行探讨，并指出了未来有待解决的关键开放性问题。

  来源：Computer Networks

  时间：2026-03-21

• 面向5G网络入侵响应的多目标强化学习：原子/非原子并行与串行反制策略优化

  本文研究针对5G网络环境中，在实施入侵检测后如何高效选择反制措施（Countermeasures）的决策难题。该难题在于，采取反制措施虽可提升安全性，但同时会产生包括准备、部署时间在内的服务质量（QoS）成本。为此，研究人员创新性地建立了一个联合安全与时间的优化模型，不仅考虑反制措施的串行与并行部署，还区分了原子与非原子反制动作。通过证明该问题与带权集合覆盖问题（WSCP）的相似性，作者提出了两种基于学习的解决方案：多目标Q学习（MOQL）和深度Q学习（DQL）。通过大量基于5G安全项目数据集（来源：[36]）的仿真，研究验证了两种算法在权衡安全与QoS成本方面的有效性，为构建动态、自动化的入侵响应系统（IRS）提供了新的方法学支持。

  来源：Computer Networks

  时间：2026-03-21

• CMSM：用于物联网（IoV）中轻量级入侵检测系统（IDS）的跨模态语义匹配

  针对车联网（IoV）高维异构交通数据特征利用率低、计算复杂度高及数据稀缺等问题，提出跨模态语义匹配框架CMSM。通过中心优先多视图热图构建策略将数据转化为紧凑视觉表征，结合基于Ghost模块的轻量级视觉编码器降低计算开销，并利用预训练语言模型提取攻击行为语义嵌入，实现跨模态特征对齐。实验表明CMSM在CICIDS2017、Car-Hacking和CICIoV2024数据集上检测性能优异，计算效率提升显著，尤其适用于边缘节点部署。

  来源：Computer Networks

  时间：2026-03-21

• 利用珊瑚礁优化算法（Coral Reefs Optimization）和Aquila增强版的CatBoost，在医疗物联网系统中实现智能异常检测

  医疗物联网系统异常检测框架采用Coral Reef优化（CRO）筛选特征以降低冗余，结合Aquila优化（AO）调参CatBoost模型，在准确率（较SVM、XGBoost等传统方法提升）、F1分数及计算复杂度方面均表现优异，适用于资源受限的实时监测场景。

  来源：Computers and Electrical Engineering

  时间：2026-03-21

• 综述：生成式人工智能对计算机科学教育中学习表现、人工智能幻觉和问题解决影响的系统性综述

  这篇综述系统梳理了64项实证研究，探讨了生成式人工智能（GenAI）在计算机科学教育（CSE）中如何通过个性化学习和自适应反馈，在编程、调试、算法推理和计算问题解决等场景塑造学习。文章揭示了GenAI的双重影响：一方面，其产生的幻觉或误导性输出会增加外在认知负荷，引发过度依赖，并因资源获取不平等或对文化语言多样性学习者支持不足而加剧教育不公，从而损害学习表现；另一方面，当嵌入结构化的公平的、教学有据的环境时，GenAI能通过促进自我监控、验证和策略调整来支持反思性编程实践，从而增强问题解决能力、参与度和个性化学习成果。该综述构建了一个整合概念框架，为理解GenAI如何重塑CSE中的学习提供了理论一致且立足教学实践的视角，也为设计公平、认知平衡且教学有效的GenAI支持型学习环境提供了可行见解。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-03-21

• DeepConfig：一个基于大语言模型（LLMs）的、可用于MAN覆盖层（MAN overlays）的可验证配置生成框架

  针对大都市覆盖网络（MAN overlay）配置复杂性和易错性问题，提出DeepConfig框架，包含知识增强的配置生成器DeepGen和分层依赖验证器DeepValidator。DeepGen通过结构化JSONet模板与领域知识库引导LLM生成高精度配置，解决多协议异构性问题；DeepValidator采用模块化分层验证策略与混合SMT/仿真方法，有效缓解状态空间爆炸问题。实验表明，DeepConfig的配置生成准确率达90%以上（基线<30%），验证效率提升100倍以上，显著降低人工干预需求。

  来源：Computer Networks

  时间：2026-03-21

• 面向绿氢经济的氨分解制氢过程模拟、能耗分析与优化：固定床反应器的二维非均相模型研究

  研究人员为解决氨作为氢载体在分解制氢过程中能耗高、转化率与能量效率难以兼顾的优化设计难题，开发了一个新颖的二维(2D)非均相模型，用于模拟固定床反应器中氨分解制氢的过程。该研究评估了多种参数对氨转化率和过程总能效的影响，并提出了优化的反应器设计与操作条件。研究表明，在特定条件下可实现高达98.9%的氨转化率和91.4%的能量效率，为高效、低能耗的绿色氢能生产技术路径提供了关键的模型指导。

  来源：Computers & Chemical Engineering

  时间：2026-03-21

• 欧盟人工智能法案与通用数据保护条例的交叉解析：EDPB第28/2024号意见对AI模型数据保护合规的澄清与挑战

  本项研究针对人工智能(AI)与数据保护法规（特别是欧盟《通用数据保护条例》(GDPR)）交互日益复杂、欧盟《人工智能法案》(AI Act)引入后不确定性加剧的现实困境，旨在对欧洲数据保护委员会(EDPB)发布的Opinion 28/2024（关于AI模型中的数据保护问题）进行背景梳理与批判性分析。研究人员在GDPR核心原则框架下，系统阐释了该意见如何为AI模型开发与部署中数据处理的法律依据、合规性及后果提供澄清，并指出了意见中存在的模糊性、不完整性及监管机构(SAs)潜在的角色冲突。该研究厘清了AI生命周期的数据保护责任，为相关合规实践与后续立法提供了关键参考。

  来源：Computer Law & Security Review

  时间：2026-03-21

• 生成式AI重塑工程教育反馈：基于UML建模任务的实证研究

  为应对工程教育中复杂图示建模任务（如UML）反馈难以规模化、个性化的难题，本文研究了生成式AI（GenAI）在提供形成性反馈方面的能力。研究通过对比AI生成、教师提供和无反馈三种条件，发现GenAI反馈虽被学生认为有益且常与人类反馈相当，但教师反馈在支持复杂建模任务的绩效提升上更为有效。该研究揭示了GenAI作为可扩展的认知伙伴，在重塑高等教育评估模型和反馈体系方面的潜力与局限。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-03-21

• 与人机共思：教育中生成式AI引发的知识建构挑战与认知共主体性理论探究

  为解决生成式人工智能(GenAI)在教育深度融合所引发的知识建构、认知责任等根本性问题，Anita Samuel 等人提出了“认知纠缠框架”，通过“认知增强”、“认知整合”、“认知共主体性”三种构型，阐释了学习者如何与AI系统协作。研究表明，培养学习者的“认知共主体性”是应对AI挑战的关键，该成果为设计AI赋能的反思性学习环境提供了重要理论指导。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-03-21

• FUSION：基于多视图和多尺度融合的智能合约漏洞检测模型

  智能合约漏洞检测中，现有方法因无法有效提取语义和结构特征导致准确率低。本文提出FUSION模型，通过GRU提取opcode语义特征，GAT多尺度提取控制流图结构特征，并利用自注意力机制融合多视角特征，实验表明在delegatecall漏洞检测中准确率达97.22%，优于现有模型。

  来源：Computer Networks

  时间：2026-03-21

• : 面向边缘计算服务部署的帕累托前沿多目标优化研究

  本研究针对边缘计算环境下微服务部署中的能耗与性能冲突问题，创新性地提出并评估了一种基于改进遗传算法（GA）的多目标优化方案。该方案通过整合帕累托前沿优化与动态节点选择策略，能够高效探索并确定能耗与响应时间之间的最优权衡，实现了在有限迭代次数内提供高质量的部署策略，并为广泛的边缘计算场景提供了稳定、可扩展的解决方案。

  来源：Computer Networks

  时间：2026-03-21

• 通过改进的大型视觉模型实现扫描探针显微镜图像的数据高效分割，以用于材料表征

  语义分割在扫描探针显微镜（SPM）图像分析中至关重要，但受限于数据获取成本高、标注繁琐及跨类区分能力不足。本文提出APL-SAM框架，通过集成大视觉模型与少样本学习，创新性地采用自适应提示学习机制和多层特征对齐模块，显著提升电池材料SPM图像的分割精度（Dice系数达89.53%），并建立含195例标注的SPM-Seg数据集。

  来源：Computational Materials Science

  时间：2026-03-21

• 生成式人工智能时代的“学会学习”：范围综述与概念框架

  在生成式AI（GenAI）快速融入高等教育，引发认知卸载、过度依赖和批判性思维弱化等担忧的背景下，本论文聚焦“学会学习”（L2L）这一终身学习核心能力。研究者通过对教育学与心理学文献的范围综述，构建了一个新颖的三层（维度-过程-工具）L2L概念框架，旨在为跨学科研究和支持L2L的AI教育应用设计提供清晰、可操作的理论基础，以应对AI驱动时代的教育技术挑战。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-03-21

• 综述：高等教育中弥合学生人工智能素养差距的提示工程范围综述

  这篇综述（Scoping Review）系统梳理了2020-2025年间关于“提示工程”（Prompt Engineering）在高等教育中如何帮助学生提升AI素养（AI Literacy）的研究。文章指出，将生成式人工智能（GenAI）整合进教学，需重点培养学生通过“角色设置、任务明确、语境构建、输出验证”等结构化的提示设计策略，以引导AI生成更精准、相关的输出，从而在实践中同步提升其（AI）使用、评估和伦理等维度的素养。综述归纳了六大研究主题，为教师课程整合、工具开发及未来研究指明了方向。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-03-21

• QUIC Wave：一种面向严苛通信场景的新型应用层突发传输拥塞控制算法

  本文针对下一代网络（如5G、非地面网络NTN）中短时频繁数据传输、网络特性多变及无线链路误码等挑战，传统TCP及现有QUIC拥塞控制算法（CCA）难以应对的问题，介绍了一项创新性研究。研究人员将基于突发传输范式的TCP Wave算法成功适配并实现于QUIC协议栈（ngtcp2）中，提出了QUIC Wave。该算法通过引入“恢复模式”处理QUIC ACK帧封装特性，在多种严苛通信场景（如卫星链路、切换事件）下的测试表明，QUIC Wave在保持高吞吐量的同时，能有效降低时延（RTT），性能优于或媲美当前QUIC主流的BBR、Cubic和New Reno算法，为未来网络中的高效传输提供了有前景的解决方案。

  来源：Computer Networks

  时间：2026-03-21

• 基于深度Q网络的醋酸乙烯酯分离墙柱的能量优化

  乙烯基醋酸（VAC）生产中采用分壁塔（DWC）替代传统多塔流程，结合深度Q网络（DQN）实现多目标优化。通过Aspen Plus建立双塔等价模型，优化塔板数、回流分馏位置等8个变量，在保持产品纯度≥99.95%前提下，总能耗降低53.06%（相比原流程），且侧线产品收率仅轻微下降。

  来源：Computers & Chemical Engineering

  时间：2026-03-21

• 动态通信受限环境下机器人集群的事件触发自适应任务分配框架

  本文针对动态、通信受限环境中异构机器人集群的任务分配挑战，提出了一种创新的、基于事件触发的自适应自组织框架CBBA-ETC。该框架融合了事件触发控制(ETC)、共识捆绑算法(CBBA)与行为树(BT)架构，仅在任务完成、高价值冲突等关键“事件”发生时启动通信与协商，从而在保持顶级任务完成率的同时，显著降低了网络开销。研究证实，该方案在模拟的复杂物理环境中展现出卓越的资源效率、自适应性以及对故障的鲁棒性，为大规模、可持续的机器人集群在搜救、灾难响应等现实场景中的应用提供了高效可靠的解决方案。

  来源：Computer Communications

  时间：2026-03-21

知名企业招聘：