WikiEdge:ArXiv速遞/2025-03-24

出自WikiEdge
於 2025年5月19日 (一) 07:49 由 Carole（對話 | 貢獻） 所做的修訂 （Updated page by Carole）
跳至導覽 跳至搜尋

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面審視最新進展。我們研究了單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估了性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Magneto-$ν$: Heavy neutral lepton search using $^{241}$Pu $β^-$ decays
  • 中文標題：磁-$ν$實驗：利用$^{241}$Pu的$β^-$衰變搜尋重中性輕子
  • 發佈日期：2025-03-24 05:21:32+00:00
  • 作者：C. Lee, X. Zhang, A. Kavner, T. Parsons-Davis, D. Lee, S. T. P. Boyd, M. Loidl, X. Mougeot, M. Rodrigues, M. K. Lee, J. Song, R. Wood, I. Jovanovic, G. B. Kim
  • 分類：hep-ex, nucl-ex
  • 原文連結：http://arxiv.org/abs/2503.18350v1

中文摘要：我們展示了作為Magneto-ν實驗組成部分的$^{241}$Puβ衰變能譜，該實驗旨在搜尋keV量級重中性輕子(HNLs)。通過金屬磁量熱計(MMCs)測量了總計2億次β衰變事件，這是迄今對$^{241}$Pu獲得的最高統計精度。採用原位α校準測得$^{241}$Puβ衰變的端點能量為21.52(2)keV。通過二次形狀修正因子$C(w) = 1 - 1.931w + 0.940w^2$描述了$^{241}$Pu第一類禁戒非唯一躍遷的微分衰變率。基於這些高統計量能譜，我們對10.5keV惰性中微子與電子中微子的混合強度設定上限$|U_{e4}|^2 < 2 \times 10^{-3}$（HNL質量為10.5keV時）。

摘要

  • 原文標題：Second order fluctuations of conserved charges in external magnetic fields
  • 中文標題：外磁場中守恆電荷的二階漲落
  • 發佈日期：2025-03-24 09:15:12+00:00
  • 作者：Heng-Tong Ding, Jin-Biao Gu, Arpith Kumar, Sheng-Tai Li
  • 分類：hep-lat, hep-ph, nucl-ex, nucl-th
  • 原文連結：http://arxiv.org/abs/2503.18467v1

中文摘要：我們採用第一性原理的格點QCD方法，研究了外磁場中守恆荷（重子數B、電荷Q和奇異數S）的二階漲落及其關聯。研究使用改進的交錯費米子(HISQ)在$48^3 \times 12$和$32^3 \times 8$格點上對(2+1)味QCD進行物理π質量的模擬，覆蓋了高達$eB \simeq 0.8$ GeV$^2$的寬範圍磁場強度。我們發現了磁場對這些漲落和關聯的顯著影響，其中重子-電荷關聯$\chi^{\rm BQ}_{11}$對磁場表現出特別強的敏感性。為連接理論預測與實驗觀測，我們在強子共振氣體(HRG)模型中實施了模擬STAR和ALICE實驗探測器接收度的系統運動學截斷，構建了可用於重離子碰撞實驗測量的漲落代理觀測量。研究結果凸顯$\chi^{\rm BQ}_{11}$作為探測QCD物質中磁場的潛在"磁強計"。此外，我們探索了涉及$\chi^{\rm BQ}_{11}$的實驗相關比值，證明其可有效抑制體積效應並增強對碰撞環境中磁場的敏感性。同時評估了HRG模型在強磁場下的局限性，揭示了暗示強子自由度非平庸修正的偏差。這些結果為理解QCD相圖中熱效應與磁效應的相互作用提供了新視角，並為重離子碰撞中磁場的探測提供了實驗相關的指導。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於259天KATRIN數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續（扭結）。這種僅取決於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：Modeling matter(s) in SEOBNRv5THM: Generating fast and accurate effective-one-body waveforms for spin-aligned binary neutron stars
  • 中文標題：SEOBNRv5THM中的物質建模：為自旋對齊雙中子星生成快速精確的有效單體波形
  • 發佈日期：2025-03-24 17:55:14+00:00
  • 作者：Marcus Haberland, Alessandra Buonanno, Jan Steinhoff
  • 分類：gr-qc
  • 原文連結：http://arxiv.org/abs/2503.18934v1

中文摘要：我們推出SEOBNRv5THM波形模型，這是一種基於有效單體理論(EOB)框架、針對準圓形自旋非進動雙中子星系統(BNS)的快速精確引力波波形模型。該模型在雙黑洞近似模型SEOBNRv5HM基礎上改進，相較於前代SEOBNRv4T具有以下特性：i) 在旋近階段整合了最新高階後牛頓結果，包括高階絕熱潮汐項、自旋誘導多極矩以及自旋對齊中子星的動態潮汐效應；ii) 涵蓋(ℓ,|m|)=(2,2)、(3,3)、(2,1)、(4,4)、(5,5)、(3,2)和(4,3)等引力模式；iii) 合併時刻校準至BNS數值相對論(NR)模擬數據；iv) 通過創新唯象方法精確建模合併前(2,2)模式；v) 對於總質量M≥2M⊙的BNS系統，計算速度較前代提升100至1000倍。因此SEOBNRv5THM適用於貝葉斯參數估計，我們已將其應用於LIGO-Virgo合作組觀測到的GW170817和GW190425雙中子星事件。該模型精確復現了BAM和SACRA的NR波形，誤差與NR本徵不確定度相當或更低。與NRTidalv3、TEOBResumS等前沿BNS波形模型對比驗證顯示，僅在高自旋高形變BNS（缺乏NR數據且模型採用不同自旋方案）情況下存在差異。本模型為後續開發包含進動、軌道偏心等效應的SEOBNR物質波形模型奠定基礎，將應用於LIGO-Virgo-KAGRA合作組未來觀測及下一代地面探測器。

摘要

  • 原文標題：The isoscalar octet axial form factor of the nucleon from lattice QCD
  • 中文標題：核子的同位旋標量八重態軸向形狀因子的格點QCD研究
  • 發佈日期：2025-03-24 16:26:13+00:00
  • 作者：Alessandro Barone, Dalibor Djukanovic, Georg von Hippel, Jonna Koponen, Harvey B. Meyer, Konstantin Ottnad, Hartmut Wittig
  • 分類：hep-lat
  • 原文連結：http://arxiv.org/abs/2503.18848v1

中文摘要：核子的同位旋標量八重態軸矢形狀因子在理解核子的電弱相互作用中起關鍵作用。對於解釋核子自旋結構而言，非單態同位旋標量軸荷不可或缺。此外，$G_A^{u+d-2s}(Q^2)$與同位旋矢量和單態同位旋標量形狀因子共同構成了軸矢形狀因子的味分解基礎。精確的味分解知識有助於從低能實驗（如P2實驗中質子電弱電荷測量）提取標準模型參數。本文通過$N_f=2+1$$\mathcal{O}(a)$改進Wilson費米子的格點計算，給出了$G_A^{u+d-2s}(Q^2)$的確定結果，並提供了關於連續極限、無限體積及物理夸克質量外推與內插的完整誤差分析。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們建立了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸環境下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Least-Squares Finite Element Methods for nonlinear problems: A unified framework
  • 中文標題：非線性問題的最小二乘有限元方法：統一框架
  • 發佈日期：2025-03-24 14:49:56+00:00
  • 作者：Fleurianne Bertrand, Maximilian Brodbeck, Tim Ricken, Henrik Schneider
  • 分類：math.NA, cs.NA
  • 原文連結：http://arxiv.org/abs/2503.18739v1

中文摘要：本文提出了一種統一的Least-Squares框架，通過將控制系統重構為殘差最小化問題來求解非線性偏微分方程。我們構建了Least-Squares泛函並推導出相應的Gauss-Newton迭代方法，該方法可同時近似原始變量和應力類變量。在適當的解空間中，我們推導了該泛函滿足強制性和連續性的條件，並建立了收斂性結果，同時證明該泛函可作為可靠的後驗誤差估計器。隨後利用這一固有的誤差估計特性驅動自適應網格細化，應用於多種問題：包括具有溫度依賴性/不連續導熱係數或ReLU型非線性的穩態熱方程、基於Saint Venant-Kirchhoff模型的非線性彈性問題以及海冰動力學問題。

摘要

  • 原文標題：A detailed study on the prospects for a $\mathrm{t\overline{t}}$ threshold scan in $\mathrm{e^+e^-}$ collisions
  • 中文標題：電子-正電子對撞中$\mathrm{t\overline{t}}$閾值掃描前景的詳細研究
  • 發佈日期：2025-03-24 14:25:36+00:00
  • 作者：Matteo M. Defranchis, Jorge de Blas, Ankita Mehta, Michele Selvaggi, Marcel Vos
  • 分類：hep-ph, hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18713v1

中文摘要：在正負電子對撞機（$\mathrm{e^+e^-}$）中進行頂夸克對（$\mathrm{t\overline{t}}$）產生閾值的束流能量掃描是未來希格斯工廠、頂夸克工廠和電弱工廠項目的重要組成部分。本文針對未來環形對撞機（FCC-ee）的電子-正電子階段，提供了頂夸克質量（$m_\mathrm{t}$）、寬度（$\Gamma_\mathrm{t}$）和湯川耦合（$y_\mathrm{t}$）可達到精度的預測。研究包含對參數化和系統不確定性的詳細評估，以及對點間關聯效應的嚴格估算。我們預測當採用勢減除（PS）方案定義$m_\mathrm{t}$時，其實驗精度可分別達到約6.8 MeV和11.5 MeV。在非相對論量子色動力學的N$^3$LO階，發現缺失高階項導致的理論不確定性對$m_\mathrm{t}$（$\Gamma_\mathrm{t}$）的影響約為35（25）MeV。因此，理論精度的提升（這是當前活躍的研究領域）是匹配未來$\mathrm{e^+e^-}$對撞機可達到實驗精度的關鍵。最後，我們探索了通過專門在$\mathrm{t\overline{t}}$產生閾值以上運行來測量FCC-ee中$y_\mathrm{t}$的前景。

摘要

  • 原文標題：Formalization of Optimality Conditions for Smooth Constrained Optimization Problems
  • 中文標題：光滑約束優化問題最優性條件的形式化
  • 發佈日期：2025-03-24 16:00:59+00:00
  • 作者：Chenyi Li, Shengyang Xu, Chumin Sun, Li Zhou, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18821v1

中文摘要：最優性條件是優化問題分析的核心，用於刻畫局部極小值的必要準則。在基於類型理論的證明輔助工具Lean4中對最優性條件進行形式化，為優化理論的嚴格驗證提供了精確、魯棒且可復用的框架。本文從拉格朗日函數和約束規範等基本概念出發，對光滑約束優化問題的一階最優性條件（即KKT條件）進行了形式化。隨後通過切錐形式化了幾何最優性條件，為理解局部極小值提供了新視角。在適當約束規範下，我們建立了切錐與線性化可行方向之間的關鍵等價關係。基於這些核心要素，該形式化工作最終通過Farkas引理的證明推導出KKT條件。此外，本研究還實現了對偶問題及弱對偶性質的形式化。

摘要

  • 原文標題：Minimax Rate-Optimal Inference for Individualized Quantile Treatment Effects in High-dimensional Models
  • 中文標題：高維模型中個體化分位數處理效應的極小極大率最優推斷
  • 發佈日期：2025-03-24 10:25:00+00:00
  • 作者：Jiachen Sun, Yin Xia
  • 分類：math.ST, stat.ME, stat.TH
  • 原文連結：http://arxiv.org/abs/2503.18523v1

中文摘要：治療效應的量化在政策制定和生物醫藥研究等廣泛領域中具有重要作用。本文研究分位數處理效應(QTE)，同時解決兩類異質性：(a)個體化異質性——捕捉不同個體的差異化處理效應；(b)分位數異質性——解釋協變量影響如何隨分位數水平變化。我們提出一個精心設計的去偏估計量來有效捕捉這種個體化分位數處理效應(IQTE)，證明該估計量作為分位數水平函數弱收斂於高斯過程，並建立了有效的統計推斷方法（包括置信區間構建與假設檢驗決策規則）。此外，我們確立了這些推斷過程的極小極大最優性框架：推導出置信區間期望長度的極小極大最優速率與假設檢驗程序檢測邊界的量級，證明了所提估計量的優越性。通過大量模擬實驗及對美國國家健康與營養調查(NHANES)數據集的分析，驗證了方法的有效性。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一不足，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展：研究單模態與多模態方法、不同問題表述形式、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包括定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。研究深入探討了數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，以及在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Magneto-$ν$: Heavy neutral lepton search using $^{241}$Pu $β^-$ decays
  • 中文標題：磁-$ν$實驗：利用$^{241}$Pu的$β^-$衰變搜尋重中性輕子
  • 發佈日期：2025-03-24 05:21:32+00:00
  • 作者：C. Lee, X. Zhang, A. Kavner, T. Parsons-Davis, D. Lee, S. T. P. Boyd, M. Loidl, X. Mougeot, M. Rodrigues, M. K. Lee, J. Song, R. Wood, I. Jovanovic, G. B. Kim
  • 分類：hep-ex, nucl-ex
  • 原文連結：http://arxiv.org/abs/2503.18350v1

中文摘要：我們展示了作為Magneto-ν實驗組成部分的$^{241}$Puβ衰變能譜，該實驗旨在搜尋keV量級重中性輕子(HNLs)。通過金屬磁量熱計(MMCs)測量了總計2億次β衰變，這是迄今對$^{241}$Pu獲得的最高統計精度。採用原位α校準測得$^{241}$Puβ衰變的端點能量為21.52(2)keV。通過二次形狀修正因子$C(w)=1-1.931w+0.940w^2$描述了$^{241}$Pu一級禁戒非唯一躍遷的微分衰變率。基於這些高統計量能譜，我們對10.5keV惰性中微子與電子中微子的混合強度設定了上限：當HNL質量為10.5keV時，$|U_{e4}|^2 < 2 \times 10^{-3}$。

摘要

  • 原文標題：Kinetics and direct imaging of electrochemically formed palladium hydride for efficient hydrogen evolution reaction
  • 中文標題：電化學形成鈀氫化物的動力學與直接成像及其在高效析氫反應中的應用
  • 發佈日期：2025-03-24 18:11:19+00:00
  • 作者：Luca Camuti, Se-Ho Kim, Filip Podjaski, Miquel Vega-Paredes, Andrea M. Mingers, Tolga Acarturk, Ulrich Starke, Bettina V. Lotsch, Christina Scheu, Baptiste Gault, Siyuan Zhang
  • 分類：physics.chem-ph
  • 原文連結：http://arxiv.org/abs/2503.19040v1

中文摘要：活性和可靠的電催化劑是可再生能源技術的基礎。PdCoO₂因其在酸性介質中形成活性PdHₓ相，近期被確認為氫析出反應(HER)的理想催化劑模板。本文通過監測單個PdCoO₂顆粒在HER過程中的轉變，證實其幾乎完全轉化為具有亞毫米級深度且遍佈裂紋的PdHₓ相。利用原位質譜技術，我們觀察到鈷在還原電位下的溶解現象（導致PdHₓ形成），其溶解分電流僅為HER電流的0.1%。通過二次離子質譜和氘標記的重水的原子探針斷層掃描定量分析，證實了PdHₓ的形成。儘管樣品製備過程中採用乾燥儲存和高真空條件，仍測得PdHₓ樣品的整體組成為PdD₀.₂₈，並觀察到α相（貧氘）與β相（富氘）的分離。PdCoO₂顆粒表面形成的PdHₓ相在寬電化學電位窗口內保持穩定，直至開路電位下出現鈀溶解。本研究揭示了模板生長法對穩定PdHₓ相的關鍵作用，這種相態能實現高效HER而無需鈀催化劑常見的緩慢活化過程，為設計更高效的可再生能源電催化劑提供了新思路。

摘要

  • 原文標題：Monte Cimone v2: Down the Road of RISC-V High-Performance Computers
  • 中文標題：蒙特奇莫內v2：探索RISC-V高性能計算機之路
  • 發佈日期：2025-03-24 10:55:29+00:00
  • 作者：Emanuele Venieri, Simone Manoni, Giacomo Madella, Federico Ficarelli, Daniele Gregori, Daniele Cesarini, Luca Benini, Andrea Bartolini
  • 分類：cs.DC
  • 原文連結：http://arxiv.org/abs/2503.18543v1

中文摘要：近年來，許多面向高性能計算(HPC)領域的RISC-V平台和片上系統(SoC)相繼發佈，但僅有少數實現商業化並能滿足HPC需求。Monte Cimone項目旨在評估其能力與成熟度，力圖使RISC-V成為構建數據中心時的競爭優勢選擇。當前市場上雖已出現具備向量擴展、適配HPC應用的外形尺寸及內存容量的RV SoC，但編譯器和開源庫如何發揮其性能優勢尚不明確。本文描述了採用Sophgo SG2042處理器升級Monte Cimone集群(MCv2)後的HPC運算性能評估：升級使節點在HPL雙精度浮點運算性能提升127倍，在Stream內存帶寬測試中提升69倍。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文針對此類問題中的兩個關鍵算法——塊坐標下降法（BCD）和交替方向乘子法（ADMM）——建立了收斂性分析的形式化體系。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性與魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Least-Squares Finite Element Methods for nonlinear problems: A unified framework
  • 中文標題：非線性問題的最小二乘有限元方法：統一框架
  • 發佈日期：2025-03-24 14:49:56+00:00
  • 作者：Fleurianne Bertrand, Maximilian Brodbeck, Tim Ricken, Henrik Schneider
  • 分類：math.NA, cs.NA
  • 原文連結：http://arxiv.org/abs/2503.18739v1

中文摘要：本文提出了一種統一的Least-Squares框架，通過將控制方程組重構為殘差最小化問題來求解非線性偏微分方程。我們構建了Least-Squares泛函並推導出相應的Gauss-Newton迭代方法，該方法可同時近似原始變量和應力類變量。我們推導了該泛函在適當解空間中滿足強制性和連續性的條件，並建立了收斂性結果，同時證明該泛函可作為可靠的後驗誤差估計器。隨後利用這一固有的誤差估計特性驅動自適應網格細化，應用於多種問題：包括具有溫度依賴性/不連續導熱係數或ReLU型非線性的穩態熱方程、基於Saint Venant-Kirchhoff模型的非線性彈性問題以及海冰動力學問題。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於259天KATRIN數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要設計用於通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續點（扭結）。這種僅取決於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補方法。KATRIN分析了在259個測量日內記錄的3600萬個氚β衰變電子在端點最後40電子伏特範圍內的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂，排除了混合角超過幾個百分點的輕惰性中微子。

摘要

  • 原文標題：A Reliable and Efficient Detection Pipeline for Rodent Ultrasonic Vocalizations
  • 中文標題：齧齒動物超聲波發聲的可靠高效檢測流程
  • 發佈日期：2025-03-24 17:50:49+00:00
  • 作者：Sabah Shahnoor Anis, Devin M. Kellis, Kris Ford Kaigler, Marlene A. Wilson, Christian O'Reilly
  • 分類：cs.SD, eess.AS
  • 原文連結：http://arxiv.org/abs/2503.18928v1

中文摘要：齧齒動物超聲波發聲的高效可靠檢測流程分析齧齒類動物的超聲波發聲（USVs）對理解其情感狀態和社會行為至關重要，但人工分析耗時且易出錯。為解決這些問題，已開發出自動化USV檢測系統，但這些系統通常依賴機器學習，難以有效泛化至新數據集。針對這些不足，我們提出ContourUSV——一種從音頻記錄中檢測USVs的高效自動化系統。該流程包括聲譜圖生成、清洗、預處理、輪廓檢測、後處理及基於人工標註的評估。為確保魯棒性和可靠性，我們使用現有開放USV數據集（USVSEG）和隨本文公開的新數據集，將ContourUSV與三種前沿系統進行對比。在兩個數據集的平均表現中，ContourUSV以1.51倍精確度、1.17倍召回率、1.80倍F1分數和1.49倍特異性的優勢超越其他系統，同時實現平均117.07倍的加速。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展：研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。研究深入探討了數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，以及在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Magneto-$ν$: Heavy neutral lepton search using $^{241}$Pu $β^-$ decays
  • 中文標題：磁-$ν$實驗：利用$^{241}$Pu $β^-$衰變搜尋重中性輕子
  • 發佈日期：2025-03-24 05:21:32+00:00
  • 作者：C. Lee, X. Zhang, A. Kavner, T. Parsons-Davis, D. Lee, S. T. P. Boyd, M. Loidl, X. Mougeot, M. Rodrigues, M. K. Lee, J. Song, R. Wood, I. Jovanovic, G. B. Kim
  • 分類：hep-ex, nucl-ex
  • 原文連結：http://arxiv.org/abs/2503.18350v1

中文摘要：我們展示了作為Magneto-ν實驗組成部分的$^{241}$Puβ衰變能譜，該實驗旨在搜尋keV量級重中性輕子(HNLs)。通過金屬磁量熱計(MMCs)測量了總計2億次β衰變，這是迄今對$^{241}$Pu獲得的最高統計精度。採用原位α校準測得$^{241}$Puβ衰變端點能量為21.52(2)keV。通過二次形狀修正因子$C(w)=1-1.931w+0.940w^2$描述了$^{241}$Pu一級禁戒非唯一躍遷的微分衰變率。基於這些高統計量能譜，我們對10.5keV惰性中微子與電子中微子的混合設定上限$|U_{e4}|^2<2×10^{-3}$（HNL質量為10.5keV）。

摘要

  • 原文標題：The isoscalar octet axial form factor of the nucleon from lattice QCD
  • 中文標題：核子的同位旋標量八重態軸矢形狀因子的格點QCD研究
  • 發佈日期：2025-03-24 16:26:13+00:00
  • 作者：Alessandro Barone, Dalibor Djukanovic, Georg von Hippel, Jonna Koponen, Harvey B. Meyer, Konstantin Ottnad, Hartmut Wittig
  • 分類：hep-lat
  • 原文連結：http://arxiv.org/abs/2503.18848v1

中文摘要：核子的同位旋標量八重態軸矢形狀因子在理解核子電弱相互作用中起關鍵作用。對於解釋核子自旋結構而言，非單態同位旋標量軸荷不可或缺。此外，$G_A^{u+d-2s}(Q^2)$與同位旋矢量和單態同位旋標量形狀因子共同構成軸矢形狀因子的味分解基礎。精確的味分解知識有助於從P2實驗等低能實驗中提取標準模型(SM)參數，例如質子的電弱荷。本文基於$N_f=2+1$ $\mathcal{O}(a)$改進Wilson費米子，通過格點計算確定了$G_A^{u+d-2s}(Q^2)$，並給出了關於連續統極限外推、無限體積插值以及物理夸克質量的完整誤差分析。

摘要

  • 原文標題：Kinetics and direct imaging of electrochemically formed palladium hydride for efficient hydrogen evolution reaction
  • 中文標題：電化學形成鈀氫化物的動力學與直接成像及其在高效析氫反應中的應用
  • 發佈日期：2025-03-24 18:11:19+00:00
  • 作者：Luca Camuti, Se-Ho Kim, Filip Podjaski, Miquel Vega-Paredes, Andrea M. Mingers, Tolga Acarturk, Ulrich Starke, Bettina V. Lotsch, Christina Scheu, Baptiste Gault, Siyuan Zhang
  • 分類：physics.chem-ph
  • 原文連結：http://arxiv.org/abs/2503.19040v1

中文摘要：摘要：高效可靠的電催化劑是可再生能源技術的基礎。PdCoO2因其在酸性介質中形成活性PdHx相，最近被公認為氫析出反應(HER)的理想催化劑模板。本文通過監測單個PdCoO2顆粒在HER過程中的轉變，證實其幾乎完全轉化為具有亞毫米深度裂紋的PdHx相。利用原位質譜技術，我們觀察到還原電位下鈷的溶解會促進PdHx形成，而溶解分電流僅為HER電流的0.1%。通過二次離子質譜和氘標記重水的原子探針層析技術，我們定量證實了PdHx的形成。儘管樣品製備過程處於乾燥儲存和高真空環境，仍測得PdHx樣品整體組成為PdD0.28，並觀察到α相(貧氘)與β相(富氘)的分離。PdCoO2顆粒上形成的PdHx相在寬電化學電位窗口內保持穩定，直至開路電位下出現鈀溶解。本研究揭示了模板生長法對穩定PdHx相的關鍵作用，這種相能實現高效HER而無需鈀催化劑常見的緩慢活化過程，為設計更高效的可再生能源電催化劑提供了新思路。

摘要

  • 原文標題：Monte Cimone v2: Down the Road of RISC-V High-Performance Computers
  • 中文標題：蒙特奇莫內v2：探索RISC-V高性能計算機之路
  • 發佈日期：2025-03-24 10:55:29+00:00
  • 作者：Emanuele Venieri, Simone Manoni, Giacomo Madella, Federico Ficarelli, Daniele Gregori, Daniele Cesarini, Luca Benini, Andrea Bartolini
  • 分類：cs.DC
  • 原文連結：http://arxiv.org/abs/2503.18543v1

中文摘要：近年來，眾多面向高性能計算(HPC)領域的RISC-V平台和片上系統(SoC)相繼發佈，但僅有少數產品實現商用化並滿足HPC需求。Monte Cimone項目旨在評估其能力與成熟度，力圖使RISC-V成為數據中心建設的競爭優勢選擇。當前市場上已出現具備向量擴展指令集、適配HPC應用的外形規格與內存容量的RV SoC，但編譯器和開源庫如何發揮其性能優勢尚不明確。本文通過搭載Sophgo SG2042處理器的Monte Cimone(MCv2)集群升級案例，詳細評估了HPC運算性能表現：升級後節點在HPL雙精度浮點運算性能上實現127倍提升，在Stream內存帶寬測試中取得69倍增長。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法(BCD)和交替方向乘子法(ADMM)。基於類型理論的證明輔助工具Lean4，我們建立了一個嚴謹的框架來形式化表示這些算法。非光滑優化和非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質(KL)（為分析非凸情形下的收斂性提供了關鍵工具）。這些定義和性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，表明我們的定義和結構具有一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Least-Squares Finite Element Methods for nonlinear problems: A unified framework
  • 中文標題：非線性問題的最小二乘有限元方法：統一框架
  • 發佈日期：2025-03-24 14:49:56+00:00
  • 作者：Fleurianne Bertrand, Maximilian Brodbeck, Tim Ricken, Henrik Schneider
  • 分類：math.NA, cs.NA
  • 原文連結：http://arxiv.org/abs/2503.18739v1

中文摘要：本文提出了一種統一的Least-Squares框架，通過將控制系統重構為殘差最小化問題來求解非線性偏微分方程。我們構建了Least-Squares泛函並推導出相應的Gauss-Newton迭代方法，該方法可同時近似原始變量和應力類變量。我們推導了該泛函在適當解空間中滿足強制性和連續性的條件，並建立了收斂性結果，同時證明該泛函可作為可靠的後驗誤差估計器。隨後利用這一固有的誤差估計特性驅動自適應網格細化，應用於多種問題：包括具有溫度依賴性/不連續電導率或ReLU型非線性的穩態熱方程、基於Saint Venant-Kirchhoff模型的非線性彈性力學以及海冰動力學問題。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於KATRIN實驗259天數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續（扭結）。這種僅取決於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且持續演進的研究挑戰。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一不足，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展：研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進；批判性評估包括定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。研究深入探討了數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，以及在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Magneto-$ν$: Heavy neutral lepton search using $^{241}$Pu $β^-$ decays
  • 中文標題：磁-ν實驗：利用$^{241}$Pu β衰變搜尋重中性輕子
  • 發佈日期：2025-03-24 05:21:32+00:00
  • 作者：C. Lee, X. Zhang, A. Kavner, T. Parsons-Davis, D. Lee, S. T. P. Boyd, M. Loidl, X. Mougeot, M. Rodrigues, M. K. Lee, J. Song, R. Wood, I. Jovanovic, G. B. Kim
  • 分類：hep-ex, nucl-ex
  • 原文連結：http://arxiv.org/abs/2503.18350v1

中文摘要：我們展示了作為Magneto-ν實驗組成部分的$^{241}$Puβ衰變能譜，該實驗旨在搜尋keV量級重中性輕子(HNLs)。通過金屬磁量熱計(MMCs)測量了總計2億次β衰變，這是迄今對$^{241}$Pu獲得的最高統計精度。採用原位α校準測得$^{241}$Puβ衰變的端點能量為21.52(2)keV。該核素一級禁戒非唯一躍遷的微分衰變率採用二次形狀修正因子$C(w)=1-1.931w+0.940w^2$進行描述。基於這些高統計量能譜，我們對10.5keV惰性中微子與電子中微子的混合強度設定上限$|U_{e4}|^2<2×10^{-3}$（HNL質量為10.5keV時）。

摘要

  • 原文標題：Monte Cimone v2: Down the Road of RISC-V High-Performance Computers
  • 中文標題：蒙特奇莫內v2：探索RISC-V高性能計算機之路
  • 發佈日期：2025-03-24 10:55:29+00:00
  • 作者：Emanuele Venieri, Simone Manoni, Giacomo Madella, Federico Ficarelli, Daniele Gregori, Daniele Cesarini, Luca Benini, Andrea Bartolini
  • 分類：cs.DC
  • 原文連結：http://arxiv.org/abs/2503.18543v1

中文摘要：近年來已有許多面向高性能計算(HPC)領域的RISC-V平台和片上系統(SoC)發佈，但僅有少數實現商業化並能滿足HPC需求。Monte Cimone項目旨在評估其能力與成熟度，力圖使RISC-V成為數據中心建設的競爭優勢選擇。當前市場上雖已出現具備向量擴展指令集、適配HPC應用的外形規格與內存容量的RISC-V SoC，但編譯器和開源庫如何發揮其性能優勢尚不明確。本文闡述了採用Sophgo SG2042處理器升級Monte Cimone集群(MCv2)後的HPC性能評估：升級使節點在HPL雙精度浮點運算性能提升127倍，在Stream內存帶寬測試中提升69倍。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於KATRIN實驗259天數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子進行搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續（扭結）。這種僅依賴於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及其發展
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述提供了當前研究的結構化分類，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化定義，特別是將經典可微性擴展到非光滑情形的次微分，以及為分析非凸場景收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Magneto-$ν$: Heavy neutral lepton search using $^{241}$Pu $β^-$ decays
  • 中文標題：磁-$ν$實驗：利用$^{241}$Pu $β^-$衰變搜尋重中性輕子
  • 發佈日期：2025-03-24 05:21:32+00:00
  • 作者：C. Lee, X. Zhang, A. Kavner, T. Parsons-Davis, D. Lee, S. T. P. Boyd, M. Loidl, X. Mougeot, M. Rodrigues, M. K. Lee, J. Song, R. Wood, I. Jovanovic, G. B. Kim
  • 分類：hep-ex, nucl-ex
  • 原文連結：http://arxiv.org/abs/2503.18350v1

中文摘要：我們展示了作為Magneto-ν實驗組成部分的$^{241}$Puβ衰變能譜，該實驗旨在搜尋keV量級重中性輕子(HNL)。通過金屬磁量熱計(MMC)測量了總計2億次β衰變事件，這是迄今對$^{241}$Pu獲得的最高統計精度。採用原位α校準測得$^{241}$Puβ衰變的端點能量為21.52(2) keV。對於$^{241}$Pu首次禁戒非唯一躍遷的微分衰變率，採用二次形狀修正因子$C(w) = 1 - 1.931w + 0.940w^2$進行描述。基於這些高統計量能譜，我們對10.5 keV惰性中微子與電子中微子的混合強度設定上限$|U_{e4}|^2 < 2 \times 10^{-3}$（對應HNL質量為10.5 keV）。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於259天KATRIN數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續點（扭結）。這種僅依賴於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂區間，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且持續演進的研究挑戰。該領域現有綜述在範圍和時效性上存在局限，往往僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展：研究單模態與多模態方法、不同問題表述形式、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。研究深入探討了數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，及其在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文針對此類問題中的兩個關鍵算法——塊坐標下降法(BCD)和交替方向乘子法(ADMM)，給出了收斂性分析的形式化證明。基於類型理論的證明輔助工具Lean4，我們建立了嚴格的形式化框架來表示這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性推廣至非光滑情形的次微分，以及為分析非凸環境下收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質(KL性質)。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Magneto-$ν$: Heavy neutral lepton search using $^{241}$Pu $β^-$ decays
  • 中文標題：磁-$ν$實驗：利用$^{241}$Pu的$β^-$衰變搜尋重中性輕子
  • 發佈日期：2025-03-24 05:21:32+00:00
  • 作者：C. Lee, X. Zhang, A. Kavner, T. Parsons-Davis, D. Lee, S. T. P. Boyd, M. Loidl, X. Mougeot, M. Rodrigues, M. K. Lee, J. Song, R. Wood, I. Jovanovic, G. B. Kim
  • 分類：hep-ex, nucl-ex
  • 原文連結：http://arxiv.org/abs/2503.18350v1

中文摘要：我們展示了作為Magneto-ν實驗組成部分的$^{241}$Puβ衰變能譜，該實驗旨在搜尋keV量級重中性輕子(HNLs)。通過金屬磁量熱計(MMCs)測量了總計2億次β衰變，這是迄今對$^{241}$Pu獲得的最高統計精度。採用原位α校準測得$^{241}$Puβ衰變端點能量為21.52(2)keV。通過二次形狀修正因子$C(w)=1-1.931w+0.940w^2$描述了$^{241}$Pu第一類禁戒非唯一躍遷的微分衰變率。基於這些高統計量能譜，我們對10.5keV惰性中微子與電子中微子的混合強度設定上限$|U_{e4}|^2 < 2 \times 10^{-3}$（HNL質量為10.5keV）。

摘要

  • 原文標題：Monte Cimone v2: Down the Road of RISC-V High-Performance Computers
  • 中文標題：蒙特奇莫內v2：探索RISC-V高性能計算機之路
  • 發佈日期：2025-03-24 10:55:29+00:00
  • 作者：Emanuele Venieri, Simone Manoni, Giacomo Madella, Federico Ficarelli, Daniele Gregori, Daniele Cesarini, Luca Benini, Andrea Bartolini
  • 分類：cs.DC
  • 原文連結：http://arxiv.org/abs/2503.18543v1

中文摘要：近年來，眾多面向高性能計算領域的RISC-V平台和片上系統相繼發佈，但僅有少數產品實現商業化並滿足HPC需求。Monte Cimone項目旨在評估其能力與成熟度，推動RISC-V成為數據中心建設的競爭優勢選擇。當前市場上雖已出現具備向量擴展、適配HPC應用的外形規格與內存容量的RV片上系統，但編譯器和開源庫如何發揮其性能優勢尚不明確。本文通過搭載Sophgo SG2042處理器的Monte Cimone（MCv2）集群升級案例，量化其HPC運算性能表現：升級後節點在HPL雙精度浮點運算性能提升127倍，Stream內存帶寬提升69倍。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。我們深入探討數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，及其在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文針對此類問題中的兩個關鍵算法——塊坐標下降法（BCD）和交替方向乘子法（ADMM）——給出了收斂性分析的形式化證明。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應收斂性分析至關重要。我們形式化證明了算法的收斂性，驗證了所提定義與結構的自洽性與魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於KATRIN實驗259天數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續點（扭結）。這種僅依賴能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗共同覆蓋了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂範圍，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：Magneto-$ν$: Heavy neutral lepton search using $^{241}$Pu $β^-$ decays
  • 中文標題：磁-$ν$實驗：利用$^{241}$Pu的$β^-$衰變搜尋重中性輕子
  • 發佈日期：2025-03-24 05:21:32+00:00
  • 作者：C. Lee, X. Zhang, A. Kavner, T. Parsons-Davis, D. Lee, S. T. P. Boyd, M. Loidl, X. Mougeot, M. Rodrigues, M. K. Lee, J. Song, R. Wood, I. Jovanovic, G. B. Kim
  • 分類：hep-ex, nucl-ex
  • 原文連結：http://arxiv.org/abs/2503.18350v1

中文摘要：我們展示了作為Magneto-ν實驗組成部分的$^{241}$Pu β衰變能譜，該實驗旨在搜尋keV量級重中性輕子(HNLs)。通過金屬磁量熱計(MMCs)測量了總計2億次β衰變事件，這是迄今對$^{241}$Pu獲得的最高統計精度。採用原位α校準測得$^{241}$Pu β衰變的端點能量為21.52(2) keV。通過二次形狀修正因子$C(w) = 1 - 1.931w + 0.940w^2$描述了$^{241}$Pu 第一類禁戒非唯一躍遷的微分衰變率。基於這些高統計量能譜，我們對10.5 keV 惰性中微子與電子中微子的混合強度設定了上限：當HNL質量為10.5 keV時，$|U_{e4}|^2 < 2 \times 10^{-3}$。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且持續演進的研究挑戰。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文針對此類問題中的兩個關鍵算法——塊坐標下降法(BCD)和交替方向乘子法(ADMM)，給出了收斂性分析的形式化證明。基於類型理論的證明輔助工具Lean4，我們建立了嚴格的形式化框架來表示這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性推廣至非光滑情形的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質(KL性質)。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於259天KATRIN數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜尋。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續點（扭結）。這種僅依賴於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂區間，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：Magneto-$ν$: Heavy neutral lepton search using $^{241}$Pu $β^-$ decays
  • 中文標題：磁-$ν$實驗：利用$^{241}$Pu $β^-$衰變搜尋重中性輕子
  • 發佈日期：2025-03-24 05:21:32+00:00
  • 作者：C. Lee, X. Zhang, A. Kavner, T. Parsons-Davis, D. Lee, S. T. P. Boyd, M. Loidl, X. Mougeot, M. Rodrigues, M. K. Lee, J. Song, R. Wood, I. Jovanovic, G. B. Kim
  • 分類：hep-ex, nucl-ex
  • 原文連結：http://arxiv.org/abs/2503.18350v1

中文摘要：我們展示了作為Magneto-ν實驗組成部分的$^{241}$Puβ衰變能譜，該實驗旨在搜尋keV量級重中性輕子(HNLs)。通過金屬磁量熱計(MMCs)測量了總計2億次β衰變事件，這是迄今對$^{241}$Pu獲得的最高統計精度。採用原位α校準測得$^{241}$Puβ衰變的端點能量為21.52(2)keV。對於$^{241}$Pu首次禁戒非唯一躍遷的微分衰變率，採用二次形狀修正因子$C(w)=1-1.931w+0.940w^2$進行描述。基於這些高統計量能譜，我們在HNL質量為10.5keV時，對10.5keV惰性中微子與電子中微子的混合強度設定了上限$|U_{e4}|^2 < 2 \times 10^{-3}$。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展：研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。研究深入探討了數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，以及在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法（BCD）和乘子交替方向法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑與非凸優化中的核心概念被形式化，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸環境下收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於259天KATRIN數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續點（扭結）。這種僅依賴於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂區間，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述提供了當前研究的結構化分類，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸場景收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展。我們研究了單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估了性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述建立了當前研究的結構化分類體系，指出現有不足，並為開發適應用戶需求的推薦系統提出了未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展至非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面審視最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法的形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且持續演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展：研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。我們的分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法（BCD）和乘子交替方向法（ADMM）。基於類型理論的證明輔助工具Lean4，我們建立了一個嚴謹的框架來形式化表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸情形下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展：研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。研究深入探討了數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，及其在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。對非光滑與非凸優化中的核心概念進行了形式化定義，特別是將經典可微性擴展到非光滑場景的次微分，以及為分析非凸環境下收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一不足，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展。我們研究了單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估了性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述建立了當前研究的結構化分類體系，指出未解決的空白領域，並為開發適應用戶需求的推薦系統提出了未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類，指出未解決的空白，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且持續演進的研究難題。該領域現有綜述在覆蓋範圍和時效性上存在局限，往往僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面審視最新進展：研究單模態與多模態方法、不同問題表述形式、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包括定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性拓展至非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦技術綜述：從傳統方法到深度學習及其前沿
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行了系統性分析，從多維度全面審視最新進展：我們探究了單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；同時批判性評估了性能評估範式，包括量化指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現了更優的推薦準確性。研究還深入探討了數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，及其在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出了未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。非光滑與非凸優化中的核心概念被形式化定義，特別是將經典可微性拓展至非光滑場景的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來趨勢
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究了單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估了性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述建立了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們建立了一個嚴謹的框架來形式化表示這些算法。非光滑與非凸優化中的核心概念被形式化定義，特別是將經典可微性擴展到非光滑場景的次微分，以及為分析非凸環境收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Monte Cimone v2: Down the Road of RISC-V High-Performance Computers
  • 中文標題：蒙特奇莫內v2：RISC-V高性能計算機的發展之路
  • 發佈日期：2025-03-24 10:55:29+00:00
  • 作者：Emanuele Venieri, Simone Manoni, Giacomo Madella, Federico Ficarelli, Daniele Gregori, Daniele Cesarini, Luca Benini, Andrea Bartolini
  • 分類：cs.DC
  • 原文連結：http://arxiv.org/abs/2503.18543v1

中文摘要：近年來，許多面向高性能計算領域的RISC-V平台和片上系統相繼發佈，但僅有少數產品實現商用化並滿足HPC需求。Monte Cimone項目旨在評估其能力與成熟度，力圖使RISC-V成為數據中心建設的競爭優勢選擇。當前市場上雖已出現具備向量擴展、適配HPC應用的外形規格及內存容量的RV片上系統，但編譯器和開源庫如何發揮其性能優勢尚不明確。本文通過搭載Sophgo SG2042處理器的Monte Cimone（MCv2）集群升級案例，量化評估了HPC運算性能：升級後節點在HPL雙精度浮點運算性能上實現127倍提升，在Stream內存帶寬測試中達到69倍增益。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展。我們研究了單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估了性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述建立了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Monte Cimone v2: Down the Road of RISC-V High-Performance Computers
  • 中文標題：蒙特奇莫內v2：探索RISC-V高性能計算機之路
  • 發佈日期：2025-03-24 10:55:29+00:00
  • 作者：Emanuele Venieri, Simone Manoni, Giacomo Madella, Federico Ficarelli, Daniele Gregori, Daniele Cesarini, Luca Benini, Andrea Bartolini
  • 分類：cs.DC
  • 原文連結：http://arxiv.org/abs/2503.18543v1

中文摘要：近年來已有許多面向高性能計算(HPC)領域的RISC-V平台和片上系統(SoC)發佈，但僅有少數實現商業化並能滿足HPC需求。Monte Cimone項目旨在評估其能力與成熟度，力圖使RISC-V成為數據中心建設的競爭優勢選擇。當前市場上雖已出現具備向量擴展指令集、適配HPC應用的外形尺寸與內存容量的RV SoC，但編譯器和開源庫如何發揮其性能優勢尚不明確。本文闡述了採用Sophgo SG2042處理器升級Monte Cimone集群(MCv2)後的HPC運算性能評估：升級使節點在HPL雙精度浮點運算性能提升127倍，Stream內存帶寬提升69倍。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，往往僅聚焦特定平台、方法或時間段。為彌補這一不足，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究了單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估了性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現了更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，我們結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述建立了當前研究的結構化分類體系，指出現有不足，並為開發適應用戶需求的推薦系統提出了未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在該場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展：研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的洞見，本綜述建立了當前研究的結構化分類體系，指明未解決的研究缺口，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法（BCD）和乘子交替方向法（ADMM）。基於類型理論的證明輔助工具Lean4，我們建立了一個嚴謹的框架來形式化表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸情形下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們建立了一個嚴謹的框架來形式化表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。我們深入探討了數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，及其在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來展望
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且持續演進的研究難題。該領域現有綜述在覆蓋範圍和時效性上存在局限，往往僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展。我們研究了單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估了性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過綜合不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面審視最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來展望
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且健壯的話題標籤推薦系統仍是一項複雜且不斷演進的研究挑戰。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一不足，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過綜合不同方法論和平台視角的見解，本綜述提供了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑場景的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於259天KATRIN數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要設計用於通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜尋。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續點（扭結）。這種僅依賴於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補研究方法。KATRIN分析了在259個測量日內記錄的3600萬個氚β衰變電子在端點最後40電子伏特範圍內的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展：研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。我們的分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的見解，本綜述建立了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們建立了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸情形下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於KATRIN實驗259天數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子進行搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續點（扭結）。這種僅依賴於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類法，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習發展的核心。本文對這類問題中兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們建立了一個嚴謹的框架來形式化表示這些算法。非光滑與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸情形下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於259天KATRIN數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續點（扭結）。這種僅依賴於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了一種穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常所暗示的大部分參數空間，並對Neutrino-4的聲稱提出了挑戰。與其他中微子消失實驗相結合，KATRIN探測了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且持續演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展：研究單模態與多模態方法、多樣化問題建模、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習發展的核心。本文對兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於KATRIN實驗259天數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力相互作用。KATRIN實驗主要設計用於通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續（扭結）。這種僅依賴於能譜形狀而非絕對歸一化的特徵，為反應堆實驗提供了穩健的互補研究方法。KATRIN分析了在終點能量最後40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常暗示的大部分參數空間，並對Neutrino-4的聲稱提出挑戰。與其他中微子消失實驗共同覆蓋了從幾分之一電子伏特平方到數百電子伏特平方的惰性-活性中微子質量分裂範圍，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類法，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸場景收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且健壯的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類法，指出未解決的空白，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展：研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，該模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習發展的核心。本文對兩種關鍵算法的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們建立了一個嚴謹的框架來形式化表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸情形下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來展望
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展：研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包括定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的洞見，本綜述建立了當前研究的結構化分類體系，指明未解難題，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑場景的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應收斂性分析至關重要。我們形式化證明了算法的收斂性，驗證了定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一不足，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，我們結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的見解，本綜述提供了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑場景的次微分，以及為分析非凸場景收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且不斷演進的研究挑戰。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一不足，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。非光滑與非凸優化中的核心概念被形式化，特別是將經典可微性拓展至非光滑場景的次微分，以及為分析非凸場景收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來展望
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展：研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進；批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解難題，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸場景收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，我們結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的見解，本綜述提供了當前研究的結構化分類法，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構的優化算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是將經典可微性拓展至非光滑場景的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展：研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包括定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。我們深入探討數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，及其在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且健壯的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面審視最新進展：研究單模態與多模態方法、不同問題表述形式、過濾策略，以及從傳統頻率模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且不斷演進的研究挑戰。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面審視最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法論和平台視角的見解，本綜述提供了當前研究的結構化分類法，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Sterile-neutrino search based on 259 days of KATRIN data
  • 中文標題：基於259天KATRIN數據的惰性中微子搜尋
  • 發佈日期：2025-03-24 13:33:00+00:00
  • 作者：Himal Acharya, Max Aker, Dominic Batzler, Armen Beglarian, Justus Beisenkötter, Matteo Biassoni, Benedikt Bieringer, Yanina Biondi, Matthias Böttcher, Beate Bornschein, Lutz Bornschein, Marco Carminati, Auttakit Chatrabhuti, Suren Chilingaryan, Deseada Díaz Barrero, Byron A. Daniel, Martin Descher, Otokar Dragoun, Guido Drexlin, Frank Edzards, Klaus Eitel, Enrico Ellinger, Ralph Engel, Sanshiro Enomoto, Luca Fallböhmer, Arne Felden, Caroline Fengler, Carlo Fiorini, Joseph A. Formaggio, Christian Forstner, Florian M. Fränkle, Giulio Gagliardi, Kevin Gauda, Andrew S. Gavin, Woosik Gil, Ferenc Glück, Robin Grössle, Thomas Höhn, Khushbakht Habib, Volker Hannen, Leonard Haßelmann, Klaus Helbing, Hanna Henke, Svenja Heyns, Roman Hiller, David Hillesheimer, Dominic Hinz, Alexander Jansen, Christoph Köhler, Khanchai Khosonthongkee, Joshua Kohpeiß, Leonard Köllenberger, Andreas Kopmann, Neven Kovač, Luisa La Cascio, Leo Laschinger, Thierry Lasserre, Joscha Lauer, Thanh-Long Le, Ondřej Lebeda, Bjoern Lehnert, Alexey Lokhov, Moritz Machatschek, Alexander Marsteller, Eric L. Martin, Kirsten McMichael, Christin Melzer, Lukas Erik Mettler, Susanne Mertens, Shailaja Mohanty, Jalal Mostafa, Immanuel Müller, Andrea Nava, Holger Neumann, Simon Niemes, Irene Nutini, Anthony Onillon, Diana S. Parno, Maura Pavan, Udomsilp Pinsook, Jan Plößner, Alan W. P. Poon, Jose Manuel Lopez Poyato, Florian Priester, Jan Ráliš, Marco Röllig, Shivani Ramachandran, R G. Hamish Robertson, Caroline Rodenbeck, Rudolf Sack, Alejandro Saenz, Richard Salomon, Jannis Schürmann, Peter Schäfer, Ann-Kathrin Schütz, Magnus Schlösser, Lisa Schlüter, Sonja Schneidewind, Ulrich Schnurr, Alessandro Schwemmer, Adrian Schwenck, Michal Šefčík, Jakkapat Seeyangnok, Daniel Siegmann, Frank Simon, Julanan Songwadhana, Felix Spanier, Daniela Spreng, Warintorn Sreethawong, Markus Steidl, Jaroslav Štorek, Xaver Stribl, Michael Sturm, Narumon Suwonjandee, Nicholas Tan Jerome, Helmut H. H. Telle, Thomas Thümmler, Larisa A. Thorne, Nikita Titov, Igor Tkachev, Kerstin Trost, Korbinian Urban, Drahoš Vénos, Kathrin Valerius, Sascha Wüstling, Christian Weinheimer, Stefan Welte, Jürgen Wendel, Christoph Wiesinger, John F. Wilkerson, Joachim Wolf, Johanna Wydra, Weiran Xu, Sergey Zadorozhny, Genrich Zeller
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2503.18667v1

中文摘要：中微子是宇宙中最豐富的基本物質粒子，在粒子物理學和宇宙學中起着關鍵作用。約25年前發現的中微子振盪現象表明，已知的三種中微子會相互混合。反應堆和放射源實驗的異常結果暗示可能存在第四種中微子態——惰性中微子，它不通過弱力發生相互作用。KATRIN實驗主要通過氚β衰變測量中微子質量，同時也針對這些異常現象所暗示的惰性中微子展開搜索。惰性中微子信號會表現為β衰變能譜的畸變，其特徵是與惰性中微子質量相關的曲率不連續（扭結）。該特徵僅取決於能譜形狀而非絕對歸一化，為反應堆實驗提供了穩健的互補研究方法。KATRIN分析了在末態40電子伏特範圍內、259個測量日記錄的3600萬次氚β衰變電子的能譜。結果排除了鎵異常暗示的大部分參數空間，並對Neutrino-4的聲稱提出質疑。與其他中微子消失實驗共同覆蓋了從幾分之一到數百電子伏特平方的惰性-活性質量分裂區間，排除了混合角超過百分之幾的輕惰性中微子。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法——塊坐標下降法（BCD）和交替方向乘子法（ADMM）——的收斂性分析進行了形式化。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。重點形式化了非光滑與非凸優化中的核心概念：次微分（將經典可微性拓展至非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應收斂性分析至關重要。我們形式化證明了算法的收斂性，驗證了定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來趨勢
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展：研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型通過利用上下文和語義特徵實現更優的推薦準確性。研究深入探討了數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，以及在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文針對此類問題中兩個關鍵算法——塊坐標下降法（BCD）和乘子交替方向法（ADMM）——的收斂性分析進行了形式化。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。重點形式化了非光滑優化與非凸優化中的核心概念：將經典可微性拓展至非光滑情形的次微分，以及為分析非凸收斂提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應收斂性分析至關重要。我們形式化證明了算法的收斂性，驗證了定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為彌補這一不足，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。我們深入探討數據稀疏性、冷啟動場景、一詞多義和模型可解釋性等關鍵挑戰，及其在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法論和平台視角的見解，本綜述提供了當前研究的結構化分類法，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、多樣化問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，我們結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的見解，本綜述構建了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。非光滑與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了算法的收斂性證明，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度起着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展：研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進；批判性評估包含定量指標、定性分析和混合評估框架的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，該模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法和平台視角的洞見，本綜述構建了當前研究的結構化分類體系，指明未解難題，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。非光滑優化與非凸優化中的核心概念被形式化定義，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸場景收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。我們深入探討數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，及其在推文分類、情感分析和內容流行度預測中的實際應用。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。通過基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表示這些算法。非光滑優化與非凸優化中的核心概念被形式化，特別是次微分（將經典可微性擴展到非光滑情形）和Kurdyka-Lojasiewicz性質（KL性質）（為分析非凸場景下的收斂性提供關鍵工具）。這些定義與性質對相應的收斂性分析至關重要。我們形式化了這些算法的收斂性證明，驗證了所提定義與結構的一致性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤對提升內容可見性和用戶參與度具有關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一項複雜且不斷演進的研究挑戰。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統性分析，從多維度全面考察最新進展：研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率的模型到先進深度學習架構的方法演進；批判性評估包括定量指標、定性分析和混合評估框架在內的性能評估範式。分析揭示了向基於Transformer的深度學習模型的範式轉變，這類模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用展開深入探討。通過整合來自不同方法論和平台視角的洞見，本綜述建立了當前研究的結構化分類體系，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

摘要

  • 原文標題：Formalization of Algorithms for Optimization with Block Structures
  • 中文標題：具有塊結構優化的算法形式化
  • 發佈日期：2025-03-24 15:49:32+00:00
  • 作者：Chenyi Li, Zichen Wang, Yifan Bai, Yunxi Duan, Yuqing Gao, Pengfei Hao, Zaiwen Wen
  • 分類：math.OC, G.1.6
  • 原文連結：http://arxiv.org/abs/2503.18806v1

中文摘要：塊結構問題是數值優化和機器學習領域發展的核心。本文對兩種關鍵算法在此類場景下的收斂性分析進行了形式化：塊坐標下降法（BCD）和交替方向乘子法（ADMM）。基於類型理論的證明輔助工具Lean4，我們構建了嚴格的形式化框架來表徵這些算法。重點形式化了非光滑優化與非凸優化中的核心概念，特別是將經典可微性拓展至非光滑情形的次微分，以及為分析非凸場景收斂性提供關鍵工具的Kurdyka-Lojasiewicz性質（KL性質）。這些定義與性質對相應的收斂性分析至關重要。我們形式化證明了這些算法的收斂性，驗證了所提定義與結構的自洽性和魯棒性。這些形式化工作為分析更廣義優化算法的收斂性奠定了基礎。

摘要

  • 原文標題：A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond
  • 中文標題：標籤推薦全面綜述：從傳統方法到深度學習及未來方向
  • 發佈日期：2025-03-24 13:40:36+00:00
  • 作者：Shubhi Bansal, Kushaan Gowda, Anupama Sureshbabu K, Chirag Kothari, Nagendra Kumar
  • 分類：cs.IR
  • 原文連結：http://arxiv.org/abs/2503.18669v1

中文摘要：社交媒體平台上用戶生成內容的指數級增長給信息管理帶來了重大挑戰，尤其在內容組織、檢索和發現方面。作為基礎分類機制，話題標籤在提升內容可見性和用戶參與度方面發揮着關鍵作用。然而，開發準確且魯棒的話題標籤推薦系統仍是一個複雜且不斷演進的研究難題。該領域現有綜述在範圍和時效性上存在局限，僅聚焦特定平台、方法或時間段。為填補這一空白，本文對話題標籤推薦系統進行系統分析，從多維度全面考察最新進展。我們研究單模態與多模態方法、不同問題表述、過濾策略，以及從傳統基於頻率模型到先進深度學習架構的方法演進。此外，我們批判性評估性能評估範式，包括定量指標、定性分析和混合評估框架。分析揭示了向基於Transformer的深度學習模型的範式轉變，這些模型利用上下文和語義特徵實現更優的推薦準確性。針對數據稀疏性、冷啟動場景、多義性和模型可解釋性等關鍵挑戰，結合推文分類、情感分析和內容流行度預測等實際應用進行了深入探討。通過整合來自不同方法和平台視角的見解，本綜述提供了當前研究的結構化分類法，指明未解決的空白領域，並為開發適應用戶需求的推薦系統提出未來方向。

取自 "http://zh.wikiedge.org/index.php?title=WikiEdge:ArXiv速递/2025-03-24&oldid=9207"