Substituting the Discrete Fourier Transform (DFT) with the Hadamard Transform for convolution introduces structured algebraic error despite both opera... 论文分析了使用哈达玛变换（Hadamard Transform）替代离散傅里叶变换（DFT）进行循环卷积时产生的代数误差结构。 发现存在精确误差抵消现象：两个输入和两个输出位置普遍无误差，且无法通过重排消除。 误差算子接近满秩，其零空间维度仅为对数级；预期误差由单一对齐标量控制，具有闭式解。 一般情...

The paper argues that the standard AI scaling hypothesis is fundamentally flawed for quantum circuit synthesis due to the strict mathematical constrai... 质疑将“规模即智能”的概率范式直接应用于量子电路合成的有效性，指出这可能导致方向性错误。 强调量子程序存在显著的语法-语义鸿沟，仅靠模仿学习无法捕捉希尔伯特空间的物理约束。 提出从以人为中心的辅助工具转向以验证器为中心的智能体，通过集成层级约束和拓扑掩码确保生成有效性。 论证随着量子比特数增加，有效...

Introduces a transportable, fully interpretable classification framework using Bernoulli Naïve Bayes (BNB) enhanced with supervised chi-squared guided... 提出基于伯努利朴素贝叶斯（BNB）的可解释医疗分类框架，解决黑盒模型在医疗领域缺乏透明度的问题。 采用监督式卡方引导的统计二值化方法处理连续变量，通过最大化与临床结果的关联性来确定阈值。 在Pima糖尿病、威斯康星乳腺癌和心力衰竭预测三个基准数据集上验证，AUC分别达到0.800、0.984和0.9...

The paper identifies that vanilla Stochastic Multi-Gradient Descent (SMG) suffers from suboptimal convergence due to gradient noise affecting the cont... 提出MoRe算法，通过感知子问题的正则性条件，自适应切换冲突避免（CA）方向与固定标量化权重更新。 理论证明在正则条件下，CA方向关于雅可比矩阵具有Lipschitz连续性，从而克服了最坏情况下仅具备1/2-Hölder连续性的限制。 在非凸设置下，将随机多目标梯度下降（SMG）的收敛率从 $\wi...

Systematic comparative evaluation of five LLMs (GPT-4 Turbo, Claude 3 Opus, Gemini 1.5 Pro, Llama 3 70B, FinGPT) for technical market analysis tasks. ... 系统评估了GPT-4 Turbo、Claude 3 Opus、Gemini 1.5 Pro、Llama 3 70B及FinGPT在K线识别、交易信号生成及财报理解等任务中的表现。 GPT-4 Turbo在通用模型中实现最高的年化回报和夏普比率，FinGPT凭借领域微调展现出具有竞争力的风险调整后收益...

Introduction of qZACH-ViT, a quantization-aware, zero-token, position-free Vision Transformer designed for compact medical image classification with i... 提出 qZACH-ViT，一种无需 CLS token 且位置无关的量化感知视觉Transformer骨干网络，专为紧凑型医疗图像分类设计。 引入递归归因稳定优化算法 (RASO)，通过规范匹配分类与归因梯度并移除冲突分量，提升模型的可解释性稳定性。 在七个 MedMNIST 数据集上验证，INT8...

The paper establishes a direct geometric equivalence between standard linear binary classifiers and single-qubit mixed-state quantum classifiers. Whil... 论文提出单量子比特混合态模型在二元分类任务中等价于标准线性模型的“超椭球版本”，而非传统的超平面分割。 通过几何归纳偏置的对比，揭示了量子模型与传统线性模型在特征重要性归纳偏置上的本质差异。 旨在为无量子背景的机器学习读者提供低门槛入口，促进量子机器学习概念在本科教学中的普及。

Introduces Stochastic Reset Pathfinding (SRP), an episodic learning problem on directed graphs where edge failures reset the agent to the source, mode... 提出随机重置寻路（SRP）问题，模拟量子中继网络、闪电网络及不可靠网状网络中的路径选择与失败重置机制。 证明全局重置结构使最优策略为开环策略，将SRP纳入组合级联赌博机（CCB）框架。 设计基于Log-Dijkstra的元算法，实例化为PathUCB和PathTS，并推导了PathUCB的路径级后悔...

The study utilizes Medical Expenditure Panel Survey (MEPS) data from 2019 and 2021 to analyze shifts in healthcare financial vulnerability surrounding... 研究利用2019年和2021年MEPS数据，评估了新冠疫情前后美国人群医疗保健财务脆弱性的变化。 财务负担过重定义为自付医疗费用超过家庭收入的10%，主要关联因素为贫困状态、保险覆盖和处方药支出。 采用可解释的逻辑回归与随机森林、梯度提升等机器学习模型进行对比分析。 预训练模型在预测后疫情时代数据时...

Introduces LLM4EHR, a clinical foundation model designed to align Electronic Health Record (EHR) events with clinical time series (TS) data. Utilizes ... 提出LLM4EHR，一种针对ICU电子健康记录（EHR）的临床基础模型，旨在解决现有方法未充分利用临床事件与时间序列间共享时间结构的问题。 结合领域适应的大语言模型（LLM）与Transformer时间序列编码器，通过正则化对比目标函数，在时间上对齐EHR事件和时间序列数据以学习鲁棒的表示。 实验表...

The study applies Wilsonian renormalization group (RG) theory to analyze Transformer attention as a perturbation of MLP fixed points, classifying its ... 利用威尔逊重整化群理论将Transformer注意力机制视为MLP残差堆栈固定点的微扰，分析其算子相关性。 在合成马尔可夫链序列上验证了四个可测试预测：固定点几何结构、有效秩分布、层特异性及微扰衰减谱。 长相关序列中注意力是强相关算子，能弥补MLP无法桥接的残差损失并驱动表示空间的相变；短相关序列中...

Looped Latent Attention (LLA) introduces a post-training cache codec that compresses K/V caches in weight-tied Transformers by exploiting the low-rank... 提出循环潜在注意力（LLA），一种针对权重共享Transformer的解码器缓存压缩技术，通过存储紧凑的K/V潜变量并在读取时重构来降低显存占用。 发现循环索引的KV缓存具有高度结构化特征，固定token、层和头部的K/V向量在循环轴上呈现低秩轨迹，而在头部和层轴上较为平坦。 LLA采用SVD初始化...