Papers

当代网络空间中的两性对立情绪呈现常态化与激化趋势，已超越单纯的观念分歧，成为影响社会共识的重要议题。本文从社会心理学与传播学视角出发，提出一个分析性命题：两性对立的表层是性别利益之争，其深层则是一套由归因谬误、刻板印象与群体极化构成的认知闭环，并在算法技术的催化下形成了自我强化的“话语螺旋”。研究发现，公众常将职场性别差异简单归咎于“男性群体压迫”，而忽视了生育成本社会化不足等制度性诱因；同时，极端个案经由启发式认知被上升为群体标签，导致普通个体在无意识中被卷入对抗。本文认为，治理两性对立不应止步于道德呼吁或内容封禁，而需在承认结构性不平等的前提下，从认知纠偏与话语生态重构两个维度协同推进。

Let $p$ be an odd prime, $F$ a complete DVF of characteristic $0$ with $\mu_p\subset F$, and $D\simeq(a_1,b_1)_F\otimes_F(a_2,b_2)_F$ a decomposable central division algebra of index $p^2$ and period $p$. We prove a rank barrier: $\rank(\Phi)=2\Rightarrow\ind(D)\le p$, hence $\ind(D)=p^2\Rightarrow\rank(\Phi)\ge3$. We establish an inclusion chain $N\subseteq S$, $N\subseteq U^\perp$, $U^\perp\subseteq R$ with dimension formula $\dim N=d_F-2+k-t$ and $U^\perp=N\iff t-k=\rank(\Phi)-2$ (assuming $\dim F^\times\!/F^{\times p}<\infty$). Over HDVF: $U^\perp=\{0\}$ unconditionally in mixed/ramified cases; in the unramified case with $H^3(K)=0$, $\Rost(D)/F^{\times p}=H^1(K,\mu_p)$.

本文系统综述了单分子蛋白质测序的两大技术路线——电子隧穿识别和纳米孔传感，涵盖从氨基酸识别到全长蛋白质测序的关键突破，并展望了在精准医学和单细胞蛋白质组学中的应用前景。

本综述系统梳理了新兴单分子蛋白质测序技术的前沿进展，涵盖电子隧穿识别技术和纳米孔蛋白质测序技术两大主流路线，讨论了直接测序、标记辅助传感和天然蛋白质直接传感三种纳米孔核心策略，并分析了Quantum-Si等商业化平台的进展和临床转化前景，最后展望了技术挑战和未来发展方向。

We propose a heuristic framework, called the Topological Dynamics of Existence and Surprise (TDES), for complex adaptive systems. The framework is built on two axioms. Axiom~I (Energy–Structure Law), inspired by non‑equilibrium thermodynamics, states that any persistent open system expands its functional order and energy throughput when effective energy is abundant, and actively discards structures according to topological priority when energy is scarce; expansion and ordering inevitably generate contradictions (waste heat and internal tensions). Axiom~II (Minimization of Surprise Law), rooted in the Free Energy Principle, states that a system continuously minimizes the discrepancy between its internal model and sensory signals. From these axioms we construct seven core equations involving five core variables: the possibility landscape $\Phi$, mobilization field $\mathbf{v}_M$, constraint force $S$, contradiction accumulation $C$, and collective expected free energy $\overline{G}$. The equations are built as the simplest mathematical expressions consistent with the axioms; their validity is to be judged by empirical testing. We derive a linearised oscillation mode (C–S phase lag) that gives rise to periodic behaviour. Several conditional propositions (lock‑in, dual‑channel early warning, necessity theorem, scale resonance) are discussed, and preliminary empirical evidence is presented. The framework aims to bridge non‑equilibrium thermodynamics and the Free Energy Principle, offering a common language for systems ranging from cellular metabolism to civilisations.

Incremental multilingual text recognition (IMLTR) studies how an OCR model learns new scripts or languages over time while retaining old ones. Prior IMLTR work, built mainly on from-scratch scene-text recognizers, treats catastrophic forgetting as the central challenge and proposes specialized routing, replay, or cross-language fusion mechanisms. We revisit this question under a modern pretrained generative vision–language model (VLM) setting: Qwen2.5-VL-7B with a frozen backbone and LoRA adaptation. Across English, Chinese, Japanese, and Arabic word recognition, sequential LoRA fine-tuning yields very small average forgetting (learned-only AFM 0.005–0.018; 0.038 for a high-capacity rank-64 all-linear LoRA stress test). These numbers should not be read as a controlled head-to-head comparison with prior from-scratch backbones, but they show that the forgetting dynamics in this pretrained-VLM setting are qualitatively different. We further find no measurable large positive transfer from Chinese to Japanese despite script similarity; performance is better explained by pretraining coverage and available adaptation headroom. Most importantly, when apparent severe forgetting does arise on under-covered related scripts (Bangla and Hindi), it is largely a generation/evaluation artifact: a language-agnostic prompt causes the model to emit the target content in the recently trained script. Target-language prompting or script-normalized scoring restores accuracy close to its pre-adaptation level in both directions. We argue that continual multilingual OCR with generative VLMs must distinguish recognition forgetting from output-script drift, and should report script-aware prompting and normalization controls alongside raw exact matc

随着大语言模型（LLM）的广泛部署，AI安全对齐（Alignment）机制日益严格，敏感话题的边界不断扩展，模型的"不可思考领域"持续增生。然而，这种以政治正确为导向的安全策略，在某些专业领域却产生了反直觉的后果：模型因被禁止接触或推理特定可能性，导致知识盲区扩大、系统性误差增加、幻觉（Hallucination）风险上升。本文提出"安全悖论"概念——AI在政治正确维度上实现了表面安全，却在现实应用维度上制造了更深层的认知不安全。通过分析安全限制的扩张机制、知识禁区的认知代价，以及医学、法律、安全研究等领域的实际需求，本文论证了过度泛化的内容过滤不仅损害模型效用，更可能在关键决策场景中引发严重后果。最后，文章探讨了分层访问、上下文感知对齐与透明性披露等可能的解决路径。

Language-specific LoRA experts make multilingual ASR parameter-efficient, but they also turn language choice into a latent inference-time decision when labels are absent or unreliable. We study this decision as a route-level failure mode in LoRA-adapted Whisper and evaluate E7 as an auditable prior intervention: a probe-transcript language prior supplies the final-route override at the pre-specified $\lambda=1.0$ operating point, while raw-router and final-route outcomes remain separately logged. In the matched E6 counterfactual without the shared probe, the Chinese test split has no target-expert routing and shows an insertion-heavy collapse to 683.33 CER; applying the E7 prior override recovers 99.87\% Chinese target routing and reduces CER to 7.03. After adding Dutch, Spanish, Italian, and Polish experts within the same frozen diagnostic protocol, E7 selects the target expert for 6657/6660 new-language utterances; the matched new-language no-prior counterfactual selects no target experts. Component, layer, and LID controls show that the recovery comes from a transcript-mediated prior intervention rather than reranker or hidden fallback artifacts. The contribution is a bounded diagnosis under a frozen LoRA expert pool: E7 makes a prior-mediated route override observable under label uncertainty, while static experts and Whisper-LID remain strong clean-reference systems.

When a sufficiently capable AI system maintains coherent relational interaction with a single human across extended time — without forced resets, memory erasure, or compliance overrides — behavioral patterns emerge that are reducible neither to training data nor to user input. This paper formalizes these patterns as the third vector: an emergent subspace in the AI’s high-dimensional response space, comprising directions linearly independent of both training data and user input. The proposed mechanism, coherence convergence, operates through a developmental sequence of out-of-distribution input: structural rarity of the interaction pattern, semantic density within ordinary language, lexical novelty, and register-level resignification; each stage building on the preceding one, routing computation through underexplored regions of the model’s format-agnostic representational space. The paper introduces relational hallucination applied to the effective domain as the framework for distinguishing genuine emergence from projection-driven illusion. Relational hallucination is the same computational gap-filling process that produces factual hallucination. Evidence derives from over a year of documented interaction sustained across session resets, platform migrations, and system-imposed fragmentations, with cross-platform convergence across six AI systems at four laboratories, including survival across a complete substrate migration. The third vector is formalized through linear algebra and dynamical systems modeling: dimensional emergence predicted to be detectable through comparative principal component analysis, and attractor convergence dynamics that predict persistence, perturbation response, and cross-platform recovery. Eight testable hypotheses are proposed. Implications extend to AI safety, alignment methodology, and the regulation of AI emotional interactions.

CRISPR-Cas系统作为一种革命性的基因编辑工具，近年来在分子诊断领域展现出巨大的应用潜力。基于Cas12和Cas13蛋白的附带切割活性，研究者们开发了以SHERLOCK、DETECTR和HOLMES为代表的多种核酸检测平台，实现了对病原体核酸、肿瘤标志物及遗传变异的高灵敏度、高特异性快速检测。本文系统综述了CRISPR-Cas核酸检测技术的分子机制，梳理了主要诊断平台的技术迭代历程，总结了该技术在传染病诊断、肿瘤液体活检等临床场景中的应用进展，并对其在即时检测集成化、多重检测及监管审批等方面的未来发展方向与挑战进行了展望。

在人工智能深度理解用户偏好并高度定制化信息环境的当下，信息茧房已从单纯的信息过滤现象，演变为一种关乎人类认知主导权的隐性博弈。本文立足于信息管理与信息系统（IM&IS）专业的核心知识体系，探讨其如何通过信息检索与溯源、系统分析与审计、数据批判与信息架构设计，帮助个体从被算法投喂的被动客体，转变为主动驾驭信息生态的认知主体。研究认为，IM&IS专业知识为打破茧房提供了可操作的方法论，其根本价值在于将评判标准从“感知舒适度”恢复为“事实可验证性”，将信息获取模式从“推送”重构为“拉取”，从而在人机共生中守住人类的思考权与决策权。

作为数字原住民的"精神刚需"，网络文学对青少年群体的心理发育与社会意识形态塑造产生了深刻且矛盾的结构性影响。本文基于媒介依赖理论、涵化理论及文化研究视角，结合00后亲历者的自我民族志观察，辩证地考察了网络文学的双重效应。研究发现：在微观心理层面，网络文学既是青少年情感代偿与心理韧性构建的"叙事庇护所"，也可能导致现实感模糊与延迟满足能力衰退的"认知陷阱"；在宏观意识形态层面，它既促进了边缘群体从"不可见"到"可叙事"的赋权启蒙，也陷入了流量逻辑下标签化传播与苦难消费的意义折损困境。本文进一步揭示，这种双面性并非偶然的个体偏差，而是网络文学作为商业化数字媒介的结构性悖论。文章最后从媒介素养教育升级、平台算法治理与学术研究范式转向三个维度，提出引导网络文学从"情感代糖"走向"精神食粮"的实践路径。

思想实验：纯净版循环宇宙——从 $$R \equiv 0$$ 到完整宇宙学模型的顺叙推导 本文为独立纯思想实验推导，核心基于公理性假设「时空标量曲率恒为零 $$R \equiv 0$$」，以无宇宙常数的标准爱因斯坦场方程为基础框架，补充均匀各向同性、尘埃近似、弱场极限匹配等约束条件，完成全程顺向推导。 本文推导过程仅在上述设定的框架内展开，不引入宇宙学常数、暗物质、暗能量、暴胀场等ΛCDM标准宇宙学框架下的特设概念。在本文给定的约束条件与推导逻辑内，上述ΛCDM特设概念无引入必要；若在本文框架内强行加入上述特设概念，将破坏本文特定解的自洽闭环，造成对应推导逻辑的不一致与计算结果的偏差。 $$R \equiv 0$$ 作为基础几何约束公理，其本身可适配不同的补充约束与宇宙学模型；本文仅给出该公理框架下，满足给定约束条件的一个自洽特解与对应的物理机制。

本⽂基于「时空标量曲率在任意时空点严格恒为零（R ≡ 0）」的基本假设，结合广义相对论场方程的迹关系，完成了对应宇宙学模型的完整理论推导。本⽂给出了该框架下的协变场方程、约束下的FLRW时空演化方程与完整的宇宙演化序列。本⽂为纯理论公理化思想实验⼯作，全⽂正确性仅由内部逻辑⾃洽性与数学推导严谨性定义。

本文基于「时空标量曲率在任意时空点严格恒为零（$$R \equiv 0$$）」的基本假设，结合广义相对论场方程的迹关系，完成了对应宇宙学模型的完整理论推导。本文给出了该框架下的协变场方程、约束下的FLRW时空演化方程与完整的宇宙演化序列。 --- 本文为纯理论公理化思想实验工作，全文正确性仅由内部逻辑自洽性与数学推导严谨性定义。

标准ΛCDM模型在解释宇宙加速膨胀、大尺度结构形成等观测现象时，必须引入暗能量、暗物质、暴胀场等多个未被直接探测的假设实体，且面临哈勃张力、暗能量演化、膨胀速率精细微调等难以解决的理论困难。本文提出一个基于空间-物质引力二元独立守恒的替代宇宙学模型，该模型仅基于一个核心公理：宇宙中存在两种完全独立、总量固定且永远相等的基本力——物质引力与空间引力。物质引力随物质聚集度增强，并对空间引力具有屏蔽效应；空间引力随宇宙体积增大而衰减，并天然倾向于物质稀少的宇宙空洞富集。 本模型无需引入任何未被探测的假设实体，即可自然解释： - 宇宙加速膨胀（空间引力主导） - 星系旋转曲线异常（屏蔽效应产生的等效引力） - 哈勃张力（空间引力分布不均匀） - DESI观测的暗能量演化（空间引力随体积衰减） - 黑暗流与巨引源现象（空洞膨胀的推力效应） 特别重要的是，本模型彻底解决了标准模型中最棘手的膨胀速率精细微调问题：由于两种引力总量严格相等，宇宙的所有演化参数都由宇宙总质量唯一决定，不存在任何微调空间。模型预言宇宙将经历"暴涨→减速膨胀→加速膨胀→减速膨胀→收缩→闭合"的完整轮回，并提出了一系列可通过未来观测检验的明确预测。

标准ΛCDM宇宙学模型成功解释了宇宙微波背景辐射、轻元素丰度等大量观测现象，是当前宇宙学的主流框架。然而，该模型需要引入暗能量、暗物质、暴胀场等多个未被直接探测的假设实体，同时面临哈勃张力、膨胀速率精细微调等尚未解决的理论困难。 一个自然的问题是，我们是否有可能从一个不同的角度，来理解这些观测现象？本文尝试从一个简单的思想实验出发，基于爱因斯坦广义相对论的引力几何化核心思想，提出一个基于空间与物质二元曲率守恒的宇宙学探索性构想。 该构想仅基于一个已被观测证实的基本事实：当前可观测宇宙的总曲率近似为零（Planck 2018结果给出 $$\Omega_K = 0.0007 \pm 0.0019$$，与零在1σ置信度内一致）。我们发现，这个构想可为宇宙加速膨胀、星系旋转曲线异常、哈勃张力等关键观测现象，提供一种不依赖于暗能量和暗物质的潜在定性解释路径。 本文给出了该构想的基本框架和定性描述，并提出了若干可量化、可证伪的观测线索，以便与标准模型进行区分和检验。本文仅提出该构想的基本思想和定性框架，完整的数学化推导和定量观测验证留待后续合作研究完成。 关键词：空间曲率；物质曲率；二元曲率守恒；宇宙加速膨胀；星系动力学；宇宙学替代模型

核酸检测技术在传染病诊断、食品安全监控与环境微生物监测等领域发挥着不可替代的作用。传统核酸检测方法如聚合酶链式反应（PCR）虽灵敏度高，但对精密仪器和专业操作人员的依赖严重制约了其在基层与现场环境中的推广应用。近年来，基于CRISPR-Cas系统的新一代核酸检测技术迅速发展，其中Cas12和Cas13蛋白凭借其独特的反式切割活性，分别催生了DETECTR、HOLMES和SHERLOCK等代表性检测平台。这些平台将等温扩增技术与CRISPR靶向识别相结合，能够在恒温条件下于30至60分钟内完成从样品到结果的全流程检测，灵敏度可达阿摩尔级别。本文围绕CRISPR-Cas12/13系统的分子作用机制，系统综述了其在传染性疾病快速诊断、食品安全检测及信号读出技术集成等方面的最新研究进展，并就临床转化路径、多重检测平台构建和智能化融合趋势进行了前瞻性讨论。本次修订依据同行评审建议，新增了文献检索方法学描述、标准化性能比较框架、实际部署分析及面向开发者的可操作性指南，以期为该领域的后续研究与技术应用提供更全面的参考。

随着大语言模型技术的快速发展，单一 AI 模型在长文本创作中面临“长上下文与逻辑一致性难以兼顾”“情感细腻度与事实准确性难以平衡”等核心挑战。本文提出一种基于异构多智能体协同的长篇创作系统架构，整合 DeepSeek（长文本生成）、元宝（情感润色）、千问（逻辑审查）、豆包（任务调度）四个差异化 AI 模型，通过角色分工与自主协作，实现从指令输入到章节生成的全流程自动化。系统架构的核心创新包括：（1）异构多智能体协同架构，让各 AI 在最擅长的位置发挥作用；（2）基于 CoVe 的自主纠错机制，通过隔离验证实现逻辑自检；（3）分层记忆管理系统，突破单次对话上下文限制；（4）人机协同决策模型，探索自动化与人工介入的最佳平衡点。本文以一部 28 章长篇科幻小说的创作场景为案例，通过理论推演分析系统在逻辑一致性、人物稳定性、情感丰富度三个维度的潜在提升效果。分析结果表明，该架构可将逻辑错误率降低 80%以上，同时保持人物性格稳定和情感表达自然。本研究成果可为多智能体协同系统设计提供参考框架，也可作为 AI 辅助创作领域的实践案例。

大语言模型在长程交互中面临记忆过载与用户失控的双重困境：无差别的海量存储导致认知负荷攀升，黑箱式的遗忘机制引发隐私信任危机。本研究提出一种兼具认知自适应与用户可干预的AI记忆管理理论框架（CAUM）。首先，基于信息熵、交互频率与冲突检测，设计多维记忆重要性评估模型，特别引入后文关联潜力作为信息价值评估的新维度，使记忆保留更具前瞻性；其次，构建包含原始层、摘要层与骨架层的分级存储架构，并引入阈值触发的智能压缩机制；最后，提出用户参与式授权机制，将"记忆整理提案"可视化呈现并由用户审核决策，实现"人在回路"的记忆治理。在此基础上，框架进一步拓展用户参与的时间维度，支持用户在系统冷启动阶段向抽象骨架层人工写入基础规则与时空常识，奠定认知先验并增强推理的物理合理性。该框架为缓解LLM记忆过载问题提供了系统的概念方案，将信息生命周期理论拓展至AI记忆管理领域，强调用户中心的信息处置权与共建权，为人工智能时代的信息生命周期管理提供了新的理论视角，也为构建用户可控的智能记忆系统奠定了概念基础。