大家做深度学习会不会被评创新性不足？今天我来给大家推荐一个小众创新点：贝叶斯神经网络+PINN。贝叶斯神经网络用不确定性量化把“参数高效、模态对齐、鲁棒泛化”串成一条线。把贝叶斯推断塞进LoRA、Prompt、Adapter里做轻量化，再让不确定性指挥跨模态动态路由，可以实现“少样本、多模态、任意域”一把梭。这对于论文er来讲，可以说是绝佳发文选择！近期更是有成果登上顶刊TPAMI、顶会Neuri

《NEURAL NETWORKS》作为双 1 区 TOP、影响因子高达6.3的期刊，年发文量稳定且对国人较为友好，其涵盖的研究方向广泛，是一个具有重要学术价值和影响力的展示平台。

EXPERT SYSTEMS WITH APPLICATIONS 是于 1990 年创办的人工智能领域学术期刊，属于中科院计算机科学大类一区 Top 期刊。

在大模型时代，多模态目标检测领域正迎来新的发展机遇与挑战。但由于全量微调成本过高，使得高效迁移学习与特征融合在多模态目标检测中的重要性愈发凸显。当前，相关研究正围绕模型高效迁移与参数更新、任务驱动动态融合、统一知识迁移框架、鲁棒迁移与领域泛化等方向展开创新。本文整理了多篇相关论文，旨在帮助读者了解前沿动态，掌握研究思路，助力大家在该领域取得突破。

OpenAI 近期开源的 GPT-OSS 模型，以其简洁而精妙的架构设计引发了行业广泛关注。这两款分别名为 gpt-oss-20b 和 gpt-oss-120b 的模型，不仅在参数规模与运行效率上展现出独特优势，更在技术细节中暗藏着大模型架构演进的新思路。结合对模型实测体验与行业技术争议的观察，我们或许能从中窥见未来大模型发展的若干方向。

本次科技聚焦《 Journal of Advanced Research 》，适合计算机领域学者投递尝试

EuroSys作为欧洲顶尖的计算机系统学术会议，涵盖了系统设计、安全、性能优化等方向，强调理论与实践结合，距离该会议截稿还有61天。

OpenAI 近期开源的 GPT-OSS 模型，以其简洁而精妙的架构设计引发了行业广泛关注。这两款分别名为 gpt-oss-20b 和 gpt-oss-120b 的模型，不仅在参数规模与运行效率上展现出独特优势，更在技术细节中暗藏着大模型架构演进的新思路。结合对模型实测体验与行业技术争议的观察，我们或许能从中窥见未来大模型发展的若干方向。

近年来，图神经网络（GNN）与 Transformer 模型在多个领域大放异彩，展现出强大的性能和广泛的应用前景。

上个月，智谱开源的 GLM-4.5系列大模型在 AI 圈掀起热潮。这个包含 3550 亿总参数的旗舰模型，不仅首次实现推理、编码与智能体能力的原生融合，更在 12 项全球权威测试中拿下综合第三的成绩 。