爱立信凭借“意图感知切片”技术在2026世界移动通信大会上获得“GTI年度大奖”。该技术自动管理无线资源，支持5G Advanced与AI融合，已在亚洲商用并成功应用于国际赛车赛事。

模型参数量反映规模和复杂性，通常以十亿为单位。参数是影响预测能力的学习变量。轻量级模型适合个人开发者，高性能模型满足大型企业需求。选择模型时需平衡任务、预算和技术能力。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。

本研究针对6G网络中虚拟化网络功能（VNF）管理中的服务功能链（SFC）划分问题，提出了一种基于变换器的演员-评论家框架。该方法通过自注意机制有效建模VNF之间的复杂依赖关系，提升了训练的稳定性和收敛性，实验证明该框架在长期接受率、资源利用效率和可扩展性方面超越了现有技术。在6G环境下，为智能网络编排提供了一种可扩展且强大的解决方案。

本研究提出了一种名为HRLFS的方法，通过多智能体层次强化学习提高特征选择效率。该方法结合大型语言模型提取特征，优化计算时间，提升机器学习性能，展现出良好的效率与可扩展性。

本研究解决了模型定制中获取多样化和高质量数据的困难问题。提出的TreeSynth框架通过递归划分数据空间，实现对合成数据的全面和多样化生成。实验结果显示，TreeSynth在数据多样性和下游任务表现上均优于现有方法，具有显著的改善效果。

本研究针对交互数据（即行动与观察交织的数据流）中的通用源编码进行了扩展，解决了如何在行动生成中避免自我错觉问题。提出了一种高效的新算法，推广了划分树加权的通用编码技术，并成功应用于非平稳随机伯努利赌博机问题，显示了其在控制设置下的优越性能。

本研究提出了合成-划分-适应（SPA）框架，通过合成数据生成多样化的高质量响应，实验结果表明该方法有效提升了用户体验。

本研究提出了一种新颖的层次算法HiBO，旨在解决传统贝叶斯优化在高维搜索空间中的挑战。HiBO通过全局搜索空间的划分来增强局部优化，表现优于现有方法。

本研究提出CLOVER方法，通过一阶逻辑翻译和验证算法，提升大型语言模型在复杂逻辑推理中的语义解析能力。实验证明，CLOVER在七个逻辑推理基准测试中表现优异，超越了以往方法。

本研究提出一种半自动方法优化PRISMA流程图选择阶段，解决性别歧视和厌女症量化研究不足的问题。通过2012至2022年文献综述，揭示社会科学与计算机科学中性别仇恨言论量化的机会与挑战，显示学科间主题分歧，并为未来跨学科研究提供启示。