本研究提出了一种基于距离的集成聚类方法，有效解决了聚类模型性能评估中的挑战，能够处理多样的聚类定义，优于其他评分方法。

本研究分析了自动驾驶车辆（AV）与人类驾驶车辆（HDV）在复杂交通系统中的安全性和互动质量。结果显示，仅1.63%的AV与脆弱道路用户（VRU）之间达成全面共识，强调了在混合交通环境中开发自动驾驶模型的必要性。

本研究提出了一种基于Hashgraph的共识机制，旨在解决大型语言模型输出不一致和幻觉的问题。该机制通过促进不同推理模型之间的输出验证，提高AI系统的可靠性，并展示了减少不真实输出的优势，为多智能体AI系统提供了新方向。

本研究提出了一种基于命题概率逻辑的概率聚合框架，解决了传统判断聚合中动态理性被忽视的问题。该模型确保在新信息出现时集体信念一致更新，确认了线性聚合规则的必要性，并展示了公平学习的条件。

本研究提出了一种不对称共识状态空间模型（ACMamba），用于高光谱图像的无监督异常检测。该模型通过使用区域级实例替代像素级样本，显著降低了计算成本，同时保持了检测精度。实验结果表明，ACMamba在速度和性能上优于现有方法。

本研究提出了一种新型共识机制，通过大型语言模型实现结构化讨论，解决了传统区块链在决策适应性不足的问题，实验结果表明该方法提升了决策的准确性和可信度。

本研究提出平行思维促进代理（PTFA），旨在解决多元意见下达成共识的难题。PTFA利用大型语言模型，提高在线共识建立的效率，尤其在创意生成和情感探讨方面表现突出。

本研究扩展了传统的排名聚合问题，提出了最优桶顺序集问题，以提供多个共识排名，更好地反映输入排序中的偏好。实验结果表明，适应性显著提高，同时结果的可理解性得以保持。

本研究提出了一种“数据证明”（PoD）共识协议，旨在解决去中心化联邦学习中的模型训练正确性和公平奖励分配问题。该协议结合了异步学习的高效性与共识投票的最终性，验证了其在信任机制和奖励分配公平性方面的有效性，并能够容忍1/3的故障比例。

不要错过#ConsensusHK 2025，参与去中心化技术、金融和Web3的革命。立即注册可享15%折扣。

谷歌学术正面临AI工具的挑战，许多科学家开始转向新兴的AI学术搜索引擎，如Consensus和Emergent Mind。这些工具提供更精准的搜索结果和互动功能，逐渐取代谷歌学术的主导地位，尽管谷歌学术在过去20年中积累了大量用户，但其优势正被AI技术削弱。

本研究提出了一种基于共识的层剪枝方法，结合多个相似性指标，克服了单一标准的局限性，实现了78.80%的FLOPs减少，同时降低了能耗和碳排放，分别为66.99%和68.75%。

恒星共识协议（SCP）被恒星网络用于安全可靠的交易。它通过小组投票来确保共识，平衡安全性和活跃性。随着网络的增长，SCP需要处理更多的交易，并且正在努力增强其安全性。SCP扩展了区块链技术在支付之外的可能性。

DSBA LAB团队提出了一种名为ECO的新框架，用于评估和排名图像的字幕。该框架通过结合Ensembled Clip得分和Consensus得分，选择最准确的描述图像的字幕。在Caption Re-ranking Evaluation比赛中，ECO在多个评价指标上获得了高名次。

(This blog post is the last installment of a three-part blog series to help FS leaders become better technology buyers.) Once you’ve defined your user stories (See: 3 Components of Effective User...

背景分享一下前不久在 PingCAP 实习时做的有关共识算法及其应用的介绍（已经删除了部分不便公开的内容）。 这次分享主要针对 R

In the final installment of the consensus algorithm series we pull everything together with some final thoughts.

In part 7 of the Consensus algorithm series we combine everything we’ve worked at to cover propagating requests