前康的文章

Detecting Influence Structures in Multi-Agent Reinforcement Learning

① 研究背景：从“策略学习”走向“影响建模” 在多智能体强化学习（MARL）中，一个几乎所有工作都默认但很少被真正刻画的问题是：智能体之间到底是如何相互影响的？论文开篇就明确指出：“理解智能体之间的相互影响对于有效学习策略至关重要”在MARL系统中，所有智能体都处在一个共...

2天前

① 研究背景在多智能体系统（Multi-Agent Systems, MAS）中，如何实现高效协同一直是核心问题。从自动驾驶车队到分布式网络控制，再到你正在研究的跨域协同场景，本质上都面临一个共同挑战：多个异构智能体如何在复杂环境中做出协调一致的决策。然而现实世...

2周前 (03-25)

① 研究背景：ROV之后，BGP真的安全吗？在过去十多年中，围绕 BGP（边界网关协议）安全的核心改进，主要集中在基于 RPKI 的 ROV（Route Origin Validation）机制。这一机制通过密码学信任链验证路由前缀的“起源合法性”，在一定程度上缓解了...

2周前 (03-23)

①Introduction 多智能体强化学习一直被认为是强化学习中最复杂的一类问题。难点不仅在于每个智能体都要学策略，更在于多个智能体之间必须协同更新，才能提升整体收益。也正因此，这一领域长期依赖一些“折中方案”，比如集中训练、分布执行，通过引入全局信息来缓解训练难度。但...

3周前 (03-20)

① 研究背景连续时间神经网络近年来逐渐成为深度学习中的重要研究方向。这类模型通常通过微分方程（Differential Equations）描述神经网络状态随时间的动态演化，能够在连续时间域上建模复杂系统，因此在时序建模、物理系统模拟以及不规则时间序列处理等任务...

3周前 (03-18)

①研究背景：在多智能体系统（Multi-Agent Systems, MAS）中，通信是实现分布式控制和规划的关键要素。通过智能体之间的信息交换，可以将预测和决策过程分布到多个节点上，从而提高系统的可扩展性与预测能力。近年来，随着数据驱动控制方法的发展，越来越多研究尝试...

4周前 (03-16)

深度解读：DFOH——一套检测伪造源 BGP 劫持的实时系统在互联网的底层路由体系中，边界网关协议（BGP）负责跨自治系统（AS）通告路由路径，是全球网络互联的“血脉”。然而，由于 BGP 本身缺乏强认证机制，攻击者可以通过篡改路由信息对流量进行劫持，导致服务中断、数据...

2个月前 (02-02)

打破传统边界，让 AI 更快更省能——PhyDNNs 正在重塑通信与智能终端未来！在智能设备与实时交互应用高速发展的今天，从增强现实 (AR) 到虚拟现实 (VR)，从智能驾驶到无人机，都对实时计算提出了前所未有的要求。然而，深度神经网络（DNN）传统的...

4个月前 (12-11)

当网络仿真不再“慢 + 重” —— m3 带来突破在现代数据中心或云服务架构中，网络性能 — 尤其是流 (flow) 完成时间 (Flow Completion Time, FCT) 和尾部时延 (tail latency) — 是决定用户体验和资源效率的关键指标。过去...

4个月前 (12-04)

PreTE：为 WAN 注入“预测智慧”的下一代流量工程方案在当今云服务、高性能计算、全球数据中心互联不断扩张的时代，广域网 (WAN) 已成为承载海量数据流量的骨干基础设施。光纤链路以其高带宽、低延迟的优势被广泛采用 —— 但同时，它们也暴露在施工误...

4个月前 (11-27)