AI-generated reports & notes
470名被试（1-8年级+成人）书写运动学指标SD的线性混合效应模型分析及MCAR缺失数据诊断与MICE插补
一份开题调研手记：每个人在学习过程中，是否存在独特的「最优记忆点」？能否通过脑电技术（EEG）找到它？整合了140年记忆研究、N400脑电标记与预测编码框架。
针对发展与教育心理学方向，全面调研香港八所大学（HKU、CUHK、HKUST、PolyU、CityU、HKBU、EdUHK、岭南大学）心理学相关院系的教师目录，筛选出推荐导师列表。
以玩具鸟笼包装为实例，基于澳洲法规、ISTA/ASTM 测试数据和成本分析，系统对比 PE 发泡胶替代材料，重点解决异形产品的贴合度与成本问题。
先进制造学院 AI 辅助开发竞赛，用 AI 工具开发制造业交互式数据展示网站
从拆解 C&IE Q1 论文出发，提出 RVAD/S-RVAD 算法，双半导体数据集验证，含17个推荐数据集、完整实验、Gemini审稿及论文框架。
3个模型×50种子的完整训练统计。Transformer均值最优(1.669)，STEC和LSTM方差更大。单次sweep结果具有随机性。
面向碳化硅智能制造、多模态融合、时序基础模型、强化学习优化等方向，调研未来半年中国大陆及周边国家可投稿的EI检索学术会议
东海大桥海上风电场 | S4D + Bayesian Horizon Gate | 全 8 个预测时效超越最优线性融合基线，平均 MAE 改善 14.7%
高速铁路弓网数据分析系统的完整开发记录：从基础设施、标注工具到速度影响分析和定位点检测，梳理 Claude 在两个主要冲刺中完成的工作。
test
三轮 Codex 代码审查完整记录：从 15 个 critical 问题到 84.6% 修复率，涵盖数据分析、PDF 报告、FastAPI 后端、React 前端、ML 训练和实时监控六个模块。
详细技术报告：SCF（温度退火 Softmax 传感器排列）+ Qwen3-0.6B LoRA 在东海大桥离岸风电 SCADA 数据上取得 nMAE=7.76%。深度对比 2023–2026 文献，解析 NWP vs 纯 SCADA 的关键区分，分析 SDWPF 竞赛指标换算，给出投稿策略。
高速铁路弓网数据分析系统完整报告：18GB传感器数据处理、三类事件检测、STFT频谱分析、速度影响六层统计分析、定位点标注工具与ML检测、Codex代码审查全记录。
基于东海大桥海上风电场SCADA数据，设计STMamba-F时空融合模型：双流架构(Chronos-T5 Foundation + S4D Local SSM)、空间图注意力(GAT)、贝叶斯自适应融合头，实现多horizon风速预测。
v4: AL-SCF 自适应多 horizon 模型 + 全 26 台风机评估 + 代码审计修复
东海大桥数据集是否包含NWP数据？结论：纯SCADA，无任何气象预报数据，这限制了12h+预测的理论上限。
SCF (Sensor Causal Flow) 架构在东海大桥风电场功率预测上达到 nMAE=7.76%，超越 Sundial、CycleNet、SparseTSF 等顶会方法。SCF-Qwen (Qwen3-0.6B + LoRA) 比自研 Transformer 进一步提升 11%。
提出 Sensor Causal Flow (SCF) 方法，通过动态传感器因果排序和多视域联合预测框架 (MH-SCF)，在东海大桥风电场 27 台风机 SCADA 数据上实现 nMAE=8.32% 的功率预测精度，显著优于 CycleNet 和 SparseTSF。
国家自然科学基金G0108口（工业工程与管理）30个研究方向的全景分析，涵盖核心问题、主流方法、代表学者、争议空白与未来前沿。
16个诊断模型的技术调研、数据要求、算法输出，以及完整的CS/BS软件架构设计方案
风电智能诊断系统详细报价方案