An Explainable Ensemble Framework for Alzheimer's Disease Prediction Using Structured Clinical and Cognitive Data
该研究提出了一种可解释的集成学习框架，通过结合严格的预处理、混合过采样技术及多种集成算法，利用临床与认知结构化数据实现了对阿尔茨海默病的高精度、透明化预测，为临床决策支持提供了可靠方案。
🤖 Category
cs.AI
7062 篇论文
MPBMC: Multi-Property Bounded Model Checking with GNN-guided Clustering
本文提出了一种名为 MPBMC 的混合方法，利用图神经网络嵌入结合运行时设计统计信息对硬件属性进行功能聚类，从而显著提升了多属性有界模型检查（BMC）的验证效率。
On Emergences of Non-Classical Statistical Characteristics in Classical Neural Networks
本文提出了一种名为 NCnet 的经典神经网络架构，发现其通过隐藏层神经元的梯度竞争和局部损失振荡，能在训练过程中产生类似量子非局域性的非经典统计特征（CHSH 不等式 值），且该特征在模型容量不足时与泛化性能呈正相关，为理解深度网络的内部交互与训练动力学提供了新视角。
A unified foundational framework for knowledge injection and evaluation of Large Language Models in Combustion Science
本研究提出了首个面向燃烧科学的大语言模型端到端开发框架，通过构建多模态知识库、设计评估基准及实施从检索增强生成到知识图谱与持续预训练的三阶段知识注入路径，系统验证了单纯检索方法的性能瓶颈并确立了构建领域基础模型的关键技术路线。
Induced Numerical Instability: Hidden Costs in Multimodal Large Language Models
该论文提出了一种通过优化损失函数以最大化推理阶段数值不稳定性，从而生成导致多模态大语言模型性能显著下降的对抗图像的新颖攻击方法，并在多个主流模型和基准数据集上验证了这种不同于传统对抗扰动的新型失效模式。
Query Disambiguation via Answer-Free Context: Doubling Performance on Humanity's Last Exam
该论文提出了一种利用无答案背景信息重写查询以消除歧义的方法，在“人类终极考试”基准测试中将模型准确率从 0.14 提升至 0.37，证明了结合动态检索增强生成（RAG）与查询重写能显著优于传统提示工程。
Large Language Models as Bidding Agents in Repeated HetNet Auction
本文提出了一种将大语言模型作为智能代理应用于异构网络重复频谱拍卖的分布式框架，通过让终端设备基于历史交互进行推理与策略适应，显著提升了其信道接入频率和预算利用效率。
Capability Thresholds and Manufacturing Topology: How Embodied Intelligence Triggers Phase Transitions in Economic Geography
本文提出“具身智能经济学”框架，论证当具身智能在灵巧度、泛化性等关键能力上跨越临界阈值时，将打破百年来以福特主义为核心的制造业地理格局，通过权重反转、批量崩溃及人机解耦等机制，彻底重构生产选址逻辑并催生由机器环境优势主导的全新经济地理形态。
Learning Unified Distance Metric for Heterogeneous Attribute Data Clustering
该论文提出了一种名为 HARR 的无参数且收敛有保障的学习范式，通过将异构属性投影到统一的可学习空间中重构表示，从而自动适应不同聚类任务并有效解决混合数据（数值与类别）的聚类难题。
Benchmark of Benchmarks: Unpacking Influence and Code Repository Quality in LLM Safety Benchmarks
该论文首次对大语言模型安全基准测试进行了多维评估，发现其在学术影响力上并无显著优势，且代码质量普遍低下，揭示了作者声望与代码质量之间的错位，并呼吁知名研究者带头提升标准。
VSPrefill: Vertical-Slash Sparse Attention with Lightweight Indexing for Long-Context Prefilling
本文提出了 VSPrefill，一种利用注意力分布中垂直 - 斜线结构模式并配合轻量级索引模块的稀疏注意力机制，在无需修改骨干模型参数的情况下实现了线性复杂度，在长上下文推理中显著提升了速度同时保持了高准确率。
MAD-SmaAt-GNet: A Multimodal Advection-Guided Neural Network for Precipitation Nowcasting
本文提出了一种名为 MAD-SmaAt-GNet 的多模态平流引导神经网络，通过结合多变量编码器与物理平流机制改进了轻量级 SmaAt-UNet 架构，显著提升了未来四小时降水临近预报的精度。
Understanding the Dynamics of Demonstration Conflict in In-Context Learning
该论文揭示了大语言模型在上下文学习中处理冲突示例时存在“两阶段”计算结构，即中间层同时编码正确与错误规则而仅在深层形成预测置信度，并通过识别和消融导致推理失败的特定注意力头，成功将模型性能提升了超过 10%。
Towards Explainable Deep Learning for Ship Trajectory Prediction in Inland Waterways
该研究提出了一种结合训练有素的船舶域参数的 LSTM 模型，用于提升内河航道船舶轨迹预测的可解释性，结果显示该模型在保持预测精度的同时，揭示了注意力权重与预期因果关系的偏差，从而验证了其内在的可解释设计价值。
From Spark to Fire: Modeling and Mitigating Error Cascades in LLM-Based Multi-Agent Collaboration
本文针对大语言模型多智能体系统中因迭代导致的小误差演变为系统性错误共识的问题，提出了一种基于传播动力学模型的早期风险识别方法，并设计了无需修改协作架构的谱系图治理插件，成功将防御成功率从 0.32 提升至 0.89 以上，有效抑制了误差的级联放大。
Activity Recognition from Smart Insole Sensor Data Using a Circular Dilated CNN
本文提出了一种基于圆形扩张卷积神经网络（CDCNN）的活动识别系统，该系统利用智能鞋垫的多模态传感器数据，在独立于主体的四分类任务中实现了 86.42% 的测试准确率，并证明了惯性传感器在特征区分中的关键作用且适用于嵌入式实时部署。
Progressive Refinement Regulation for Accelerating Diffusion Language Model Decoding
该论文提出了渐进式细化调控（PRR）框架，通过基于完整解码轨迹的令牌级收敛信号和自进化训练机制，动态调节扩散语言模型的细化过程，从而在保持生成质量的同时显著加速解码。
Augmenting representations with scientific papers
该研究提出了一种对比学习框架，成功将 X 射线光谱与科学文献中的领域知识对齐，构建了共享的多模态表示，不仅显著提升了 20 个物理变量的估算精度，还通过异常检测有效识别了高优先级的天体物理目标。
Projected Hessian Learning: Fast Curvature Supervision for Accurate Machine-Learning Interatomic Potentials
本文提出了可扩展的“投影 Hessian 学习”（PHL）框架，通过利用 Hessian-向量积（HVP）而非显式构建完整的 Hessian 矩阵来注入曲率信息，从而在保持接近全 Hessian 训练精度的同时，显著降低了计算与内存成本并实现了更快的训练速度。
Discovering mathematical concepts through a multi-agent system
本文提出了一种基于多智能体系统的计算数学发现模型，该模型通过模拟猜想、证明与反例的交互过程，成功从多面体数据中自主重构了同调概念，并证实了优化局部过程组合能有效产生与数学直觉高度一致的“数学趣味性”评估标准。