A Lightweight Multi-Cancer Tumor Localization Framework for Deployable Digital Pathology
该论文提出了一种名为 MuCTaL 的轻量级多癌症肿瘤定位框架，通过在四种癌症数据上进行平衡训练，实现了在已知癌种及未见过的胰腺癌中均具备良好泛化能力的肿瘤区域检测，并构建了可部署的数字病理空间热图生成工作流。
🤖 Category
cs.AI
2387 篇论文
LDP: An Identity-Aware Protocol for Multi-Agent LLM Systems
本文提出了 LLM 委托协议（LDP），这是一种将模型身份、推理画像等属性作为核心原语的 AI 原生通信协议，并通过插件实现与评估证明了其在降低延迟、减少 Token 消耗及提升系统可治理性方面的优势，同时也揭示了未经验证的置信度元数据可能带来的负面影响。
Unpacking Interpretability: Human-Centered Criteria for Optimal Combinatorial Solutions
该研究通过实验确立了人类在同等最优解中更偏好具有“有序视觉呈现”、“符合贪心启发式”及“简单组合结构”这三个可量化特征的解，从而为优化算法中可解释性与人类偏好的平衡提供了具体依据。
Quantifying the Accuracy and Cost Impact of Design Decisions in Budget-Constrained Agentic LLM Search
该论文通过提出模型无关的预算约束代理搜索（BCAS）评估框架，系统量化了搜索深度、混合检索策略及完成预算对六种大模型在三个问答基准上准确率与成本的影响，为受限预算下的代理检索管道配置提供了实证指导。
A New Modeling to Feature Selection Based on the Fuzzy Rough Set Theory in Normal and Optimistic States on Hybrid Information Systems
本文针对混合信息系统中模糊粗糙集理论在高维空间下计算效率低及易产生噪声的问题，提出了一种名为 FSbuHD 的新特征选择模型，该模型通过计算对象间综合距离构建模糊等价关系，将特征选择转化为优化问题，并在正常和乐观两种模式下经实验验证了其高效性与优越性。
NetDiffuser: Deceiving DNN-Based Network Attack Detection Systems with Diffusion-Generated Adversarial Traffic
本文提出了名为 NetDiffuser 的新型框架，通过结合特征分类算法与扩散模型生成语义一致的自然对抗样本，显著提升了欺骗基于深度学习的网络入侵检测系统的成功率并降低了现有检测器的防御性能。
Cross-Domain Uncertainty Quantification for Selective Prediction: A Comprehensive Bound Ablation with Transfer-Informed Betting
本文提出了一种名为“转移信息博彩（TIB）”的新方法，通过结合跨域风险分布预热与博彩置信序列，在数据稀缺场景下显著提升了选择性预测的覆盖率，并系统评估了九类有限样本界在多个基准测试中的表现。
FedLECC: Cluster- and Loss-Guided Client Selection for Federated Learning under Non-IID Data
本文提出了 FedLECC，一种针对非独立同分布数据的联邦学习客户端选择策略，通过结合标签分布聚类与局部损失引导，在显著降低通信开销的同时提升了模型收敛速度与测试精度。
Uncovering a Winning Lottery Ticket with Continuously Relaxed Bernoulli Gates
该论文提出了一种基于连续松弛伯努利门的全微分优化方法，用于在保持网络权重冻结的情况下高效发现强彩票子网络，从而在多种架构上实现了比现有方法更高的稀疏度且几乎无精度损失。
Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative Search Measurement
该论文通过实证研究揭示，生成式搜索中的引用可见性具有显著的非确定性波动，因此主张摒弃单一测量点估计，转而采用统计框架将引用指标视为分布估计量并报告不确定性区间，以避免对域名表现产生误导性解读。
Using Vision Language Foundation Models to Generate Plant Simulation Configurations via In-Context Learning
该论文提出了一种利用 Gemma 3 和 Qwen3-VL 等视觉语言基础模型，通过上下文学习从无人机遥感图像中直接生成植物仿真配置（JSON 格式）的新方法，旨在解决功能性结构植物模型在规模化部署中的复杂性瓶颈，并构建了首个针对农业数字孪生三维重建的评估基准。
Interpretable Markov-Based Spatiotemporal Risk Surfaces for Missing-Child Search Planning with Reinforcement Learning and LLM-Based Quality Assurance
本文介绍了名为"Guardian"的端到端决策支持系统，该系统通过结合可解释的马尔可夫链、强化学习及大语言模型质量验证的三层架构，将非结构化案件数据转化为缺失儿童搜索的时空风险预测与优化方案。
PathoScribe: Transforming Pathology Data into a Living Library with a Unified LLM-Driven Framework for Semantic Retrieval and Clinical Integration
本文提出了 PathoScribe 框架，通过统一的检索增强大语言模型技术，将静态的病理报告档案转化为支持自然语言检索、自动队列构建及临床推理的“活体图书馆”，显著提升了病理数据的检索效率与临床决策价值。
VoxEmo: Benchmarking Speech Emotion Recognition with Speech LLMs
本文提出了名为 VoxEmo 的综合基准，旨在通过引入分布感知软标签和提示词集成策略，评估语音大语言模型在跨语言、多语料库场景下对情感模糊性的建模能力及其与人类主观分布的契合度。
AgentOS: From Application Silos to a Natural Language-Driven Data Ecosystem
本文针对当前智能代理受限于传统操作系统架构而导致的交互碎片化与权限管理混乱问题，提出了一种以自然语言为核心、将操作系统重构为实时意图挖掘与知识发现引擎的“代理操作系统（AgentOS）”新范式，并指出其本质是一个涉及序列模式挖掘与动态知识图谱构建的知识发现与数据挖掘（KDD）问题。
BiCLIP: Domain Canonicalization via Structured Geometric Transformation
该论文提出了 BiCLIP 框架，通过利用少量锚点样本学习跨域图像特征间的规范几何变换，以极简的参数量实现了多模态特征的对齐，并在多个基准测试中取得了最先进的零样本域适应性能。
A Consensus-Driven Multi-LLM Pipeline for Missing-Person Investigations
本文介绍了名为"Guardian"的端到端系统及其多模型流水线，该系统通过结合基于 QLoRA 的微调、任务专用大语言模型以及共识引擎，旨在以可审计的保守方式辅助失踪人员（特别是儿童）调查中的关键信息提取与搜索规划。
Automated Tensor-Relational Decomposition for Large-Scale Sparse Tensor Computation
本文提出了名为"EinSum"的张量 - 关系计算新范式，通过自动将爱因斯坦求和符号重写为混合形式，实现了在关系系统中高效管理大规模稀疏数据的同时，利用高性能数值内核执行核心数学运算。
The FABRIC Strategy for Verifying Neural Feedback Systems
该论文提出了名为 FABRIC 的新算法，通过结合前向与后向可达性分析技术，有效解决了非线性神经反馈系统验证中后向可达集计算可扩展性不足的问题，并在基准测试中显著优于现有最先进方法。
Semantic Level of Detail: Multi-Scale Knowledge Representation via Heat Kernel Diffusion on Hyperbolic Manifolds
该论文提出了“语义细节层次”（SLoD）框架，通过在双曲流形上利用热核扩散构建连续缩放算子，不仅实现了知识表示的多尺度平滑过渡，还能自动检测图谱拉普拉斯谱隙以无监督地发现语义抽象的质变边界。