💻 computer science
Mitigating Hierarchical Shortcut Reliance in Frozen CLIP for Cross-Generator AI-Generated Image Detection
本文提出了一种针对冻结 CLIP ViT 的逐层去偏框架，通过有针对性的空间、频率和语义干预来缓解层级化的捷径依赖，从而增强 AI 生成图像检测器的跨生成器泛化能力。
💻 Category
cs
2358 篇论文
💻 computer science
MACRDR: Enhancing Interest Discovery and Diversity in News Recommendation via Multi-Agent Reflection
本文提出了 MACRDR，一个多智能体协作与反思框架，该框架通过将过程重新表述为一种动态意图校准机制，通过预测型智能体与反思型智能体的协作调整用户画像，从而增强新闻推荐的多样性并实现兴趣发现，以缓解过滤气泡问题并捕捉不断演变的偏好。
💻 computer science
Leakage-Resistant Evaluation of Calibrated Multimodal Driver Drowsiness Detection Across Drivers and Routes
本研究表明，严格的防泄漏协议（尤其是路线留出验证）对于可靠的驾驶员疲劳检测至关重要，并揭示了虽然基于直方图的梯度提升算法在标准拆分下表现出高性能，但其面临显著的路线迁移惩罚，且复杂的模态融合并不优于更简单的池化模型。
💻 computer science
Pixel-Translation-Equivariant Quantum Convolutional Neural Networks via Fourier Multiplexers
本文介绍了像素平移等变量子卷积神经网络（PCS-QCNNs），该网络通过构建与像素循环移位精确对易的傅里叶复用层，解决了图像编码对称性与标准量子比特置换之间的不匹配问题，在经过平移处理的 MNIST 基准测试上展示了优于非等变量子控制模型的性能，并强调了由有限采样成本引起的关键训练-部署不匹配问题。
💻 computer science
Trustworthy Agentic AI: A Rapid, PRISMA-Informed Evidence Review of Safety, Explainability, Alignment, and Human Oversight in Autonomous AI Systems
本文对 33 项关于可信代理式人工智能的研究进行了基于 PRISMA 标准的快速证据综述，引入了 T-SAFE 分类法及一个分层框架，旨在解决在安全性、可解释性、对齐和人类监督方面的关键空白，同时强调了当前研究对公平性的忽视。
💻 computer science
SPS-LIME: Role-Aware Segment Perturbation for Explaining Long Legal Documents
本文介绍了 SPS-LIME，一种模型无关的解释框架，该框架通过扰动具有修辞连贯性的变长片段而非单个标记或句子，增强了法律文本分类器的可解释性，从而在实现卓越的一致性和全面性的同时，揭示了分类器敏感度与显式法律推理之间可能存在的失配。
💻 computer science
Spatial Non-Stationarity and Wealth Accumulation: Multiscale Regression of Locational Endowments in a Heterogeneous Metropolitan County
本研究引入了一种结合地理人工智能（GeoAI）与多准则决策分析（MCDA）的混合框架，利用无监督机器学习来识别瓜达卢普河盆地内法律与环境双重可行的数据中心选址，通过以经验衍生的准则取代主观专家权重，有效地解决了水能冲突，从而引导基础设施远离敏感的爱德华兹含水层补给区。
💻 computer science
Token-Adaptive LoRA: Enhancing Segment Anything for Remote Sensing Imagery through Parameter-Efficient Fine- Tuning
本文提出了 Token-Adaptive LoRA，这是一种参数高效的微调方法，通过一个带噪声的 Top-1 路由将图像 Token 动态路由到具有秩差异的 LoRA 专家，在保持极低计算开销的同时，显著提升了 Segment Anything 模型在遥感检测与分割任务上的性能。
💻 computer science
Whose Art Counts? Model- and Prompt-Dependent Associations in Vision-Language Judgments of Museum Art
本文引入了一种基于档案条件的审计协议，用于评估视觉语言模型与提示结构在评估艺术价值时如何与博物馆元数据进行交互，并通过大都会艺术博物馆的案例研究证明，“影响”类提示词能产生最一致的基于类别的差异，同时也凸显了跨模型和跨提示词泛化能力的局限性。
💻 computer science
Improving Credit Card Fraud Detection Using Ensemble Machine Learning Techniques
本文提出了一种鲁棒的信用卡欺诈检测框架，该框架结合了生成对抗网络（GANs）以解决严重的类别不平衡问题与集成机器学习技术，证明了由此产生的 XGBoost 模型在包含 76,900 条交易的数据集上，在召回率、精确度和实时可行性方面均实现了卓越的性能。