cs 篇论文 | Gist.Science

本研究提出了一种查询中心诊断注意力双向长短期记忆网络（QDA-BLSTM），该网络利用可学习的诊断查询来捕捉互补的时间信息，证明了在检测短窗口心电图信号中的房颤方面，其准确率和特异性显著优于传统的 CNN-BLSTM 模型。

该论文介绍了 ECA-LDNet，这是一个拥有 148 万参数的紧凑型 U-Net，它通过集成无损减秩的有效通道注意力（Efficient Channel Attention）、像素注意力以及大气散射引导分支，在具有明确表征的性能权衡基础上，实现了高保真度的单幅图像去雾。

本研究提出了一种增强型轻量化 Faster R-CNN 框架，该框架通过独立的 BiFPN 实现了对齐结核分枝杆菌在齐尔-尼尔森（Ziehl-Neelsen）涂片显微镜检查中的高精度检测与计数，为加速诊断并减少结核病控制中的变异性提供了一种计算高效的 AI 解决方案。

本文介绍了一种超快光子处理器，它利用宽带光的时域散斑来原生编码概率权重，从而克服了数字贝叶斯神经网络的计算瓶颈，并实现了能够同时进行分类和分布外检测的高速、具备不确定性感知能力的 AI。

本文提出了一种结合哈密顿全节点覆盖图注意力网络与模糊C均值超像素图学习的新型框架，通过有效建模局部和全局空间依赖关系，实现对香蕉叶病害的高精度且可靠的分类。

本文介绍了故障感知自适应推理（Failure-Aware Adaptive Inference, FAAI），这是一个通过自适应记忆检索、风险估计和主动自我修正来利用可重用故障知识的框架，旨在无需额外模型训练的情况下，显著提高长程语言模型智能体的可靠性和成功率。

本系统综述评估了语义互操作性在自主数据生态系统中的作用，强调了本体和知识图谱的应用，同时识别了诸如语义异构性、可扩展性以及工业应用中对标准化评估的需求等关键挑战。

本文介绍了 ExecuGraph，这是一个可配置的框架，它证明了执行反馈是提升大语言模型代码生成准确性的主要驱动力，同时表明尽管多智能体角色分解带来了显著更高的计算成本，但其相对于单智能体重试循环并不能提供可衡量的收益。

本文通过对32项研究的全面综述，提出了一个五层可解释人工智能框架，该框架整合了技术方法、人类因素和治理工具，旨在解决在关键IT系统中部署“黑盒”人工智能所面临的透明度与信任挑战。

本文展示了一个紧凑型教师-学生原型的透明概念验证，该原型明确模拟了对话中事实可靠性与情感敏感性之间的张力，在演示成功实现样本内压缩的同时，也强调了系统在提升真实性或共情能力方面的失败，并为未来的多目标研究提出了一条具体的重新设计路径。