MMVX-Net: Multispectral Mamba Representation Learning for Dysphagia Screening
本研究引入了 MMVX-Net,这是一个基于 Mamba 的计算高效框架,通过同步的 RGB-D 视频剪辑实现了高精度的吞咽障碍二分类,尽管作者指出在临床部署前仍需进一步验证。
3900 篇论文
本研究引入了 MMVX-Net,这是一个基于 Mamba 的计算高效框架,通过同步的 RGB-D 视频剪辑实现了高精度的吞咽障碍二分类,尽管作者指出在临床部署前仍需进一步验证。
本文研究了在消费级 GPU 上进行混合专家模型(Mixture-of-Experts)推理时的替换与缓存策略,证明了通过仅选择性地获取高优先级专家,或使用基于累积门控质量(gate mass)的后台加载规则,可以在与每次获取所有专家缺失值相比造成极小困惑度(perplexity)下降的情况下,显著加速解码过程(提升 2.5–3.0 倍)。
本文表明,虽然 RAG 和 LoRA 微调在精神科任务的小型模型上并不总能提高诊断准确率,但它们会严重降低与安全相关的风险召回率,其中微调失败归因于特定的数据标注错误,而 RAG 的失败机制仍是一个悬而未决的问题。
本文提出了一种低成本、保护隐私、人工智能驱动的框架,该框架利用通过 ESP32 设备捕获并经由 CNN-BiLSTM-Attention 混合模型处理的 Wi-Fi 信道状态信息(CSI),实现了实时、非接触式的人体存在检测、人数统计及活动分类,准确率达到 78.57%。
这项研究揭示了大型语言模型在教育评估中表现出系统性的语言与文化偏见,生成的评估在不同语言之间呈现出难度与长度的差异,且这种差异与 PISA 分数相关,同时强化了强调西方语境下共情能力与亚洲语境下等级制度的刻板印象,因此在部署前必须进行维持文化多样性的审计。
本文提出了一种名为“人工体验智能”(Artificial eXperience Intelligence, AXI)的新型工程学科,该学科具有一个五层架构和用于确保人工智能系统通过治理人类级自然度与机器级诚实度之间的平衡,从而实现与人类进行舒适、有用且诚实的交互的“AXI 桥接”控制平面。
本研究表明,仅通过分析账户活动的发生时间即可成为检测协同机器人运动的强有力信号,其中时间卷积网络自编码器在 Cresci-2017 数据集上的无监督异常检测任务中,其表现显著优于基于生成对抗网络(GAN)及其他重构模型。
这项初步研究表明,作为紧凑型 3D U-Net 的不确定性感知扩展版本,UASC-Net Lite v2 与基准模型相比,在小型 BraTS 2021 子集上提高了病灶召回率和分割重叠度,同时尽管存在小样本队列和基于验证的阈值校准方面的局限性,仍提供了有价值的空间置信图。
本文提出了一种以人为中心的图像检索方法,该方法利用场景图来编码 2.5D 人体布局和非语言社交线索(如注视、朝向和手势),从而实现超越全局视觉相似性的交互结构化比较。
科学边缘评估(SEE)基准测试表明,当前的多模态大语言模型难以在现实世界的科学发现中从实验数据中可靠地推导出基于证据的见解,这凸显了在解释既定概念与生成新颖且合理的科学推论之间存在的关键差距。