cs 篇论文 | Gist.Science

本研究表明，应用多准则决策分析的排名聚合方法（特别是 Borda 计数法和倒数排名融合法）来整合多个大语言模型的输出，与使用单个模型或简单的投票方案相比，能显著提高自动化 ICD-10 临床编码的准确性和稳定性。

本文为 EduPro 展示了一个预测分析仪表板，该仪表板通过利用线性回归模型解决了师资与课程不匹配的问题并改善了营收预测（由于数据集样本量较小，该模型表现优于随机森林），从而使公司能够从被动应对转向主动规划。

该论文介绍了 ScintiGround-38K，这是一个针对配对的前后位骨显像图像进行定位式视觉问答的大规模、保留溯源性的基准测试集，研究表明，尽管模型在原始答案准确率上表现出色，但在少数类检测和严格的基于证据的定位方面仍面临显著困难。

本文介绍了一种用于词元级印地语-英语混合语（Hinglish）语言识别的轻量级字符级 TF-IDF 和逻辑回归基准模型，该模型在 COMI-LINGUA 数据集上实现了 95.92% 的准确率，比多语言模型高出约 7%，同时提供了关键的误差分析以及未来印度包容性语言技术的发展路线图。

本文证明了旨在减少自我指涉行为的排他性自注意力（Exclusive Self-Attention, XSA）机制在 Muon 优化下保持稳定，并能带来适度的语言模型泛化性能提升，且随着模型规模从 12 层增加到 24 层，其性能增益变得更加一致。

本文提出了一种参数高效且与语言无关的框架，通过整合基于 LoRA 的注意力微调、即时 SpecAugment 以及带有语言模型重评分的两阶段解码策略，将 Whisper 模型适配于低资源的特定领域语音。

Sentinel-Mesh 是一个神经符号框架，它将由大语言模型驱动的补丁合成与基于 SMT 的形式化验证相结合，旨在自主修复云配置错误，同时保证消除幻觉补丁，并确保在网络暴露、加密和数据敏感性定义的抽象范围内实现语义安全性。

本文引入了一种用于图像增强的统一自适应框架，该框架将 Sobel 和 Laplacian 等整数阶算子推广到连续的 Grünwald-Letnikov 分数阶谱，其特点是具有多方向融合、复阶相位选择性以及由 AlphaNet 驱动的自适应阶数机制，从而在不同领域实现卓越的纹理保留和噪声控制。

本文通过引入攻击面、模型可利用性、数据完整性、监管风险暴露以及控制成熟度这五个关键维度，提出了一个用于量化人工智能系统网络安全风险的概念框架，旨在解决现有以IT为中心的工具所存在的局限性，并建立一套用于将人工智能特定威胁转化为组织决策的共享词汇。

本文提出了一种概率性二维人体姿态估计框架，该框架集成了一个多尺度上下文融合视觉 Transformer 骨干网络、一个用于动态不确定性建模的自适应概率图，以及一个用于显著提升在涉及遮挡和越界关键点等挑战性场景下性能的自适应 OKSLoss。