cs 篇论文 | Gist.Science

本文提出了基于图与低秩的聚类-原型匹配（GLCPM）模型，这是一种转导式零样本学习方法，它利用教师-学生框架来学习一种既能保留嵌入样本的局部内在结构又能保留子流形的低秩映射，从而通过结合聚类-原型与样本-原型相似性的集成分类器来提高对未见类别的识别能力。

本文提出了一种用于工业物联网网络的隐私保护联邦入侵检测框架，该框架利用客户端级 DP-SGD、用于完整性的哈希技术以及轻量级基于信誉的客户端选择机制，在不共享原始数据的情况下，在非独立同分布（non-IID）环境下实现了超过 98% 的准确率。

本综述探讨了扩散语言模型作为移动边缘智能体 AI 的非自回归替代方案的潜力，分析了其基础理论、资源高效型应用以及系统级挑战，旨在实现灵活的质量-延迟权衡，并在边缘约束下保持稳健性能。

本文介绍了 QiboAgent，这是一个结合了检索增强生成（RAG）与自主智能体工作流的开源框架，旨在使轻量级大语言模型在生成高精度量子计算代码方面能够超越闭源基准模型，从而减少幻觉并为 Qibo 中间件实现复杂的软件工程任务自动化。

本文介绍了 SAGE，这是一个自适应多智能体框架，它通过采用闭环 MAPE-K 控制周期来迭代执行代码、分析运行时错误并进行自我修复，从而显著提高了生成可运行多文件项目的可靠性，并实现了与单次生成相比在成功率上的统计学显著提升。

本文介绍了 MedMamba3D，这是一种创新的混合架构，它集成了具有线性复杂度的 3D Mamba 编码器、一个确定性 U-Net 分支，以及一个由不确定性估计引导的条件扩散模型，旨在实现具有卓越解剖一致性、对缺失数据具有鲁棒性以及提升下游分割性能的最先进 3D 医学图像重建。

本文提出了一种置信度引导的神经形态框架，该框架利用忆阻器纳米线网络在训练中产生的多样性，通过级联储备池进行动态输入路由，在保持高分类准确度的同时，实现了显著的能量与资源节省。

本文提出了 DOA-EDS，这是一个结合了用于边缘服务器部署的障碍物感知自适应大邻域搜索和用于动态任务调度的可行性掩码近端策略优化算法的两阶段框架，旨在显著提升受金属障碍物导致的严重信号遮挡影响的工业物联网环境中的网络吞吐量并降低延迟。

本文介绍了 DKSE，这是一款基于 Rust 的工具，它利用大语言模型将中国银行业非结构化的软件需求文档自动转换为机器可读且具有溯源追踪能力的本体，并证明了其在测试生成和知识图谱构建等下游任务中的高准确性和实用价值。

本文通过实证研究表明，尽管联邦遗忘方法在计算上是高效的，但在非独立同分布（non-IID）数据下，它们往往会对剩余客户端产生显著的稳定性与公平性副作用，从而揭示了成本、遗忘完整性与公平模型性能之间存在着聚合指标无法捕捉的关键权衡。