4030 篇论文
本文证明，与直接生成相比，一种受控且可审计的迭代优化框架在不同领域和停止策略下，都能显著提高大语言模型响应的质量与效率，同时也挑战了关于更复杂的评估或自适应停止策略始终更优的普遍性主张。
本文介绍了残差引导模拟退火算法（Residual-Guided Simulated Annealing, RGSA），这是一种新型的保持基数启发式算法，它能够针对 的 QOBLIB 实例，在多维子集和问题上稳定生成低残差、近可行解，其性能优于盲目模拟退火和 QUBO 采样器，并在精确求解器仍难以实现的场景下提供了一个可复现的经典基准。
这项针对 32 项基于 Transformer 的医学文本分类研究的系统综述引入了一个四层功能分类法来组织不确定性感知方法，揭示了当前研究过度集中于特征表示和训练数据可靠性，而缺乏用于不确定性估计和决策制定的标准化评估框架。
本文提出了 DRAG-Net，这是一种轻量级的深度残差注意力图网络，它集成了 DenseNet121、注意力机制和基于图的关系推理，以有效地捕捉局部和全局面部依赖关系，从而实现稳健的野外场景人脸表情识别。
本文提出了一种名为 GLDformer 的新型刀具磨损预测模型，该模型集成了多尺度时间特征融合、全局-局部特征建模以及趋势-细节分解，以有效捕捉复杂的信号动态，在跨刀具验证中相比现有基准模型实现了更高的准确性和泛化能力。
本文通过将基于 LoRA 微调的 LLM 辅助语谱生成与来自德语手语的跨语言迁移学习相结合，提出了首个针对低资源语言泰米尔语的语音及文本到手语姿态生成系统，通过一个包含语音转录、语谱生成以及经由回译验证的姿态合成流水线，实现了最先进的性能。
本文提出了一种自适应纱线卡（adaptive yarn cards），这是一种感知几何结构的弯曲纹理卡表示方法，它将低分辨率的纱线模拟与高密度渲染解耦，以高效近似动态编织织物的视觉保真度，同时显著降低几何复杂度，并实现相比于稠密纱线几何体 2.4 倍的渲染加速。
本文介绍了 TESSERA，这是一个利用网络拓扑结构来增强二分类能力的领域通用框架，通过识别关系结构（特别是那些靠近状态边界的结构）何时能提供超越直接基于特征的方法所具备的预测价值，并在合成、生态和工业案例研究中证明了这一点。
本文提出了 SADG，一种用于组织病理学图像分类的新颖开集领域自适应框架，该框架通过集成用于外观归一化的风格校正模块以及基于高斯混合模型（GMM）的 ClusterNet 结合极值理论进行密度引导的未知样本检测，有效地解决了染色引起的协变量偏移以及未知组织类别的问题。
本文提出了一种基于时间嵌入的时间卷积神经网络（TE-TCNN），该网络利用可学习的时间表示和基于主成分分析（PCA）衍生的健康指数，旨在通过使用 NASA C-MAPSS 数据集，在不同运行条件下有效预测飞机发动机的剩余使用寿命。