2363 篇论文
本文介绍了 LiteChestGreenXY11n，这是一个基于 YOLO11n 的轻量级且具有可解释性的框架，它在胸部 X 线异常定位方面实现了诊断准确性、计算效率和能源可持续性之间的最佳平衡，在超越大型模型的同时，通过 Grad-CAM 可视化增强了临床信任。
本文介绍了 HEAL，这是一个双语（英语-卢干达语）RAG 聊天机器人，它通过将 GPT-4 与经过微调的翻译模型相结合，在为乌干达一线卫生工作者提供准确且符合指南的疾病监测信息方面，表现优于商业模型。
本文提出了 SubNM，一种感知技术节点的硬件木马检测框架，该框架利用多库网表综合和模块化图神经网络，实现了近乎完美的检测精度以及在不同半导体工艺节点间的鲁棒泛化能力，克服了单一配置评估方法的局限性。
该论文介绍了 Agora，一个通过映射到模型参数的六种连续心理驱动力来区分多智能体大语言模型系统的框架，并证明了与 AutoGenStyle 等基准相比，这种方法显著提升了在分析型任务上的性能，而更简单的协调策略在创意和短篇生成任务中仍然更为有效。
本文提出了一种广义的、具备相关性感知能力的概率搜索框架，该框架利用语义分割作为多目标机器人搜索的软检测器，引入了一种基于广义二项分布的贝叶斯信念更新机制，以处理与高度相关的观测相关性，并通过模拟实验和真实的无人机着陆点检测进行了验证。
本文提出了一种针对资源受限物联网设备的硬件高效型 Android 恶意软件检测框架，该框架将可执行文件转换为一维操作码信号以提取混合特征，通过对用于部署在 ARM-Cortex-M4 微控制器上的超紧凑决策树和神经网络模型进行量化，实现了高分类准确率，并具备极小的内存占用和纳秒级的推理延迟。
本文提出了一种行为驱动强化学习（BRL）框架，该框架通过将局部转发行为集成到自主决策中，增强了多跳物联网网络中的安全路由，从而在不依赖集中式控制或加密开销的情况下，实现了比现有协议更优的报文交付率、更低的开销以及更高的能量效率。
本文介绍了一种语音交互式具身智能手术器械洗手护士机器人，该机器人成功演示了自主的手术器械递交与回收，整体成功率达81%，凸显了其在手术室集成的潜力，同时指出抓取获取是未来改进的关键领域。
本文提出了 CICS-TCMN 框架，该框架整合了因果结构学习、上下文干预一致性选择器以及时间因果记忆网络，旨在提供准确、具备时间感知能力且具有临床可解释性的个性化心血管风险预测。
这项研究表明，经过微调的大型语言模型，特别是 LLaMA-3.2-1B 和参数高效的 DistilBERT，在检测 XSS、SQL 和命令注入攻击方面可以达到近乎完美的准确率，为缓解这些关键的网络安全威胁提供了一种高度有效的解决方案。