cs 篇论文 | Gist.Science

本文提出了一种符合取证规范的基于评分的似然比框架，该框架利用 SRM 深度学习特征和校准统计建模来量化深度伪造图像的证据强度，通过提供为司法决策提供可解释且具有数值依据的评估，克服了传统二元检测的局限性。

本研究提出了一种数据高效型框架，通过利用结构引导门控和局部交叉注意力机制，将显式结构描述符与来自 Qwen3-VL 的冻结视觉表示相结合，从而增强了白族家具纹样的少样本识别能力，在实现卓越准确度的同时，实现了具备不确定性感知能力的知识检索。

本研究通过结合文献计量分析与 DEMATEL 模型对 336 篇文章进行可复制的两阶段决策科学设计，识别出领导力与愿景差距以及结构性惯性是驱动其他人力与组织障碍导致人工智能应用于劳动力系统的主要因果障碍。

本文提出了 UDR-Mamba，一种深度结构化且可靠性引导的 Mamba 框架，该框架将原始深度图转化为结构化线索，并通过共享编码器将其与 RGB 特征进行选择性融合，从而在尽管存在噪声深度测量的情况下，仍实现了水下显著性目标检测的最先进性能。

本文介绍了 Taklif.AI，这是一个利用 Llama 3.3 和结构化提示工程来根据学生独特的兴趣和文化背景创建个性化大学作业的无服务器生成式人工智能平台，在展示出积极用户反馈的同时，也应对了教育领域中的参与度和伦理挑战。

本文提出了一种混合复数量子 U-Net 架构，该架构集成了 ResNet-50、复值卷积和八比特量子变分层，旨在实现多个医学影像数据集上最先进的息肉分割性能，其表现优于 Attention U-Net 和 SegFormer 等传统深度学习基准模型。

本文表明，利用经典对称性来约化最大割（MaxCut）问题的量子近似优化算法（QAOA）实例，可以将动力学李代数的维度从指数级降低至二次级，从而在保持解的表达能力与可达性的同时，缓解贫瘠高原问题。

本文提出了一种大模型辅助的诊断框架，该框架将对抗性证据冲突的检测与鲁棒分类分离，并证明了虽然特定的触发器和策略可以有效地识别并转移对抗性输入，但这种能力与实现针对白盒攻击的强鲁棒性是截然不同的。

本文提出了一种利用顺序多层哈希方法（结合 SHA3-256 和自定义的 BALKE2 算法）的 AI 感知自适应框架，旨在将原像攻击复杂度从 2^256 指数级提升至 2^512，从而在保持极低执行时间开销的同时，保护数字信任免受生成式 AI 的行为性利用。

本研究表明，在现实世界的心血管风险预测中，通过插补或混合策略对缺失数据进行适当处理，对于维持模型的可靠性和可解释性至关重要，而对不完整记录进行盲目删除则会显著降低性能，并忽视了缺失本身所包含的信息价值。