4031 篇论文
对公开的 SMC-LUD 肝脏超声数据集进行的审计揭示了严重的数据完整性问题，包括训练集与测试集之间存在患者重叠，以及仅基于图像几何结构即可实现完美的诊断分离，这人为地夸大了模型性能，并削弱了该数据集作为肝细胞癌分类基准的有效性。
本研究通过结合自动化筛选与专家验证，系统地识别并纠正了九个公开多模态视网膜图像数据集中的标签噪声，揭示了约有 5.39% 的图像包含错误——其中包括挑战传统单标签框架的显著比例的分布外及多标签情况——同时证明了像 Cleanlab 这样的工具能有效减轻人工复核负担。
本研究评估了三款 GPT-5.6 模型在 2025 年中国执业药师资格考试中的表现，发现所有模型均通过了所有科目，其中 GPT-5.6-Sol 和 GPT-5.6-Terra 的表现显著优于 GPT-5.6-Luna，同时指出包含图像的问题表现普遍较低，且可能受到提供原始图像输入的影响。
本文提出了 YOLO-o1，这是一种基于 YOLOv11n 的增强型多因子检测模型，该模型集成了 CBAM、Focal Loss、标签平滑（Label Smoothing）和 DIoU loss，旨在实时农业应用中同时实现对火龙果茎部疾病检测、成熟度分类以及果实大小估算的高精度识别。
本研究提出了一种动态用户状态建模框架，该框架整合了语义、行为和心理测量信号，用于预测大语言模型辅助下的文化遗产探索中的用户体验指标，证明了自适应系统能够有效地根据个人的好奇心和交互模式来定制对话引导。
本文引入了一个针对眼科基础模型的细粒度基准测试，该测试利用点监督分类和检索任务揭示了尽管这些模型在疾病分类性能方面表现出色，但在识别特定临床体征方面仍然存在困难，尽管其表现优于通用型模型。
本文提出了一种结合了用于填补缺失评估指标的掩码感知多层感知器与用于对科学论文进行排序的熵权多准则决策（MCDM）方法的鲁棒框架，证明了在处理中高缺失度时，该框架在准确性、填补误差降低以及排序保持方面均优于现有技术。
本文提出了 EdgeNetTF，这是一种轻量级深度学习模型，通过学习互补的时域和频域特征，以极少的参数量和推理延迟，有效地平衡了多分类 sEMG 手势识别的高准确率与计算效率。
本研究通过改编实验哲学方法来证明，尽管大型语言模型在道德责任方面通常比人类保持更严格的逻辑一致性，但它们表现出不同程度的、向相容论偏移的上下文依赖型偏差，其中 DeepSeek V3 显示出显著但仍低于人类水平的情感表现误差易感性，而 Gemini 2.5 Flash 则表现得更为严谨一致。
本文介绍了模型语义感知预测性流程监控（MSA-PPM），这是一种通过使用过程语义字典对轨迹进行转换，从而显式地融入行为语义，来弥合事件日志与过程模型之间差距的范式，进而显著提高预测准确性，并为基于深度学习的过程监控提供一个与架构无关的基础。