cs 篇论文 | Gist.Science

本文提出了深度双流稀疏时空量子扩散（STQD）框架，该框架集成了稀疏双流 Transformer、量子编码和量子扩散模型，旨在有效检测智能电网中的网络攻击，并在多种基准数据集上实现了卓越的泛化能力和高 F1 分数。

本文介绍了 DRAgent，这是一个代理式多学科框架，它利用一个新的大规模数据集和一个基于角色的多智能体系统，通过有效模拟眼科与内分泌科专家之间的协作，来生成卓越且个性化的糖尿病视网膜病变治疗方案。

本文提出了一种参数高效且具备说话人感知能力的混合框架，该框架结合了分层抽取式压缩、基于 LoRA 的适配以及带有新型说话人归因奖励的强化学习，旨在显著提高对话摘要的忠实度并减少幻觉，同时保持具有竞争力的词汇质量。

本研究通过分析来自主要短视频平台超过1,000,000次交互的行为信号，旨在证明动态用户参与模式（特别是理性与好奇心指标）在预测误导性AI生成视频相关回声壁效应的成员身份方面，比人口统计学特征更为有效，从而为注重隐私的预警系统提供支持。

本研究引入了渐进式残差 LightGBM（PRLGB），这是一种三阶段集成模型，通过有效学习残差误差并融合不确定性感知特征以实现卓越的准确度指标，在预测 5G 服务质量资源分配方面显著优于标准的基于树的算法。

本研究引入了一个源自美国总统演讲的英-阿基准语料库，以及一个相应的评估框架，旨在系统地评估人工智能翻译系统在保留内含政治意义方面的能力，特别是针对那些往往因追求词汇准确性而被忽视的间接策略和名称回避策略。

IZSafe 是一款嵌入式深度学习系统，它利用安装在消防员氧气瓶背负装置上的惯性传感器，通过在 ARM Cortex-M4 微控制器上以 93.85% 的准确率实现对个体动作的精准识别，从而达成实时的微观层面态势感知。

本研究提出了一种由改进蝙蝠算法优化的工况感知多尺度长短期时间序列网络（CA-MS-LSTNet），通过有效建模SCADA数据中非线性、异质性及依赖于运行工况的时间特征，显著提升了风力涡轮机参数的超短期预测精度。

本研究提出并验证了一种紧凑型卷积神经网络框架，该框架将软件定义无线电捕获的无人机视频传输转换为时域图像，旨在实现实时、高精度的检测，且与传统的基于频谱图的方法相比，显著降低了计算成本。

本文提出了一种针对挑战性越南道路环境定制的紧凑型、CPU 优化的自动车牌识别（ALPR）系统，该系统集成了 YOLOv8n 检测器、ByteTrack、快速纠偏以及通过时空投票实现的 ONNX 加速 OCR，从而在面对恶劣天气、运动模糊和多样化车牌格式时，仍能实现高精度与实时性能。