cs 篇论文 | Gist.Science

本研究审计了 173,369 个 AI 数据集，揭示了虽然其创建成本遵循非单调趋势，但其学术影响力在很大程度上独立于资金或劳动力投入，而是由作者数量和主题流行度所驱动。

本文引入了稳定组相对策略优化（S-GRPO），这是一种通过推导噪声感知优势权重来缓解大型推理模型中“思考-回答不匹配”问题的新方法，从而在噪声奖励条件下实现比标准 GRPO 更优越的鲁棒性和性能。

本文提出了一种隐私保护的联邦图结构入侵检测框架，该框架结合了图卷积网络和图注意力网络，旨在有效检测医疗物联网（IoMT）环境中的已知及未知网络攻击，通过跨数据集验证实现高准确率，同时保障敏感患者数据的安全。

这篇概念性文章介绍了亲社会人工智能-生活质量催化模型（PAI-QOL），这是一个多层级框架，它将亲社会人工智能定义为一种有纪律的创新方法，通过特定的转化路径和赋能条件，系统性地为人类、地球及未来潜力创造公平且多维度的生活质量增益。

本文介绍了 GAAR，这是一种位于规划智能体与工具执行之间的运行时治理架构，通过广泛的合成基准测试证明，该架构在显著减少策略违规和不安全工具调用的同时，提升了企业级 AI 系统的忠实度和审计合规性，尽管这也会带来轻微的延迟增加。

本文提出了一个集成区块链基础设施与决策智能的四层框架，旨在通过增强数据信任、流程透明度以及通过智能合约实现自动化治理，来解决实施后 ERP 价值实现方面的挑战。

本文提出了一种用于迭代视觉分类的动态稀疏注意力与混合专家（Mixture-of-Experts）Transformer，该模型通过递归细化和条件计算，在标准基准测试上实现了具有竞争力的准确率，同时显著减少了活跃参数量和训练时间。

本文提出了一种离线方案，用于渐进式扩展 Transformer 宽度，该方案结合了闭式小残差积分算子（SRIO）、特定块扩展策略以及标量预热门控，旨在显著降低训练损失并在模型增长过程中保留已学习的行为。

本文提出了一种基于 SRGAN 的超分辨率方法，通过结合高效通道注意力机制（Efficient Channel Attention）和复合退化模型来增强模糊眼底图像的清晰度，并通过全面的像素、结构和感知评估，证明了其在合成及真实临床场景中均具有卓越的性能。

本文提出了一种高效的在线测试时自适应框架，该框架结合了动态置信度筛选、分支级增量微调和时间分布平滑技术，旨在针对具有动态分布偏移的流式数据实现鲁棒且低延迟的性能。