4034 篇论文
本文提出了 UDVSPecls，一种具备抗托管特性的无证书通用指定验证器签名方案，该方案能够在消除传统身份基系统固有的密钥托管问题的同时，实现数字电力云基础设施中漏洞证据的安全、不可转让且保护隐私的验证。
本文提出了一种协作式专家深度引导框架，通过融合多模型深度预测以实现鲁棒初始化，并采用三域金字塔正则化进行精细优化，从而增强单目内窥镜 3D 高斯重建，在手术数据集上实现了最先进的渲染保真度和细节保留能力。
本文介绍了 AdaptiveCache，这是一种自调优哈希表，它能够根据实时工作负载模式在 SwissTable、Robin Hood 哈希以及一种新型的 GraveyardTable 结构之间进行动态切换，通过利用机器学习驱动的决策策略来最小化迁移成本并适应动态的读-写-删除比例，从而实现相对于预知基准（oracle baseline）高达 89.7% 的效率。
本文引入了一种使用匹配加权图控制的等价性感知评估框架，旨在证明超图机器学习模型在科学信号建模中往往无法比其对应的图模型提供预测优势，从而建立了一项验证原则，即高阶主张必须通过与成对控制组进行对比测试，而非仅从表示本身进行推断。
本文提出并模拟了一种针对临床数据审查指南（Data Reviewer's Guides）的确定性、非大语言模型（non-LLM）验证架构，该架构尽管覆盖范围较窄，但通过以直接元数据查询取代概率性检查，在错误检测和最终文档准确性方面显著优于基于大语言模型的自我验证。
这项针对三个软件现代化项目的回顾性纵向实地研究表明，虽然早期的 AI-人类协作配置以牺牲质量为代价提升了速度，但通过整合验收标准验证、代码仓库原生评审以及混合执行的成熟配置，在显著缩短交付周期的同时，也显著减少了验证问题并提高了首次发布覆盖率。
这项涉及 45 位专家评估 82 篇《自然》系列论文评审意见的研究发现，虽然先进的 AI 评审员在识别正确且重要的批评方面可以超越顶尖的人类评审员，但它们也表现出更高的错误率和独特的弱点，从而使其定位为人类同行评审的有价值补充而非替代品。
本文介绍了一种无需训练、基于 CPU 的跨视图一致性重评分方法，该方法通过利用被丢弃的重叠信号来修正置信度得分排序，从而在分块推理（tiled inference）中显著提升了小目标检测性能，且在无需额外前向传播的情况下，在多种检测器和数据集上均实现了持续的增益。
本文提出了一种智能 ICD 编码系统，该系统将 Qwen3.6-35B-A3B 大语言模型与多智能体协作框架及检索增强生成（RAG）技术相结合，旨在实现眼科领域精确、可解释且拟人化的诊断与手术编码自动化，并在代码分配以及主诊断/主手术识别方面均达到了高准确度。
本研究通过对九个开源系统进行五个维度的分析，提出了一个大语言模型（LLM）智能体通信协议的技术分类法，揭示了当前的架构模式，并预测未来将向联邦式、分层的协议栈而非单一通用标准方向演进。