💻 计算机科学
Beyond DNA: An Explainable AI-Driven Multimodal Framework for Long-Term Missing Person Identification: A Systematic Review and Conceptual Model
本文提出并评估了一种新颖的可解释人工智能驱动的多模态框架，该框架整合了多样化的法医学证据来源，旨在与传统的单源方法相比，提升长期失踪人员识别的准确性、可解释性和问责性。
💻 Category
cs
4039 篇论文
💻 计算机科学
Calibrated evidence fusion recovers local reading order in 4,251 excavated Chu bamboo slips
本文介绍了一种校准的多证据融合方法，该方法结合了一种新颖的语言模型连接分值，用于客观地对重组碎片化楚简的候选邻居进行排序，其在连续文本中的表现显著优于随机概率，同时也证明了完整的排序仍需依赖物理编号。
💻 计算机科学
Enhancing Biometric Security through the Integration of Quantum and Soft Computing Approaches
本研究提出了一种混合生物识别安全框架，该框架集成了用于安全通信的量子密钥分发技术，以及结合了软计算技术的量子神经网络以增强特征分析，在实现 99.5% 识别准确率及低错误率的同时，展示了其可扩展性以及针对对抗性条件的鲁棒性。
💻 计算机科学
Pedestrian Crossing Intention Prediction via Semantic Motion Representation and Cognitive Interaction Modeling
本文提出了 PsyMIND，这是一个用于行人过街意图早期预测的可解释框架，该框架通过整合心理学启发的语义运动表示、上下文线索以及认知交互建模，以增强自动驾驶决策的安全性和可靠性。
💻 计算机科学
Trust in LLM-Supported Engineering Work: The Role of Downstream Dependency
这项定性个案研究引入了“下游依赖”的概念，用以解释机器人开发领域的工程师如何并非通过孤立的质量，而是通过大语言模型生成输出在多阶段工作流中的可检查性、可控性和可逆性来进行评判，从而将信任研究从输出验证转向工作流层面的社会技术管理。
💻 计算机科学
JailBreakGuard: Defeating Jailbreak Attacks via Dynamic Prompt Perturbation
JailBreakGuard 是一个具有成本效益的动态防御框架，它通过采用基于困惑度的机制来选择性地应用字符级或句子级的提示扰动，从而缓解针对大语言模型的多种越狱攻击，在显著降低攻击成功率的同时，将对良性查询性能的影响降至最低。
💻 计算机科学
Dynamic Visual SLAM: Collaborative Optimization of Lightweight Segmentation and Adaptive Cauchy Kernel
本文提出了一种动态视觉 SLAM 系统，通过在前端集成优化的轻量化 YOLOv8-seg 以实现精确的动态物体分割，并在后端采用自适应广义柯西核（Adaptive Generalized Cauchy Kernel）以实现鲁棒的残差离群值抑制，从而提升了复杂室内环境下的定位精度，与现有最先进方法相比实现了显著的误差降低。
💻 计算机科学
Reliability-Aware Temporal Memory for Long-Term Drift Reduction in End-to-End Visual Odometry under Domain Shift
本文提出了一种用于端到端视觉里程计的可靠性感知时序记忆框架，该框架通过选择性地存储并自适应地融合可靠且新颖的视觉-时序表示，缓解了领域偏移下的长期漂移，从而实现了比基准方法更优越的轨迹精度和鲁棒性。
💻 计算机科学
Building Frontier Education Organizations With Artificial Intelligence and Agentic Systems in East Africa: A Systematic Review
这项针对28个来源的系统综述识别了东非教育领域在采用人工智能方面面临的关键基础设施、能力和治理障碍，同时强调了新兴的本土创新，并提出了一个四柱框架，旨在指导可持续且符合特定情境的前沿教育机构的发展。
💻 计算机科学
A Resource-Constrained Evaluation of Fine-Tuned Deep Learning and Local Zero-Shot Vision-Language Models for Brain MRI Slice Classification
本研究表明，在资源受限的本地硬件条件下，经过微调的深度学习模型在脑部 MRI 切片分类任务中的表现显著优于未经适配的零样本视觉语言模型，同时也强调了数据集完整性、抗损坏能力以及对高分值的保守解读的重要性。