💻 computer science
An Agentic OODA Framework for Transparent End to End Clinical Decision Support
本文提出并评估了一种代理式 OODA 框架，该框架利用具有人机回环验证的多智能体系统来克服标准大语言模型的变异性和信任问题，证明了其在透明、安全至关重要的中风护理临床决策支持方面具有显著更高的输出一致性和可靠性。
💻 Category
cs
2364 篇论文
💻 computer science
An Integrative Assistive Tool for Depression Severity Estimation: Cross-Cultural Robustness of Facial Dynamics in Diverse Clinical Interviews
本文介绍了 MMANet，这是一个基于微观-宏观时间对齐（micro-macro temporal alignment）的隐私保护型纯视频深度学习框架，旨在跨多元文化数据集稳健地评估抑郁程度，且无需依赖具有噪声或侵入性的音频与文本模态即可实现高准确度。
💻 computer science
Molten mark classification using multi-scale directional cross-scale attention fusion
本文提出了一种用于电气火灾调查的熔融痕迹分类方法，该方法利用 Swin Transformer 和带有方向性跨尺度注意力融合的双向特征金字塔网络，与现有的基于 CNN 的方法相比，实现了更高的准确性和对图像退化的鲁棒性。
💻 computer science
FactLink: A Cross-Domain Benchmark for Link Role Classification for Fact-Checking
本文介绍了 FactLink，这是首个针对事实核查链接角色分类任务（Fact-checking Link Role Classification task）设计的基准测试，该任务包含两个带有注释链接的多语言数据集，并证明了虽然经过微调的 Transformer 模型在数据丰富的场景中表现出色，但在少样本（few-shot）场景和跨领域场景下，大语言模型展现出了更优越的鲁棒性。
💻 computer science
OPERA: Enabling Inter-node Concurrency in Byzantine Fault Tolerant Blockchains
本文介绍了 OPERA，这是一种拜占庭容错执行模型，它通过部分复制和节点间并行性将并发性扩展到各节点，在不损害安全性或应用语义的前提下，显著降低了区块链的执行成本并提升了吞吐量。
💻 computer science
Graph-Aware Reinforcement Learning for Reusable Prompt Compression in Black-Box LLMs
本文提出了一种任务感知图强化学习框架，通过训练一个轻量级策略对图结构化推理单元进行抽取式的“保留或丢弃”决策，从而压缩黑盒大语言模型中可重用的推理上下文，在显著降低输入成本的同时保持了推理准确性。
💻 computer science
An SO(3)-equivariant reciprocal space neural potential for long-range interactions
本文介绍了 EquiEwald，这是一种新型的 SO(3) 等变神经原子间势能，它将 Ewald 求和扩展到倒易空间，以有效地捕捉长程静电和极化相互作用，同时保留方向相关信息，从而显著提高了机器学习模型在周期性和非周期性系统中的准确性和数据效率。
💻 computer science
Nonequilibrium training dynamics and scaling laws of language models
本文提出了一种基于非平衡物理学的随机多尺度理论，旨在解释语言模型缩放法则的机制起源，将训练建模为一种尺度相关的偏置随机游走，从而推导出损失相对于数据与模型规模的解析幂律，并识别出上下文压缩与前沿吸收的二分两相动力学过程。
💻 computer science
Knowledge-Constrained Reasoner: Attempting to Enable LLMs to Parse Knowledge for Question Answering
本文介绍了知识约束推理器（Knowledge-Constrained Reasoner），这是一种通过单一对齐阶段将核心推理能力内化到大语言模型中的新颖方法，从而确保在问答过程中能够严谨且正确地利用外部知识，并将传统专家系统的可靠性与非参数化连续学习的灵活性结合在一起。
💻 computer science
An Explainable MoE-Based Decision-Support System for Mental Health Risk Prediction in Engineering and Medical Students
本研究提出了一种基于加权专家混合模型（Weighted Mixture of Experts）的可解释决策支持系统，该系统通过双重元启发式算法进行了优化，在预测中低收入国家工程类及医学类学生心理健康严重程度方面实现了高准确度，同时揭示了不同学科之间截然不同的风险因素。