cs 篇论文 | Gist.Science

本文提出了两种新颖的集成学习框架，即集成粒子群优化和集成自适应鲁棒优化，通过动态优化基模型的权重，以实现比自主神经网络及其他最先进模型更优越的股票价格预测准确度。

本文提出了一种新颖的多智能体框架，该框架将经由 ASIO 优化的 YOLO 架构（v8、v11 和 26）与基于 Qwen 的大语言模型智能体相结合，旨在实现高精度的脑肿瘤实例分割以及自动化、可解释的临床报告生成，并具备极低的推理延迟。

PACT 是一个端到端的 Transformer 框架，它通过从未经校准的多视图 2D 关键点中联合估计 3D 人体姿态和相机参数，通过消除对先验相机校准的需求，实现了最先进的准确度以及在可变视图数量和真实世界领域中的强泛化能力。

本文提出了跨先验可靠性融合（CPRF），一种轻量级的预测级校准框架，通过学习语义先验和边界先验的空间残差来优化交通显著目标检测，且无需更新底层的视觉提取器，在 TSOD10K 数据集上实现了最先进的性能。

该论文提出了 FRAP，一种类别感知的数据集剪枝框架，它利用 Fisher–Rao 几何来通过有效信息几何位移评分量化训练样本的预测轨迹，从而实现高效选择具有信息量的的数据，以在降低计算成本的同时保持分类性能。

本文提出了一种用于微型无人机的低成本、轻量化视觉惯性融合方法，该方法将用于高频位姿估计的 VINS-Mono 与用于动态轨迹规划的 Ego-Planner 相结合，在无 GPS 且高障碍物密度的环境中实现了鲁棒的自主导航与避障，其成功率至少达到 70%，且相比于 A* 具有更优越的轨迹平滑度。

本研究基于对108家企业的调查数据，提出了一种创新的“技术-管理双螺旋”模型，该模型整合了数据织网、可解释人工智能以及组织学习机制，旨在克服数据孤岛、算法黑箱和结构性僵化问题，从而提升制造业、金融业及零售业的决策质量与响应速度。

本文提出了一种授权优先的框架，该框架在模式检索过程中执行细粒度的访问控制，以防止基于大语言模型的文本到 SQL 系统中出现未经授权的数据库元数据泄露，在保持检索效用的同时实现了零未经授权的对象泄露，并显著减少了未经授权的 SQL 引用。

本文提出了一种结合大语言模型能力感知、法律直觉与词汇理解的人机协作框架，旨在将澳门法院判决书转化为高质量结构化数据集，实现了98.6%的提取准确率，并推进了面向多样化下游任务的法律信息提取。

本综述通过对100多篇文献的综合分析，提出了一个整合了基础模型、智能体AI（agentic AI）与协作式V2X系统的统一九大主题分类法，并凭借从综合认知架构视角出发，共同探讨推理与效率之间的权衡、仿真到现实的差距以及安全治理，从而使其区别于以往的调查研究。