cs 篇论文 | Gist.Science

本文识别并解决了“正则化-监测困境”，即一种根本性的冲突：为了实现自监督世界模型（如 JEPA）稳定训练所需的边际高斯化过程，会不经意地抑制用于可靠推理时异常检测的判别性几何结构。

本文对用于自动黑色素瘤检测的深度卷积神经网络架构、数据集及预处理策略进行了系统性综述，强调了它们的高准确率、当前面临的挑战（如类别不平衡和可解释性问题）以及未来的发展方向（如联邦学习和混合模型）。

本文介绍了 SciCFM，这是一个因果基础模型框架，它证明了富含干预的跨任务预训练能显著提高在极小数据、复杂因果机制下的处理效应估计能力，尽管在低维设置下其效果仍逊于直接正则化估计器。

这篇综述文章指出，尽管大语言模型展示了令人印象深刻的认知能力，但人工智能未来的进步需要通过具身经验、层级调制和自主强化来弥合通往多模态智能的差距，以克服仅限语言系统的固有局限性。

本文提出了一种基于前沿传播的聚类框架，该框架通过在邻域图上进行竞争性传播动力学过程，将自适应算法与到达时间算法统一起来以形成簇，从而有效地处理非凸结构、变化密度和噪声，且无需依赖全局优化或敏感阈值。

本文提出了一种面向边缘设备的资源优化型低功耗 SHA-256 硬件加速器，该加速器利用 2 倍循环展开和时钟门控技术，在 FPGA 平台上实现了 1.47 Mhps 的吞吐量和 13.37 Mhps/W 的能效。

本文提出了一种将目标演化与策略学习相结合的自演化智能体强化元学习框架，该框架能够针对动态工作负载自主调整云调度目标，并证明了其在延迟、成本和资源利用率方面相较于传统调度方法具有更优越的性能。

本文提出了 SecureChain-ID，一种由区块链驱动的身份管理系统，该系统利用椭圆曲线密码学和零知识证明，为资源受限的物联网设备提供可扩展、安全且保护隐私的身份验证，同时通过去中心化治理消除单点故障。

本文提出了一种数据驱动的框架，该框架整合了引导式 BERTopic、动态领域自适应情感词典以及卡诺模型（Kano model），旨在客观地分析在线评论并确定产品改进的优先级，并通过对 8,970 条新能源汽车评论的评估进行了验证。

本文提出了一种用于集群化车载网络中动态模式选择与功率分配的多智能体参数共享近端策略优化（PPO）框架，该框架通过对局部网络条件的自适应学习，在提高可靠性、降低延迟和减少发射功率方面显著优于传统的基准方法。