cs 篇论文 | Gist.Science

本文提出了一个可解释数字生物标志物框架（EDBD）的系统架构，该框架将四种基于证据的认知标志物整合为单一且可解释的概率估计，用于早期阅读障碍识别，并优先考虑内在模型透明度和临床实用性，而非不透明的“黑盒”方法，作为一份面向第五阶段验证的完整规范。

本文提出了一种用于无线传感器网络的能量与信任感知最优聚类路由协议（OCR-WSN），该协议利用琴鸟辅助红熊猫优化算法（LAROA）来优化簇头选择和路由路径，从而通过平衡延迟、距离、能量和信任等因素，增强网络寿命和业务质量。

本研究通过实证表明，大语言模型能够生成极具说服力的阿拉伯语网络钓鱼邮件以骗过人类检测，同时基于大语言模型的分类器在识别这些具有文化细微差别的攻击方面显著优于人类，从而凸显了海湾地区对人工智能驱动的网络安全防御机制的迫切需求。

本文提出了一种通用的基于核函数的无监督框架，该框架结合了宏观与微观交通指标，能够自动检测并空间定位长期城市交通时间序列中既包括重大的全网范围扰动、也包括细微的局部行为转变，这一点已通过对鹿特丹七年数据的分析得到了证实。

本文介绍了 SHIELD，这是一个通过联合优化层级、特征空间和分布约束来生成泄漏感知型数据划分的通用框架，从而能够在不同科学领域内对机器学习模型进行更严谨且更真实的分布外评估。

本文提出了一种行为-交易关系双支路混合图神经网络（BTR-DHGNN），这是一个转导式框架，通过具有方向感知和自适应融合能力的建模方式，共同对地址行为与显式交易关系进行建模，从而在存在标签不平衡和 UTXO 模型局限性的情况下，有效地检测非法比特币地址。

本文提出了一种可扩展、自适应且具备信任感知能力的架构，通过在临床情境、数据敏感度和机构信任之间动态平衡访问控制决策，增强了分布式医疗系统中安全信息交换的性能，从而在不损害患者隐私或运营效率的前提下确保互操作性。

本文提出了一种“无状态零存储架构”，声称通过在梅森素数格点上进行算法逆映射，能够从仅有的 64 字节坐标中按需重建任意高维数据集，从而消除对持久化存储的需求，并实现即时的、防取证的数据实例化。

本文介绍了 TLANet，这是一种通过通道-空间注意力机制增强的三层 CNN，在自动皮肤病变分类任务中，于 ISIC 2016 数据集上实现了约 88.3% 的准确率，并在 ISIC 2018 数据集上达到了 0.681 的宏平均 F1 分数。

本文提出了一种端到端的智能体 AI 框架，该框架在三种不同的医学影像任务中系统地比较了 CNN 和 Vision Transformer 架构，并集成了鲁棒性分析、可解释性以及由大语言模型驱动的报告生成，旨在提供可靠、可解释且具有临床支持性的诊断见解。