4051 篇论文
KiddiGuard 是一种保护隐私且低开销的边缘到云端架构，通过利用轻量级原生守护进程和自适应遥测摄取，在实现极低电池消耗和零第三方数据泄露的同时，确保稳健且合规的监管，从而解决了儿童数字安全中安全性、电池效率与数据主权之间的权衡问题。
本文提出了一种校准协议，用于将语言模型中真实的次完备或次协调推理与随机噪声区分开来，研究发现，尽管几种模型在已知命题上表现出显著的真值缺口，但只有一种模型的行为足够可靠以供解释，从而揭示了对说谎者悖论未经校准的解读可能会被误认为是辩证论或克里普克式缺口。
通过对 17 个智能体 AI 系统进行的架构级证据合成，本研究揭示了尽管正式的人类权威往往依然存在，但操作控制却频繁地受到技术中介的影响，作者将这一结构性条件称为“控制同化”。
本文通过一个定制的、全插桩的推理引擎，对一个量化的混合 Gated DeltaNet 语言模型进行了逐节点的白盒分析，展示了其相对于标准实现的校准情况，并提供了从输入嵌入到输出标记的信息流的可复现、逐步观察，同时识别了神经网络理论与其他科学领域交叉处的开放性问题。
这项研究揭示，ChatGPT 在选择初始网络搜索展开查询的品牌时，是由一种受特定类别网络存在感影响的有限排名过程所驱动，而非仅仅取决于品牌知名度，这一点从尽管模型已知某些知名品牌但它们却经常被忽略的事实中得到了证实。
本研究表明，在多智能体大语言模型（LLM）委派链中，间接提示注入风险并不会随着深度的增加而放大，反而会随之减弱，因为传播率随跳数显著下降，且主要受单跳模型的保留特性而非链条长度所支配。
该论文介绍了 typic-bert，这是一种紧凑且开源的 396M 参数决策模型，它通过直接预测结构化判断而非生成文本，在保持对长上下文干扰的鲁棒性的同时，在准确性和速度上都超越了规模更大的同类模型。
本文通过建立一个包含16个因素、48个问题和53个解决方案的全面知识体系，并引入仙人掌模型（Cactus Model）来指导专家在实验规划过程中识别伦理疑虑、权衡取舍并证明决策合理性，从而探讨了在线软件实验中的伦理挑战。
本文介绍了 PAK，这是首个针对韩国文化艺术从业人员的合成人格数据集，该数据集包含 30,000 个基于 2024 年韩国艺术家调查数据并通过迭代比例拟合法重建的具有统计学依据的人格，并对其分布准确性和叙事质量进行了全面评估。
本研究表明，集成机器学习方法，特别是 XGBoost 和经 SMOTE 增强的投票分类器，在分类 EEG 信号方面实现了高准确率（高达 98.19%）并提高了癫痫发作召回率，同时也通过对数据集来源错误的修正，强调了数据完整性的至关重要性。