cs 篇论文 | Gist.Science

这项针对49项临床可解释人工智能（XAI）研究的范围综述显示，评估工作过度侧重于用户信任与感知，而非失效与偏差检测等关键监督能力，且严重依赖未经验证的测量指标，极少评估在部署系统上的实际表现。

本文提出了一种基于超图网络的 Hyper-ISDR 模型，该模型整合了群体级相互作用、超边选择策略以及信息过载，用于分析谣言与辟谣传播的竞争动力学，并推导出了通过模拟和实证数据验证的稳定性阈值与随机持久性准则。

本文通过分析 122,458 个恶意域名来证明，观测源会对测得的生存期产生显著扭曲，揭示了基于馈送（feed）的估计值由于不可观测的操作者弃置，导致其比注册记录多计了 55.06% 的死亡数量，从而使得采用双工具分解法对于准确归因域名退出的原因变得至关重要。

本文提出了 YOLO-MAG，这是一种基于 YOLO11 的增强型网络，其通过引入边缘保留模块、混合注意力机制以及双边双门控融合金字塔，显著提升了在低分辨率和复杂背景等挑战下的无人机航拍图像中小目标检测的准确性与实时性能。

本文提出了一种带有认证修复层的自适应物理信息神经网络（Adaptive PINN）框架，用于解决一个考虑了基于皮克定律（Peukert's law）的非线性电池消耗及多种不确定因素的三目标鲁棒军用无人机航路规划问题。

本文提出了 LGM-Net，这是一种基于 YOLOv12n 的形态学引导检测器，其通过创新的 LESE、GSSPAN 和 MGDHead 模块，有效解决了尺度变化和边界薄弱等挑战，在复杂草地环境中检测有毒杂草泽泻（*Stellera chamaejasme*）方面实现了卓越的精度和实时性能。

本综述追踪了语音交互从传统的级联系统向统一全模态智能体的演进过程，系统地分析了语音大语言模型（SpeechLLM）与全模态多模态大语言模型（Omni-MLLM）的架构、训练策略及数据治理，并识别了下一代人机交互面临的关键挑战与未来方向。

本文提出了 MAGA，一种通过构建和破坏跨模态攻击图来利用 BLIP 模型中跨模态注意力漏洞的新型多层级攻击框架，从而导致显著的性能下降以及在语言上合理但在视觉上不一致的对抗性标题。

一项针对 600 次移动端 AR 运行的受控跨平台评估显示，启用深度 API（ARCore/ARKit）并不会提高锚点稳定性，甚至可能增加误差，而场景纹理对比度成为了影响空间漂移的主导因素。

本文提出了 AMH-APT，一种通过采用自适应动态掩码策略以保留关键攻击上下文，并利用异构感知投影以维持不同实体类型间独特语义空间的创新型 APT 检测框架，从而在日志级和实体级检测任务中均优于现有方法。