cs 篇论文 | Gist.Science

TetraFence 是一个针对商品化智能手机的生产流水线，通过将图像采集与设备上下文绑定，并将原始数据锚定在许可以太坊账本上，确保了可重新审计的移动现场证据，在实现了离线与在线实现之间高分类一致性的同时，强调了版本绑定对于防止追溯性误分类的必要性。

本文提出了 TRRS，一种目标状态驱动的反应式重规划策略，该策略利用后向时界混合整数线性规划公式，在计数线性时序逻辑（LTL）约束下的异构多机器人系统中，动态处理位置偏移和优先级更新，并通过仿真和物理实验证明了其性能优于静态和贪婪基准方法。

本文表明，尽管 SCFCE-R 风险门控策略在合成网络模拟中对于遏制有害信息是有效的，但它在无需重新训练的情况下，在迁移至现实世界 Twitter 谣言级联时会发生灾难性的失败，从而证明了强大的受控网络性能并不保证具备部署就绪性。

本文介绍了 TOMAgent，这是一个具备预算意识的多智能体框架，它通过将目标选择建模为边际效用问题来优化单元测试生成，在 Defects4J 基准测试上实现了 40% 的缺陷检测成功率——显著优于均匀采样和覆盖率引导的基准方法——同时保持了具有竞争力的变异得分和 Token 效率。

为了解决无人机绝缘子缺陷检测中存在的尺度变化、纹理微弱以及背景相似性等挑战，本文提出了尺度感知上下文聚合网络（SACANet），该网络通过集成尺度感知感受野聚合、四尺度双向特征细化以及空间对齐的多尺度预测，在 FLOWID 数据集上实现了最先进的性能。

本文引入了一個基於證據感知與來源控制的基準測試，利用台北國立故宮博物院的 295 件漆器物件來審核博物館圖像元數據與視覺證據之間的一致性，揭示了當前自動化與人工評估能力的顯著差距，並強調了在未來的元數據審計系統中，明確對證據充分性與特定領域不確定性進行建模的必要性。

该论文提出了 MDKT，一种鲁棒的知识追踪模型，通过利用自适应双阶段编码器和对抗平滑技术，在题目、概念及整体层面对知识进行联合建模，从而增强了在噪声和稀疏数据场景下的预测准确性与韧性。

本文提出了一种针对混合且不完整数据的多维分类的新颖、可扩展且鲁棒的概率方法，为该算法提供了理论基础，并提供了其在各种缺失场景下有效性的实证证据。

本文提出了一种利用机器学习模型（线性回归、随机森林和 XGBoost）来评估并预测与联合国可持续发展目标（UN SDGs）相一致的可持续性指标的智能数据分析框架，证明了 XGBoost 在提供最具稳定性性能的同时，能为政府提供一个具有可解释性的、基于证据的工具，以优化资源配置和长期战略规划。

本文引入了“有效职责分离”（Effective Segregation of Duties, SoD）的概念，用以区分 AI 驱动授权中的名义身份分离与实际独立审计，并通过大规模 P2P 基准测试证明，有效的风险缓解依赖于证据中介和异构检查器模型，而非仅仅是主体间的差异性。