2403 篇论文
本文通过引入一个新的领域特定 PLASTIC 数据集并提出自适应训练控制器（ATC）——一种超越了 Optuna 等现有工具、在实现 ResNet101 高达 94.89% 准确率的同时降低了计算资源需求的与架构无关的自动调优框架——来解决塑料垃圾分类的挑战。
这项实证评估表明，尽管大语言模型在配备检索工具时能够识别出人类审查员遗漏的真实错误并显著提高研究召回率，但由于存在显著性偏差、跨论文混淆以及虚构不存在的不一致性等持续性问题，它们仍然无法成为人类验证的可靠替代品。
本文提出并验证了一种集成双向数字孪生、深度强化学习智能体以及可解释人工智能层的信息物理架构，用于优化急诊科调度，在证明其能显著降低高需求压力下的峰值占用率的同时，也批判性地揭示并解决了验证过程中出现的特定仪器伪影问题。
本文介绍了神经符号 MBST，这是一个通过集成 L* 学习、语法约束的大语言模型以及凸优化，将自然语言需求自动合成形式化验证的马尔可夫使用模型，从而实现高保真故障检测与覆盖率，在显著超越纯神经基准模型的同时，消除了安全关键系统中人工建模瓶颈的框架。
本文提出了一种用于生成监控视频中异常事件摘要的交互式查询算法，该算法利用基于规则的分类器来处理复杂的用户查询，并引入了一种“改进重叠率”指标进行评估，证明了在 PETS09 数据集上其准确性和质量均优于现有方法。
本文提出了一种基于大语言模型（LLM）的测试用例生成方法，该方法通过一个集成了历史数据和发布上下文的项目记忆库进行增强，旨在显著提高大规模软件系统的风险覆盖率、减少重复并增加缺陷发现。
本文利用 BrEaST 数据集，建立了一个基于 MATLAB 的初步 CNN 基准模型，用于乳腺超声图像的恶性与非恶性二分类任务，在提高测试准确率的同时，明确将探索性的亚型标记和可解释性设定为未来的研究方向，而非已验证的结果。
本文提出了一种模块化可微编程框架，该框架通过将转移率分解为具有临床意义的因子、通过随机自动微分计算其敏感性，并实时生成可追溯的自然语言解释，将可解释性直接集成到用于临床决策支持的连续时间马尔可夫链模型中。
本研究比较了 NLTK、TextBlob 和 spaCy 在处理由功能转换引起的花园路径句中的表现，发现 spaCy 在句法准确性方面显著优于其他两个库，并为改进包括针对非洲语言的 NLP 工具在内的工具提供了见解。
本文提出了一种参考架构及开源实现，通过将符合性概率预测与基于场景的随机路径规划相结合，架起了供应链规划中机器学习与运筹学之间的桥梁，并通过合成回测实证表明，未经校准的分位数预测会导致显著的覆盖不足和缺货风险，从而验证了校准感知接口对于可靠决策支持的必要性。