927 篇论文
本文通过一项为期一个月的纵向研究表明，虽然说服型和指导型机器人行为都能维持老年人在认知活动中的参与度，但说服型交互风格在促进积极反应和情感连接方面更为有效，这表明混合式方法可能最能支持长期动机。
本文提出了一种网络空间拓扑坐标系（CTCS）模型及相应的三维框架，该模型利用逻辑、信息和社会关系来有效地可视化和分析复杂的网络结构，通过整合多样化的数据类型并揭示节点属性与传播路径，其性能优于传统方法。
本系统性文献综述综合了2010年至2026年的研究，旨在证明网络安全事件源于认知、社会和组织因素之间复杂的相互作用，而非孤立的用户错误，并最终提出一个整合的人本中心框架来应对这些脆弱性。
本文提出了一种基于 TensorFlow 和 MediaPipe 的深度学习框架，旨在实现用于媒体控制、游戏和无障碍辅助等多样化应用的实时非接触式手势识别，为传统输入设备提供了一种准确且具有成本效益的替代方案。
本文提出了一种利用大语言模型和人机回环验证的多角色模拟框架，旨在生成高质量、经专家验证的沙特家庭法离婚案件合成数据集，从而有效克服了因隐私限制导致的真实司法记录匮乏的问题。
本研究表明，通过使用经过数据增强和交叉验证优化的 EfficientNetB7 和 ResNet50 模型，深度迁移学习实现了对口腔鳞状细胞癌组织学图像的高精度分类，为提高诊断准确性并解决病理学家间的差异性提供了一种极具前景的解决方案。
这项实证研究考察了伊朗创意从业者使用生成式人工智能的经验，揭示了地缘政治约束和技术限制如何通过主导性的导演心理模型、补偿性劳动以及底层“民俗伦理”（Folk Ethics）的出现，来塑造他们应对系统性不平等的行为。
本文表明，将自动化安全审计技能集成到“氛围编程”（vibe coding）过程中，能显著提升 AI 生成 Web 应用的安全性，在对两个相同电子商务演示版本的受控对比中，将未缓解风险降低了 99%，并消除了所有高危漏洞。
本文提出了 GTAN，一种图-时间注意力网络（Graph-Temporal Attention Network），该网络结合了时间卷积编码器和图注意力编码器，并利用焦点对比损失（Focal Contrastive Loss），通过对时间序列和拓扑关系进行建模，从而有效地检测高度不平衡的网络物理系统（CPS）流量中的稀有入侵攻击。
本文提出了 SPAT-UAD，这是一个鲁棒的虚假信息检测框架，它通过将语义保持对抗训练与不确定性感知自适应决策相结合，在处理表层变化和提高跨多个数据集的模型可靠性方面，显著优于现有基准模型。