💻 计算机科学
Simple use of small and medium sized local LLMs for Q-matrix generation
本文证明了开源权重的中小规模本地大语言模型能够有效且高效地实现认知诊断模型中 Q 矩阵的自动化生成，为昂贵的专家人工编纂和闭源前沿模型提供了一种保护隐私且资源可及的替代方案。
💻 Category
cs
4092 篇论文
💻 计算机科学
Customer Shopping Behaviour Analytics: An Integrated Data Pipeline and Decision-Support System
本文提出了一种由人工智能驱动的端到端数据分析框架，该框架整合了 Python ETL、MySQL 建模和交互式仪表板来分析零售交易，并揭示了尽管在交易量上存在偏差，但性别间的消费均衡性依然存在，同时当前的促销折扣和订阅模式未能显著带动客单价或单次访问消费额，从而凸显了在获客与变现策略方面的关键差距。
💻 计算机科学
A Multi-Layered Plagiarism and AI-Generated Content Detection Framework Integrating BERT-BiLSTM-Attention Encoding with Stylometric Analysis
本文提出了一种综合性的多层框架，该框架整合了 BERT-BiLSTM-Attention 编码、语义嵌入、n-gram 指纹识别以及文体学分析，旨在稳健地检测精确匹配、改写剽窃、碎片化抄袭和 AI 生成内容，同时识别文档内的作者身份不一致问题。
💻 计算机科学
SOC Copilot: A Complete, Lightweight, and Explainable Multi-Model Anomaly Detection Engine for Security Log Analysis
本文介绍了 SOC Copilot，这是一种轻量级、仅需 CPU、无监督的多模型异常检测引擎，它通过融合改进的孤立森林和深度自动编码器，并结合基于 SHAP 的可解释性，在无需标注数据或 GPU 基础设施的情况下，实现了对 HDFS 安全日志高达 99.84% 的分析准确率。
💻 计算机科学
The Cretogram Dataset for Isolated Character Recognition in Archaic and Classical Crete
本文介绍了 Cretogram，这是一个包含 11,611 个来自古风时期和古典时期克里特岛的手工标注孤立铭文字符的新数据集，并评估了其在使用 HOG-SVM 和深度学习模型进行计算识别方面的效用，在利用 ResNet-18 实现了 95.53% 的最高宏 F1 分数的同时，也强调了该文字局部变体所固有的特定字符混淆问题。
💻 计算机科学
An ablation measured twice: small component effects can change sign across repeated training runs in breast-cancer histopathology segmentation
本研究表明，在乳腺癌组织病理学分割中，消融实验所测得的小型结构组件的贡献度在多次重复训练运行中可能会在量级上发生显著变化，甚至出现方向上的改变，这凸显了在对组件有效性得出确定性结论之前进行重复实验的至关重要性。
💻 计算机科学
Identical runs disagree more than different models: reproducibility limits in deep learning for brain-tumour MRI classification
本研究表明，在名义上相同的脑肿瘤 MRI 分类深度学习运行中，不受控制的随机变异可能会超过不同模型架构之间的性能差异，从而削弱了标准消融研究的可靠性，并使得实施更严格的复现协议成为必要。
💻 计算机科学
Explainable Machine Learning for Early Detection of Mathematics Learning Difficulties: A Systematic Review of Multimodal Educational Data and Predictive Modeling
本系统综述综合了利用多模态教育数据进行可解释机器学习方法的研究，旨在实现对数学学习困难的早期检测与透明解释，同时强调了当前的挑战，并提出了一个聚焦于隐私、标准化和伦理部署的未来研究议程。
💻 计算机科学
A Reproducible Framework for Auditing the Trustworthiness of Clinical Machine Learning Models
本文介绍了 AETHEL，这是一个开源且可复现的框架，通过在异质性医疗场景中评估临床机器学习模型的判别性、校准度、可解释性、鲁棒性和临床效用，以应对领域偏移带来的挑战，从而系统地审计其可信度。
💻 计算机科学
Asymptotically-Embedded Deep Learning for Unsteady Singularly Perturbed Convection-Diffusion-Reaction Equations
本文介绍了渐近嵌入式物理信息神经网络（AE-PINN），这是一种无网格深度学习框架，通过将边界层的渐近展开式嵌入到网络架构中，克服了标准 PINN 的谱偏差，从而在求解具有剧烈梯度的非定常奇异摄动对流-扩散-反应方程时，实现了高精度和高稳定性。