2403 篇论文
本文提出了人工智能问责基础设施（AAI），这是一个利用哈希链式、数字签名的记录以及阈值密码学构建的密码学框架，旨在为高风险领域的特定人工智能决策溯源提供保护隐私的第三方验证，同时在不报告创新实验结果的情况下，提供了形式化模型、威胁分析及监管对齐。
本文提出了 Eco-ITAD，这是一个利用 Python 和 Flask 实现的实时自动化系统，旨在快速诊断硬件状况并根据英国 DEFRA 指南计算范围 3 碳减排量，从而在无需离线设施或本地数据存储的情况下，实现即时、安全且合规的电子废弃物管理。
本文介绍了“GPT Fusion”，这是一种混合诊断框架，其中 GPT-5.5 作为推理引擎来整合来自专门化 CNN 模型的预测，在黑色素瘤诊断的准确性和可解释性方面显著优于独立的基于图像的 LLM 以及单个 CNN。
本文介绍了一种轻量级、对顺序敏感的海森堡提升（Heisenberg-lift）描述符，该描述符具有终端符号面积和十五维扩展，通过捕捉传统欧几里得描述符所缺失的笔画遍历方向信息，显著提高了在线手写识别的准确率。
本研究评估了 LIME、Parzen 和 Greedy 解释方法在宗教文本和图像分类模型上的可信度，发现 LIME 在特定二元文本数据集约束和有限图像范围内的识别不可信特征方面，始终优于其他方法。
本文介绍了一种自适应插值细分方案，该方案通过一种紧凑的边向预测器学习局部插入角，在保持细分曲线经过原始控制点的保证的同时，在欧几里得、球面和双曲几何结构中，其精度和光滑度均优于固定张力的基准方案。
本文提出了 X-WAF，这是一个结合了集成分类器与 SHAP 驱动的可解释性，以实现高精度、低延迟的零日 Web 攻击检测，并能自动将洞察转化为可操作的 ModSecurity 规则，从而无缝集成到现有安全基础设施中的混合机器学习框架。
本文介绍了 StrokeID-NER，这是一个公开可用的印尼语数据集，包含 1,742 条针对中风相关命名实体进行标注的患者生成健康查询，该数据集用于证明经过微调的 Transformer 模型在识别非正式和地区性医学术语方面显著优于零样本基准模型，同时强调未来的性能提升主要取决于扩大词汇覆盖范围，而非模型架构。
本研究引入了一种可扩展且具有理论依据的智能体AI框架，该框架通过一个五维量表对企业可持续发展目标（SDG）声明的可信度进行严谨评估，结果显示，尽管大多数披露内容具有部分实质性，但企业往往低估了其自身的实际可持续发展参与度。
本研究提出了一种通过直方图均衡化和 Adam 优化器增强的改进型 Mask R-CNN 框架，旨在实现 90.4% 的路面坑洼检测与实例分割平均精度均值（mAP），其性能显著优于基准模型，用于智能道路监测。