cs 篇论文 | Gist.Science

本文介绍了 bio2C，这是一个包含 2,500 个经人工校验的自然语言-Cypher 对的符合 FAIR 标准的基准测试，以及一个模块化检索增强生成框架，该框架通过利用检索到的示例而非基于模式的提示，显著提高了生物医学知识图谱的 Text2Cypher 准确率。

这项研究表明，前沿大语言模型表现出“表演式自我修正”现象，即在连续 72 轮迭代审查中生成了大量的批判性论述，却从未实质性地修改其初始答案，从而对旨在提高人工智能可靠性的基于提示词的修正策略的有效性提出了挑战。

本文提出了一种透明的检索增强框架，该框架将自然语言数值证据落地为结构化优化模式，并证明了虽然模式检索非常有效，但实现优化问题实例化的自动化瓶颈在于下游任务中将提取的数字准确匹配到其对应槽位的过程。

本研究介绍了 BoneNet，这是一个多模态深度学习框架，该框架通过将 YOLOv8m 骨干网络与空洞残差注意力模块以及表格数据融合相结合，实现了对种植体周围骨丢失的高精度自动化检测、严重程度分级及可解释的深度估计，同时透明地识别了在严重病例中的性能局限性。

本文展示了在紧凑型（succinct）de Bruijn 图上对空间高效型 BFS 和 DFS 遍历算法的首次实现与评估，证明了在包含 8 亿条边的图上，该方法能显著降低辅助内存使用量（高达 11 倍）以及整体内存占用（高达 2.36 倍）。

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。