💻 计算机科学
When Modality Importance Does Not Translate into Capacity Gains: A Controlled Study of Asymmetric Multimodal Recommendation
这项受控研究表明，在 FREEDOM 式多模态推荐系统中，增加更具信息量文本模态的表示容量并不能带来持续的准确率提升，因为新增的容量缺乏通往主要排序目标的直接梯度路径，这凸显了模态信息量并不会通过非对称架构分配自动转化为性能改进。
💻 Category
cs
4092 篇论文
💻 计算机科学
Towards Quantum Decision Intelligence: A Four-Qubit Architecture for Venture Capital's Non-Linear Dilemmas on a 156-Qubit IBM Heron Processor
本文介绍了 HQDIS，一种在 IBM 的 156 位 Heron 处理器上进行测试的四量子比特变分量子电路，用于风险投资筛选，该电路在小型合成基准测试中展示了极高的硬件-模拟保真度以及与经典模型相当的性能，尽管在第二个合成数据集上其表现逊于经典算法，这凸显了当前量子优势在该领域的局限性。
💻 计算机科学
Exact Incremental Updates for Continual Sequential Recommendation
本文表明，虽然闭式时间线性模型在持续序列推荐中无法达到像 CSTRec 这样的神经基准模型的准确度，但其充分统计量增量更新策略为替代全量重解提供了一种数值精确且计算高效的选择，而基于 Woodbury 的更新由于当更新块超过物品目录大小时会面临内存限制而失效。
💻 计算机科学
Cyber-QEE Under Rigorous Validation: Ablation, Missingness, and Near-Duplicate Robustness in Network Intrusion Detection
本研究表明，虽然 Cyber-QEE 随机能量表示在特定的严重缺失场景下可以有条件地提升基于 XGBoost 的入侵检测性能，但它并未比标准特征提供一致且独立的预测价值，且其表现通常与置换或噪声控制变量相当，这表明其益处更多在于方法论层面而非具有普遍的泛化性。
💻 计算机科学
History-First Reliability-Gated Fusion for Sampled-Peak System and GPU Memory Utilization Prediction in HPC Clusters
本文提出了一种以历史优先、可靠性门控的融合框架，该框架结合了精确脚本的历史缓存与经 LoRA 改编的 Qwen2.5-Coder 编码器，在通过选择性推理降低计算开销的同时，显著提高了高性能计算（HPC）集群中系统及 GPU 显存利用率的预测准确度。
💻 计算机科学
Deep Transfer Learning for Automated Cervical Cell-Type Classification in Pap-Smear Images: A Comparative and Explainable Study
本研究表明，一种基于 ResNet50 的深度迁移学习模型，在结合了 Grad-CAM 等可解释人工智能技术后，在对巴氏涂片图像中的五种不同宫颈细胞类型进行分类时达到了 91.50% 的高准确率，尽管在区分异型细胞（Koilocytotic）与化生细胞（Metaplastic）类方面面临着特定的挑战。
💻 计算机科学
Artificial Intelligence and Spirituality: A Systematic Scoping Review of Human-AI Engagement
这项针对 2022 年底至 2026 年间发表的 19 项研究进行的系统性范围综述表明，对话式人工智能正日益被广泛用于多样化的精神与存在主义目的，既作为权威来源、情感披露和仪式促进的独特渠道，同时也引发了关于偏见、隐私以及精神真实性本质的尚未解决的伦理担忧。
💻 计算机科学
Personalized Federated Learning Under Severe Statistical Heterogeneity: A Multi-Dataset Analysis of Accuracy, Tail Performance, and Client Fairness
本文引入了一个严谨的、以客户端为中心的多数据集评估框架，该框架通过共同评估全局准确率、下尾性能和公平性指标，来分析在严重统计异构性下的个性化联邦学习，旨在确定个性化是否真正使受服务最差的客户端受益。
💻 计算机科学
CONFLUENCE: Does Cross-Scale Graph Attention Help Watershed Vegetation Forecasting?
本文通过在波托马克河案例研究中证明跨尺度图注意力机制甚至物理衍生的拓扑结构往往表现不如简单基准模型或随机连接，挑战了图神经网络能改善流域植被预测这一假设，从而强调了在生态建模中进行严格的、匹配容量控制以避免假阳性的至关重要性。
💻 计算机科学
Auditing Level-Capacity Ablations in Single-Stage Object Detectors: A Decoupling Patch, a Fixed-Calibre Repair, and the Limits of Budget-Mismatch Ratios
本文表明，旨在指导单阶段目标检测器容量重分配的指标——层级预算失配率（LBMR），由于存在非线性精度响应、耦合架构依赖以及帕累托劣势结果，无法作为一种有效的优化工具，并最终证明解耦补丁和固定标定修复相较于默认配置并无显著收益。