2403 篇论文
本文表明，在多位数整数加法中观察到的精确匹配准确率（exact-match accuracy）中剧烈的“涌现”跳变并非模型能力的真实不连续性，而是由单标记准确率（per-token accuracy）遵循幂律规律的平滑提升，结合要求所有数字均正确的非线性效应所共同导致的、完全可预测的人为产物。
本文引入了跨专家梯度对齐度量（Γ），旨在证明标准的混合专家模型训练（特别是在 Mixtral 8×7B 中）在本质上是由一种结构性的零和竞争所驱动的，这种竞争是由 softmax 耦合与 top-k 归一化的共同负面效应所导致的，从而创造了一个持久的负向对齐吸引子，而这一问题只能通过移除这些特定的架构约束来克服。
本文提出了一种新型社区检测模型，该模型利用 Skellam Nutcracker 优化算法 (S-NOA) 和 SwishSERF 注意力空间丢弃宏单元 CNN (S2ASD-MUNet) 来有效分析层间与层内依赖关系，实现了 0.962 的高模块度得分。
本文介绍了 MESH4ID，这是一个基于 Unity/OpenXR 构建的以头显为中心的虚拟现实流水线，它使用户能够在沉浸式 VR 环境中通过将实时 LiDAR 流冻结为可追溯的快照，从而实现室内环境的捕获、管理与重建，并进行交互式检查和按需网格生成。
该论文提出了 SMPD，一种新颖的自监督元学习框架，该框架利用多模态时序数据和对比预训练，能够以高准确率和少样本适应性提前 24–48 小时预测物联网设备的受攻击情况，在资源受限的环境中显著优于现有的入侵检测基准。
本文介绍了 GRADV，这是一种可复现的信号分析工作流，通过优化波形并进行分段级分析，旨在发现并评估关键词检测模型中的目标类别音频模式，在不提出新的语音识别架构的情况下实现了极高的成功率。
本文提出了一种 Pydantic 模式以及一个少样本小语言模型基准，用于从碎片化、双语且截断的遗留 CNC 工单中提取工程变更追溯性，在展示高模式有效性的同时，揭示了基于上下文的预提示会降低性能，而确定性后置过滤器能在不影响召回率的情况下提高精确度。
OptiVerse AI 是一个利用 EfficientNetB7 和 Grad-CAM 对糖尿病视网膜病变进行分类并从标准眼底图像中重建 3D 视网膜结构的解释性深度学习系统，其准确率超过 95%，旨在增强早期疾病检测和临床决策。
本文介绍了 RECON，这是一种神经符号多智能体架构，它将确定性规则、模糊检测以及大语言模型推理与基于 YAML 的配方系统和防篡改审计相结合，旨在为异构企业仓库中的文档合规性审查提供可复现、可辩护且证据融合的解决方案。
本文证明了对于相关显微成像配准而言，跨模态外观相似性是决定成功的更关键因素，而非视野尺度的处理能力，这可以通过跨模态训练骨干网络的卓越表现，以及朴素的尺度感知封装器无法克服外观差异这一事实得到证实。