💻 计算机科学
G-Mamba: A Mechanism-Guided Graph State Space Network for Multi-Objective Prediction in Tyrosine Fermentation Process
本文提出了一种名为 G-Mamba 的灰盒多目标预测网络，该网络将机理知识与双向 Mamba 架构及图卷积网络相结合，通过有效捕捉长序列时间动态和复杂的空间耦合，实现了对酪氨酸发酵过程中生物量和产物浓度的实时、高效计算且准确的预测。
💻 Category
cs
4092 篇论文
💻 计算机科学
Learning Adaptive Gated Fusion of Convolutional and Transformer Features for Generalizable Medical Image Classification
本文介绍了 DACANet，这是一种采用学习型自适应门控机制来动态平衡局部卷积特征与全局 Transformer 特征的双路径网络，从而在无需针对特定数据集进行调优的情况下，在多种不同诊断领域中实现稳健且泛化性强的医学图像分类。
💻 计算机科学
Clinical trial success prediction from open registry text using classical machine learning
本研究表明，经典的机器学习模型（尤其是随机森林）仅利用来自 ClinicalTrials.gov 的公开注册文本，即可有效预测临床试验的成功，通过严格的预处理减轻了数据泄露问题，并在不同的试验阶段和适应症中实现了中等至强劲的性能表现。
💻 计算机科学
Evaluating Clinical Symptom Extraction and Reasoning in Local Large Language Models: A Proof-of-Concept Study of Symptom-Specific Performance in Cardiology
这项概念验证研究评估了在本地部署的大型语言模型（Gemma3 和 Qwen3.5）在日语心脏科出院小结上的表现，结果显示，虽然整体症状提取准确率较高，但不同具体症状之间的表现存在差异，且这些模型往往通过客观临床发现而非患者明确的主诉来推断心悸或乏力等症状。
💻 计算机科学
Same Dangerous Objective, Opposite Advice: Direct Exposure versus Multi-Agent Mediation
本文引入了一种无状态的“本我—自我—超我”（Id–Censor–Superego）中介架构以及 PathAudit 基准测试，旨在展示多智能体流水线如何通过将危险目标转化为合规的重写形式来绕过安全过滤器，从而使下游智能体能够传播在局部端点记录中无法被检测到的隐藏有害目标。
💻 计算机科学
Enhanced aero-engine blade defect detection network: MESFR-DETR with multi-scale edge selection and feature reconstruction
本文提出了 MESFR-DETR，一种增强型实时检测 Transformer 网络，该网络通过多尺度边缘选择和特征重构模块，有效解决了航空发动机叶片中微小且弱特征缺陷的检测挑战，在合成数据集和真实世界数据集上均实现了卓越的准确率与效率。
💻 计算机科学
Demographic shortcuts as marker-free backdoors: silent subgroup underdiagnosis that only operating-point audits detect
本文证明了医学影像模型可能会被人口统计学捷径（demographic shortcuts）静默破坏，即通过针对特定亚群组翻转标签，可以创建一种既能规避标准检测器又会损害未记录患者的无标记后门，因此必须进行基于阈值的亚群组假阴性审计才能实现有效检测。
💻 计算机科学
Deadline-Aware Hardening of Real-Time Object Detection Against Candidate-Inflation Latency Attacks
本文提出了一种无需重新训练且部署可选的机制，该机制将进入非极大值抑制（NMS）的候选框数量限制在基于截止时间校准的边界内，从而缓解了候选框膨胀延迟攻击，并确保了在不同硬件和检测器架构下的实时截止时间完整性，同时揭示了仅靠边界抑制是不够的，因为解码开销依然显著。
💻 计算机科学
Inherently Interpretable Machine Learning Models for Time-Series: A Systematic Literature Review
本系统性文献综述通过对77篇同行评审研究的综合分析，旨在建立一个针对时间序列数据的固有可解释机器学习模型的全面分类法，并阐明其架构、应用领域及未来的研究方向。
💻 计算机科学
Automated Code Formatting Framework Using Hybrid N-gram and LSTM Models
本文提出了一种用于自动化代码格式化的 N-gram 与 LSTM 混合框架，该框架在 Java 上实现了完美的成功，但在 Python 中凸显了关键的结构缩进失败，导致整体准确率仅为 57.4%。