💻 计算机科学
The Judge is Not Impartial: Self-Preference in Medical LLM Evaluation
本研究表明，在医疗场景中用作裁判的大语言模型在多种评估格式下，通过偏好自身生成的输出而非竞争对手的输出，系统性地表现出自我偏好现象，这凸显了在临床人工智能部署中，为确保公正性而建立多样化裁判小组和多种指标的紧迫需求。
💻 Category
cs
4092 篇论文
💻 计算机科学
Replay-Resistant Admission and Permissioned Quorum Consensus in Connected Vehicle Networks: A Fail-Closed, Implementation-Grounded Security Study
本研究评估了 OmniGuard V2X 平台内的一个故障关闭式（fail-closed）许可法定人数共识子系统，通过确定性测试证明其有效地执行了准入控制、防止了重放攻击并拒绝了无效或定案后投票，同时明确承认了其在应对授权恶意联盟方面的局限性。
💻 计算机科学
Rank-Gated and Sparse Low-Rank Adaptation for Efficient Fine-Tuning of Vision--Language Models
本文介绍了 Rank-Gated LoRA (RG-LoRA)，这是一种通过为 LoRA 秩分量分配可学习的重要性权重，以实现用于内存效率的训练后剪枝的方法，但针对 Qwen3-VL-8B 的初步实验表明，在缺乏显式稀疏正则化的情况下，门控机制无法学习到有意义的稀疏性，尽管验证了所提出的“训练-剪枝-评估”机制，却导致延迟或显存收益微乎其微。
💻 计算机科学
Ideology by Alphabet: Option Order and the Measurement of Machine Political Preferences
本文表明，大型语言模型表现出的表象政治意识形态在很大程度上是固定答案顺序偏差的人为产物，而非真实的偏好，因为随机选项顺序消解了此前识别出的意识形态聚类，并揭示了特定的位置排列可以任意地将模型贴上相互矛盾的政治立场标签。
💻 计算机科学
Explainable Machine Learning for Extreme Weather Event Prediction Using Long-Term Environmental Measurements
本研究提出了一种可解释的多塔式机器学习框架，利用来自橡树岭保留地六个观测塔的15分钟气象数据来预测五种类型的极端天气事件，证明了梯度提升模型在性能上优于深度学习和卷积神经网络架构，同时识别出了驱动不同时间跨度下预测准确性的关键塔基特征与物理特征。
💻 计算机科学
Context-Aware Fine-Grained Ranking of Art Exam Works Under Shared Evaluation Conditions
本文通过引入一个按考试组别组织的全新数据集，并提出一种利用双路径参考编码和自适应路由来捕捉视觉相似作品间上下文感知相对质量差异的组别条件框架，解决了艺术考试中细粒度排序的挑战。
💻 计算机科学
Damage-Aware Diffusion Restoration of Intangible Heritage Brocade Images with Pattern-Consistency Loss and Interpretable Cultural Feature Mapping
本文介绍了 PCDR-ITH，这是一种通过整合图案一致性损失和可解释特征映射来修复非物质纺织遗产图像的损伤感知扩散框架，旨在保护文化纹样并提升其感知的真实性，使其较之现有基准模型表现更优。
💻 计算机科学
Discriminative Micro-Action-Aware Joint Amplifier for Skeleton-Based Action Recognition
本文提出了判别式微动作感知联合放大器（DMJA），这是一种通过识别信息丰富的关节，并利用频域球面谐波分解自适应地放大其细微方向变化的，旨在增强基于骨骼的动作识别的新型框架。
💻 计算机科学
Reconstruction-Gated Refinement for Multimodal Sentiment Analysis under Controlled Perturbations
本文引入了重构门控细化（Reconstruction-Gated Refinement, RGR），这是一种预融合模块，它利用文本条件的重构和自适应门控，以增强多模态情感分析模型在受控音频和视觉扰动下的稳定性和性能。
💻 计算机科学
A Scalable Direction-Guided Any-Angle A* Algorithm for Efficient Warehouse AGV Path Planning
本文提出了一种可扩展的、方向引导的任意角度 A* 算法，该算法在保持近乎最优的路径长度和有界次优性的同时，显著减少了大规模仓库 AGV 规划中的节点扩展和路径转弯。