💻 计算机科学
Comparative Analysis of Clinical Finding Retrieval Difficulty in Chest X-ray Retrieval Models
本研究表明，胸部 X 线检索系统中候选句子池的构成显著影响着发现层级的检索性能以及不同模型间对难度的共识，这暗示所观察到的关于检索挑战的共识可能更多是由评估池偏差而非模型内在能力所驱动。
💻 Category
cs
4092 篇论文
💻 计算机科学
LDIF: Latent Dual Interaction Flow
本文介绍了 LDIF，这是一种基于 PyTorch 的新型神经架构，它通过响应调节的门控机制和自适应低秩谱，将对称与反对称相互作用场结合起来，对隐藏状态演化进行建模，并证明了其在静态和序列数据集上均优于传统机器学习和深度学习基准模型的性能。
💻 计算机科学
Predictive Forecasting of Care Load & Placement Demand
本研究展示了一个利用公开的无伴随未成年移民儿童记录来预测卫生与公共服务部（HHS）护理安置需求的机器学习系统，该系统通过梯度提升模型实现了 15.22 的平均绝对误差（MAE），并通过 Streamlit 部署了 30 步预测。
💻 计算机科学
A Comprehensive Survey of Quantum and Quantum-Inspired Image Segmentation in the Context of Modern Segmentation Methods
本综述对量子及量子启发式图像分割方法进行了全面回顾，通过对现有方法进行分类、分析其计算原理与挑战，并识别该领域的当前趋势与未来方向，将其置于分割研究更广泛的演进过程中进行阐述。
💻 计算机科学
An Investigation of Cross-Subject Variability in EEG-EMG Fusion Models
本研究通过对公共数据集进行二次分析，旨在调查跨受试者变异性如何影响用于运动意图解码的 EEG-EMG 融合模型的泛化能力，旨在量化不同融合策略下的性能退化，并评估迁移学习在减轻这些个体间差异方面的潜力。
💻 计算机科学
ECN-BENCH: Design, Systems Engineering, and a Forensic Audit of Multi-Agent Forecasting
ECN-BENCH 论文对一个多智能体预测测试床进行了系统工程审计，揭示了基于大语言模型的概率提取对配置选择和评估器选择高度敏感，从而削弱了近均匀预测的可靠性，并限制了比较性能结果的统计显著性。
💻 计算机科学
DiligenceProv: A Truth-Ledger Benchmark for Verifiable Financial Due-Diligence Answers from Large Language Models
本文介绍了 DiligenceProv，这是一种利用带有注册缺陷的合成交易室（synthetic deal rooms）进行构建的新型基准测试方法，旨在评估并提升大语言模型在高风险金融尽职调查中的可验证性、证据检索能力以及定义准确性。
💻 计算机科学
Encryption of Audio Signals by employing the Elzaki Transformation and the Lorenz Chaotic System
本文提出了一种鲁棒的多层音频加密算法，该算法结合了用于初始密钥生成的洛伦兹混沌系统与基于异或（XOR）的混淆技术，以及利用 Elzaki 变换和双曲麦克劳林级数展开的第二层技术，通过实验验证和对比性能分析展示了其高安全性和高效率。
💻 计算机科学
TADNet: Transparency-Aware Feature Aggregation with Structural Enhancement for Transparent Object Depth Completion
本文提出了 TADNet，一种层次化编码器-解码器网络，该网络集成了一个带有透明度感知注意力和结构特征增强模块的级联 Swin-Transformer 编码器，以有效解决透明物体深度补全中的深度噪声和几何畸变问题，并在 ClearGrasp 和 TransCG 数据集上实现了卓越的性能。
💻 计算机科学
Authorization Assurance for Tool-Using LLM Agents: A Structured Review of Enforcement Semantics and Effect-Level Security Evidence
本结构化综述批判了现有对工具使用型大语言模型智能体评估中未能证实其关于防止未经授权资源影响之主张的问题，并提出了最小授权保证剖面（MAAP）作为一个新颖的、基于证据的框架，旨在标准化执行语义、观察边界及残余假设的报告，以实现透明的安全比较。