💻 计算机科学
Agentic Retrieval-Augmented Generation for Verifiable Regulatory Compliance in Urban Cyber-Physical Systems
本文提出了一种“验证优先”的智能体 RAG 框架，该框架通过集成确定性验证智能体来确保城市网络物理系统的监管准确性并防止幻觉，证明了其在废止检测和合规推理方面较现有方法具有更优越的性能。
💻 Category
cs
4092 篇论文
💻 计算机科学
Does the Language of the Prompt Change the Politics of the Answer? A Cross-Lingual Agent-Based Audit of Generative AI and Turkish Political Discourse
这项针对土耳其政治话语的跨语言智能体审计表明，虽然提示词语言对生成式人工智能响应的政治立场影响极小，但会显著改变模型所依赖的证据来源，且模型身份和用户人格对最终输出的影响力比提示词本身的语言更为强烈。
💻 计算机科学
Predicting At Risk Student Performance at the First Quarter Semester Boundary Using Ensemble Learning
本研究提出了一种基于集成学习模型、并利用 SMOTE 技术进行增强的预警决策支持框架，该框架通过在 OULAD 数据集上进行训练，旨在有效预测第一季度阶段性节点处处于风险中的学生表现，并证明了 LightGBM 在识别需要及时学术干预的学生方面具有卓越的准确性。
💻 计算机科学
A Privacy-Preserving Federated Grey Wolf Optimization and Blockchain Framework for Trust Management in Decentralized 6G Edge Networks
本文提出了一种用于 6G 边缘网络的创新框架，该框架集成了保护隐私的联邦学习、基于灰狼优化算法的信任模型优化以及许可链技术，旨在实现针对对抗性攻击的鲁棒、弹性且私密的信任管理。
💻 计算机科学
Candidate information structure reduces over-alignment in LLM- based concept mapping
本文表明，基于大语言模型的概念映射系统通过将候选集构建为可比较且可排除的格式，可以显著减少针对不可映射术语的过度对齐错误，这一设计原则被证明比单纯提供正确答案或改进检索更为有效。
💻 计算机科学
Lightweight Semantic Embeddings Enable Redundancy-Sensitive Knowledge Graph Construction for LLM-Based Document Processing
本文介绍了 AMODD，这是一个利用轻量级语义嵌入来对冗余文档章节进行去重并对图实体进行聚类的机器学习增强型流水线，在保持高检索质量的同时，显著降低了知识图谱构建过程中的大语言模型（LLM）Token 消耗与延迟。
💻 计算机科学
Development and pilot validation of an AI-assisted self-practice system for erhu performance assessment and score-aligned feedback
本文介绍了开发并初步验证了一种用于二胡的 AI 辅助自练系统，该系统集成了光学乐谱识别、音高追踪和动态时间规整技术以提供与乐谱对齐的反馈，证明了其与专家评分之间存在强相关性，并在音乐学院学生中具有较高的可用性。
💻 计算机科学
Possibility Ethics: Measuring Moral Value as the Expansion of Safe Future Options in Sociotechnical Systems
本文介绍了“可能性伦理学”（Possibility Ethics），这是一个通过一种被称为“选项熵”（Option Entropy）的新型指标来量化社会技术系统对伦理上可接受的未来机会之影响的概念计算框架，该框架通过 Omega-PE 工具包得以实现，旨在揭示那些常被总量指标所忽略的分布性机会损失。
💻 计算机科学
RL-Assisted A-Teams for Adaptive Algorithm Selection in UGV-UAV Route Optimization
本文提出了一种新型的强化学习辅助 A-Teams 超启发式框架，该框架显著加速了协同无人机-无人车（UAV-UGV）系统的实时路径优化，在有效适应动态环境变化的同时，比现有方法快 30–70%，并提供近优解。
💻 计算机科学
Jacobi-Enhanced Dynamic Hypergraph Learning for Graph-Based Fraud Detection
本文提出了 JK-DHGNN，这是一个集成了一个 Top- 动态超图生成器、雅可比谱滤波以及基于雅可比多项式的分类器的双视图框架，通过对成对关系和高阶隶属关系的建模，有效地检测金融与电子商务欺诈，在 YelpChi 和 Amazon 数据集上实现了卓越的性能，同时证明了组件在不同数据集上的有效性。