2456 篇论文
本综述综合了关于不同计算环境下自主漏洞修复的新兴研究，将文献组织为六个关键流派和一个形式化闭环任务模型，旨在突出在部署用于安全系统修复的智能体 AI 和强化学习过程中的关键主题、操作安全机制以及显著的研究空白。
本文证实，即使在考虑人类工作的全生命周期资源足迹时，AI推理的单项任务能耗和水耗也比其所增强或取代的人类劳动力低出数个数量级。
本研究引入并验证了一个四层机器学习框架，该框架通过对来自一家蒙古能源公用事业部门的 330 万笔真实交易利用无监督和有监督模型，与传统方法相比显著降低了审计检测风险和处理时间，同时还揭示了本福特法则异常中的一种新型“聚合掩盖效应”。
本研究提出了一种可解释人工智能框架，该框架通过将关联规则挖掘与三维感官剖析相结合，来分析泰国餐厅的交易数据，从而揭示具有文化根基的菜品搭配模式，并实现可解释且地道的膳食推荐生成。
本研究提出了一种基于 PhiUSIIL 数据集的轻量级神经网络方法用于钓鱼 URL 检测，证明了通过优化超参数和应用数据缩放可以在保持低计算复杂度的同时显著提高分类准确率。
本研究提出了一种针对苗族和侗族木构遗产场景的可审计生成工作流，该工作流集成了形态先验、摄影测量约束和溯源日志，旨在确保提供可审查的语义与结构证据，而不声称实现测量级重建。
本文提出了一种基于随机森林的机器学习框架，通过结合 SMOTE-Tomek 类平衡技术，在准确率和关键性能指标方面超越了决策树、逻辑回归、支持向量机（SVM）和朴素贝叶斯等传统模型，从而有效地检测医疗保健提供商欺诈行为并降低财务风险。
本文提出了 MSAL-YOLO，这是一种增强型 YOLOv8 检测器，它通过集成空间-通道混合卷积模块、多分支增强坐标注意力机制以及区域自适应 Wise-IoU 损失，有效地解决了无人机航拍图像中小目标和密集分布目标的检测挑战，并在 VisDrone2019 和 DOTAv1 数据集上实现了显著的性能提升。
本研究验证了 TRAUMA 方法，这是一种基于 LightGBM 的监督式机器学习记录链接方法，证明了与巴西健康数据库中传统的 CIDACS-RL 工具相比，该方法在实现高精确度和高特异性的真实匹配恢复方面具有更优越的能力。
本文介绍了 Diamojism，这是一种新颖的照片马赛克渲染架构，通过将语义主题评分和迭代调色板校正集成到钻石型平铺网格系统中，从而在不依赖生成模型的情况下，增强了大尺寸表情符号马赛克的主题相关性和色彩准确性。