💻 计算机科学
Hierarchical Compositional Hypergraphs Encode Document Structure for Classification
本文引入了一种层次化组合超图（HCH），该超图通过有序的标记、句子和段落层来编码文档结构，并证明了将这些结构特征与标准 TF–IDF 相结合，在文本分类准确率和宏平均 F1 值上较仅使用词汇基准的模型实现了显著的统计学提升。
💻 Category
cs
4092 篇论文
💻 计算机科学
CauCity-WM: An Intervention-Consistent Generative World Model for Counterfactual Urban Dynamics and Risk-Aware Decision Making
该论文介绍了 CauCity-WM，这是一种因果生成式世界模型，它通过利用溯因外生噪声来生成一致的事实与反事实未来，从而将城市预测、反事实估计和风险感知决策统一起来。
💻 计算机科学
Interpretable ensemble machine learning identifies player-specific performance indicators in elite tennis
本研究表明，将可解释的集成机器学习工作流应用于诺瓦克·德约科维奇的大满贯数据，不仅在预测盘胜负方面实现了极高的预测准确度，还揭示了诸如反手回球等常被单一模型所忽视的球员特定表现指标。
💻 计算机科学
VectorLLM++: A Unified Next-Token-Prediction MLLM for Dense Remote Sensing Perception and Vector Mapping
VectorLLM++ 是一个统一的下一标记预测多模态大语言模型，它通过引入坐标和掩码的新型分词器，克服了数据稀缺和缺乏结构化向量输出的问题，使其在七个不同的遥感感知和矢量制图任务中表现优于专门的模型。
💻 计算机科学
Native Byzantine-Robust Aggregation for Trustworthy Federated Learning: A C++20 Evaluation of Krum, Multi-Krum, Trimmed Mean, and Coordinate-wise Median
本文提出并评估了一种用于联邦学习的高性能 C++20 实现，该实现涵盖了拜占庭鲁棒聚合算法（Krum、Multi-Krum、修剪平均值和中位数），并通过严谨的正当性检查与基准测试证明，将显式的拜占庭假设与数值防御型原生系统设计相结合，能够在保持对抗性更新鲁棒性的同时，显著加速聚合过程。
💻 计算机科学
Policy-Gated Zero-Trust Federated Learning: Identity-Bound Enrollment, Replay-Resistant Control, and Secure Coordination
本文提出并验证了一种用于联邦学习的策略门控零信任架构，该架构通过将身份与签名令牌绑定、强制执行带有密码学随机数（nonces）的严格注册租约，并将网络认证与模型影响力解耦，并通过针对 22 种对抗场景的严格测试，以确保只有经过授权、新鲜且未被撤销的参与者才能影响全局模型。
💻 计算机科学
Adaptive Recursive Learning in Mixture of Experts: A Systematic Review
本综述通过区分混合专家（MoE）架构中的自适应路由与递归学习，提出了递归自适应递归学习（RARL）框架，该框架综合了关于动态计算与专家专业化的现有文献，同时概述了旨在解决路由稳定性及资源受限智能分配等挑战的研究议程。
💻 计算机科学
Project-Aware Validation in Software Defect Prediction: A Controlled Simulation and Real-World Benchmark Study of Evaluation Optimism
本研究通过受控模拟和对真实世界基准测试的二次分析表明，在软件缺陷预测中使用混合随机训练/测试划分，与具备项目感知能力的验证方法相比，会产生系统性乐观的性能估计，从而凸显了建立尊重项目边界的评估协议的紧迫需求。
💻 计算机科学
Trustworthy AI for Dengue Outbreak Forecasting Using a Temporal Fusion Transformer with Explainability and Uncertainty Estimation
本研究提出了一种用于登革热爆发预测的可信人工智能框架，该框架集成了时序融合 Transformer 与概率不确定性估计、内在可解释性以及基于规则的风险分层技术，旨在超越基准模型并支持公共卫生决策。
💻 计算机科学
Quorum-Bounded Asynchronous Federated Learning under Non-IID Data and Adversarial Clients: A Systems Study of Stale-Update Exclusion and Convergence
本研究表明，一种基于法定人数限制（quorum-bounded）的异步联邦学习设计能够有效地将由落后者（straggler）引起的延迟降低高达 72%，且不会显著损害最终精度，尽管研究也揭示了数据异质性会严重放大对抗性客户端所造成的收敛破坏。