cs 篇论文 | Gist.Science

本文提出了 APT-VFSEA 模型，该模型利用变模糊集来量化评估高级持续性威胁（APT）攻击与防御的有效性，通过解决其固有的不确定性和复杂性，并通过实验验证证明了其在真实场景下的准确性。

本研究提出了一种基于肺功能指标的 MICE 算法参数自适应选择方法，证明了该策略通过在具有不同缺失率的 COPD 数据集中保持稳定的预测性能并有效捕捉多变量相关性，其表现优于 PCHIP 插值。

本文介绍了“从监督到控制”（O2C）框架，这是一个由六项功能和支持性条件组成的社会技术模型，旨在通过分析监管工具以及解释与及时干预频繁失效的现实案例，来诊断为何人类监督在处理高风险人工智能系统时往往无法实现有效的控制。

本文提出了 AJIT，一种高保真经典-量子混合框架，该框架通过结合基于 DTCWT 的压缩、准周期酉变换混淆以及拓扑超图验证，实现了 DICOM 医学图像的量子抗性安全共享与多方认证，从而达到无损重建和鲁棒的差分抗性。

本研究引入了跨市场检索增强型 Lag-Llama（CM-RAF-Lag-Llama）框架，证明了通过利用类比的历史窗口来修正预测，将历史检索与预训练的 Lag-Llama 模型相结合，能够显著降低不同权益市场中的预测误差，尤其是在波动率和成交量相关的目标上。

该论文提出了 CFE-UNet，一种用于遥感领域的创新语义分割框架，该框架通过集成一个重构编码器与一个跨特征交换解码器，有效地结合了全局上下文与局部细节，在复杂的城市及自然异质场景中实现了最先进的性能。

本文表明，在数据有限且具有异质性的受限多模态肿瘤学场景下，可审计的证据角色组织——即为分子、表型和临床输入分配特定的、紧凑的角色——是比单纯增加表示规模更关键的跨领域迁移性能决定因素。

本研究提出了一种基于 GraphRAG 的经颅磁刺激（TMS）文献自动化元分析方法，该方法利用基于标题的分块、论文级知识图谱构建以及混合检索技术，实现了高准确度的参数提取，并显著缩短了证据合成所需的时间。

StructFix 是一个结构感知的自动化程序修复框架，它通过集成代码属性图（Code Property Graphs）来更好地捕捉控制和数据依赖关系，从而增强了掩码语言模型，使其与现有的基于标记序列的方法相比，提升了修复的有效性和跨语言的鲁棒性。

该论文提出了 FedVIB–AGP，一种用于联邦学习的聚合后修复框架，该框架在训练期间结合了变分信息瓶颈正则化，并在修复阶段结合了激活间隙剪枝，以在保持高洁净任务准确率的同时，有效抑制分布式后门攻击。