2456 篇论文
本文表明，虽然系统地改变提示工程元素（如标签描述、指令引导和少样本示例）可以显著提高大语言模型对社会科学文本的分类准确率，但性能提升在超过最小限度的上下文增加后往往是微乎其微的，有时会随着上下文过多而下降，并且在不同模型和任务之间存在实质性差异，因此需要进行个体验证，而非依赖通用规则。
本文提出了一种利用 CNN 和 LSTM 的实用多层深度学习框架，通过解决数据不平衡等关键工程挑战，来检测高级网络安全威胁，并为安全运营中心中可扩展、实时的实施提供指导。
本文提出了一种基于 YOLO26 深度学习模型的智能实时无人机检测与预警框架，用于关键基础设施监控，该模型在自定义的多场景数据库上进行了训练，并通过与基准模型的对比，证明了其在识别小型、远距离及挑战性无人机目标方面具有卓越的准确率和速度。
本文表明，对潜在传输拓扑进行递归索引（RIX）分析可以检测到世界模型中先于行为失效发生的结构性状态转换，从而揭示了即便表示在点层面上保持稳定，其底层的组织结构也可能在压力下发生崩溃。
Tamarin (HSQ) 引入了一种可逆的三层分级 KV 缓存压缩方案，通过将 Token 路由至焦点层、学习到的摘要向量以及基于 CPU 的存档层，在保持接近基准水平的困惑度（perplexity）和检索准确度的同时，实现了长上下文大语言模型推理中 12–28 倍的 GPU 显存缩减。
本文提出了一种借鉴自汽车 J3016 标准的分级自治框架，通过将系统划分为三个领域和六个等级来管理医疗领域的代理式人工智能，旨在实现能力与授权的分离，从而通过一个自主脓毒症管理的实际案例，解决当前评估指标中存在的安全性差距问题。
本文提出了一种针对文本流的自适应风险贝叶斯在线变化点检测方法，该方法通过狄利克雷-多项式公式根据词汇分布漂移动态调整重置概率，证明了在涉及渐进式或微弱词汇变化的情景下，其具有改进的检测性能并降低了延迟。
本文证明了在处理大规模物联网入侵检测任务时，结合互信息特征选择的孤立森林算法在 NF-ToN-IoT-v3 数据集上通过实现更高的准确率、F1 分数和 AUC，同时保持较低的计算复杂度，其表现优于自动编码器和集成学习方法。
本文介绍了 PromptShield，这是一个可解释的多智能体框架，它将基于 Transformer 的语义分析与 SHAP 和 LIME 等 XAI 技术相结合，以有效地检测并解释大语言模型中的提示注入攻击。
本文提出了一种将幻觉视为序列标注问题的时序多信号融合方法，通过使用 BiGRU 结合文本统计、NLI 蕴含和语言模型惊异度，在利用时序上下文而非模型容量的基础上，在 RAGTruth 上实现了 0.840 的显著 AUC 提升，同时在闭源和未见模型上保持了有效性。