💻 计算机科学
A Residual Transformer Framework for Biomechanics-Aware Yoga Posture Recognition and Feedback
本文提出了残差生物力学 Transformer 网络（RBTNet），这是一种结合了 YOLOv8m-Pose 关键点检测与基于 Transformer 的时序分析的深度学习框架，旨在实现对八种瑜伽姿势 98% 的分类准确率，并基于生物力学关节角度偏差生成纠正性反馈，且无需用户特定数据。
💻 Category
cs
4092 篇论文
💻 计算机科学
Sentinelbi AI: an AI-Powered Business Intelligence System for Revenue Monitoring and Anomaly Detection
本文介绍了 SentinelBI AI，这是一个可部署的商业智能平台，它集成了孤立森林（Isolation Forest）和 LSTM 自编码器（LSTM Autoencoder）模型来检测异常的电子商务营收模式，并将它们的输出融合为一个通过交互式 Streamlit 仪表板进行访问的三级警报系统，以提供可操作的决策支持。
💻 计算机科学
Predicting Customer Churn in Telecom Services Using Machine Learning
本研究介绍了 ChurnGuard AI，这是一个已部署的机器学习流水线，利用逻辑回归模型以高召回率预测电信客户流失，并集成到交互式 Streamlit 仪表板中，以促进数据驱动的留存策略。
💻 计算机科学
Reasoning-Aware Error-Bounded KV-Cache Compression and Sparse Attention for Long-Context LLMs
本文提出了一种推理感知框架，该框架通过动态结合误差受限的 KV 缓存压缩与稀疏注意力机制，在形式上通过校准的丢弃质量界限保证注意力输出精度，从而显著降低长文本大语言模型推理中的内存、计算量和延迟。
💻 计算机科学
Computational representations and evolutionary functions of emotions (Part 1): Reward signals
本文表明，针对情绪相关任务优化强化学习智能体，会自然产生与生物情绪核心特征相一致的内部奖励信号，从而支持了情绪通过改变行为以追求无形目标的这一原则。
💻 计算机科学
Comparative Evaluation of Traditional Machine Learning and Transformer Models for Fake News Detection
本研究系统地将四种传统机器学习模型与四种基于 Transformer 的模型在五个公开数据集上进行了基准测试，结果表明，虽然像 RoBERTa 这样的 Transformer 架构在虚假新闻检测准确率方面显著优于传统方法，但它们也产生了高出许多的计算成本，从而为在不同资源约束下的模型选择提供了关键的权衡见解。
💻 计算机科学
Only the Tens Count, but Trumps Decide: Formalising and Benchmarking Dahal Jeet, a Nepali Variant of Mendikot
本文正式定义了此前未被记载的尼泊尔纸牌游戏 Dahal Jeet，并提出了一个全面的计算基准，证明了基于搜索的智能体优于学习方法，同时揭示了将牌长（trump length）作为比得分牌更强的胜利预测因子，以及控制发牌方差对于准确衡量人类与智能体性能差异的重要性。
💻 计算机科学
Selecting Denoisers for Frozen Pedestrian Detectors Under Gaussian Noise and JPEG Acquisition: Degradation Matching over Restoration Fidelity
本研究表明，对于在高斯噪声和 JPEG 获取条件下受损的行人检测器，基于退化模型匹配来选择去噪器对于恢复检测性能至关重要，而依赖于 PSNR 或 SSIM 等传统修复保真度指标则可能导致次优的选择。
💻 计算机科学
AlamX: A Privacy-Preserving Local AI Framework for Symptom-Based Disease Prediction and Conversational Clinical Triage
AlamX 是一个保护隐私、完全本地化的临床智能平台，它结合了基于随机森林的症状与生命体征分诊系统以及本地执行的生物医学大语言模型，旨在提供准确且具备不确定性感知能力的疾病预测及对话式健康指导，且无需将敏感用户数据传输至远程服务器。
💻 计算机科学
Perceived Quality of Siloed Versus Time-Synchronized Data Architectures for AI-Based Digital Mental Health: A Within-Subjects Scenario Study
一项针对美国成年人的被试内情景研究发现，与传统的孤岛式框架相比，用户对基于人工智能的数字心理健康系统中时间同步且集成的数据架构在系统质量、信息质量及净收益方面感知更为正面，尽管这些适度的感知优势仍需通过功能原型测试进行进一步验证。