cs 篇论文 | Gist.Science

本文提出了一种贡献感知型联邦边缘学习算法（CA-FE-MADDPG），该算法通过整合空间干扰建模、细粒度惩罚机制以及启发式引导初始化，旨在解决大规模物联网网络中的频谱干扰、不公平的信用分配以及环境非平稳性问题，从而显著提升系统吞吐量、接入率及服务质量。

本文提出了一种名为 ADEST-U-Net 的双编码器架构，该架构利用从 MRI 脑肿瘤模型中进行的跨器官和跨模态迁移学习，旨在显著提高数据匮乏条件下 CT 扫描中肝脏肿瘤分割的准确性并减少误报。

本文提出了一种由五个智能体组成的生成式人工智能框架，该框架将技术分析、基本面分析、情绪分析与异常检测及基于大语言模型的推理相结合，为印度股票市场提供具有可解释性且具备置信度感知能力的预测，实现了72%的方向准确率和78%的跨智能体共识。

本文提出了一种用于工业5.0教育环境下的以人为本调度管理软件框架，该框架集成了时型感知优化、自适应准则权重分配以及智能决策支持，旨在显著提高调度质量、学生福祉和学术成果，同时确保所有参与群体之间的公平性。

本文提出了 AgileOps 智能体框架（AAF），这是一个多智能体决策支持系统，它将专业的 DevOps、SRE、FinOps 和 DevSecOps 推理与可解释且基于证据的分析相结合，旨在帮助项目经理将碎片化的运维遥测数据转化为可操作的治理建议，并通过受控场景和真实微服务基准测试进行了验证。

本文介绍了 SWIFT，这是一个无梯度、白盒框架，通过将稀疏转向向量手术式地注入对齐大语言模型的深层关键层，以实现高可审计性、可逆性和局部性的被抑制能力的恢复，在修改不足 1% 参数的情况下，用不到 10 秒的时间达到了接近全监督微调的性能。

本文提出了LADMF，一个将大语言模型增强的知识图谱推理与解耦多模态融合以及反事实因果注意力相结合的统一框架，旨在显著提高电子商务转化率预测的准确性，并生成人类可读且忠实的解释。

本文对用于印度尼西亚虚假信息检测的微调后 IndoBERT 模型进行了系统的逐层分析，揭示了关键的谣言相关特征在中间层形成并在高层进行巩固的持续三阶段表征演变过程，同时强调了 [CLS] 与均值池化表示之间的不同功能角色。

本文提出了 DLMC_Net，这是一种结合了定制化 CNN、自适应自注意力模块和 Borderline SMOTE 的新型深度学习框架，旨在通过字节码图像实现多类恶意软件分类的顶尖准确率（99.92%），其性能显著优于已有的基准模型。

本文介绍了一种生成式智能体框架，该框架成功地模拟并量化了“静默离职”现象，揭示了尽管投入策略能显著降低离职意向，但其有效性受到员工人格特质的关键调节，从而为精准化危机管理建立了一个计算测试平台。