cs 篇论文 | Gist.Science

本文介绍了代理树（Agent Tree, A-Tree），这是一种神经网络树的可解释性扩展，它利用专门的代理和一步前瞻机制来增强高风险领域的决策透明度与准确性，并通过在计算机视觉专利分类及创新规则挖掘中的成功应用进行了验证。

本文介绍了 MAFL-PdM，这是一个多智能体联邦学习框架，它利用联邦后个性化技术，在保护数据隐私的同时，在预测异构工业物联网站点的设备剩余使用寿命方面，显著优于集中式训练和联邦基准模型。

本文证明了在共享云端 FPGA 上的完全无特权共同租户，可以通过利用 DDR4 行缓冲（row-buffer）时序侧信道，通过逆向工程银行映射（bank mapping）以及跨多次加密的统计聚合，克服“每银行一个插槽”的限制，从而从受害者处恢复完整的 AES-128 主密钥。

本文提出了一种混合深度集成入侵检测系统（HDE-IDS），该系统通过将增强型 Transformer 的深度神经网络与 XGBoost 以及自适应零信任安全相结合，旨在显著提高工业物联网基础设施中恶意软件检测的准确性、稳定性及实时韧性。

本文提出了一种具有结构感知课程学习的语义增强多任务框架，利用 Qwen2-7B-Instruct 和生成式语义角色标注来解决语义失配并优化训练动态，从而显著提升低资源神经机器翻译的性能。

本文介绍了一种动态自适应多模态图融合网络（DAMGF-Net），这是一种新型深度学习模型，能够动态整合遥感、社交媒体、物联网和地震数据，从而在地震、洪水、火灾及烟雾的多灾种识别中实现高度准确、可解释且近实时的监测。

本研究介绍了 FZ-VLM，一种新型的两阶段 Florence-Zephyr 视觉语言模型框架，该框架能够自动从肺部 CT 扫描中提取放射学属性，并生成具有临床相关性的结节描述及随访建议，证明了其与现有 AI 基准和人类专家相比具有更高的准确性和完整性。

本文介绍了 TurkCite，一个用于对土耳其学术文献中的引用意图进行分类的框架及专家标注数据集，证明了特定语言的 Transformer 编码器优于基于翻译的迁移，同时为非英语文献计量分析提供了经过提示词优化的、作为有效免训练替代方案的大型语言模型。

本文提出了 SI-GP，一种求解器知情的遗传编程超启发式算法，该算法通过从高质量参考解中提取并选择特定实例的启发式特征，增强了针对带时间窗的随机团队定向问题（STOW）的可解释调度规则，从而在保持规则可读性和稳定性的同时，性能优于现有基准算法。

本文提出了 RC-NSGA-II，这是一种新型多目标优化算法，该算法集成了基于 K-means 的子空间贡献驱动资源分配、随机密钥编码以及自适应局部搜索，旨在有效解决复杂的卡车-无人机协同配送三目标问题，并在各种基准实例中展示了在解质量和效率方面的卓越性能。