cs 篇论文 | Gist.Science

本研究引入了一种课程分析框架，通过共享的详细工作活动本体，将计算机科学课程信号映射至数据科学家职业需求，揭示了虽然课程涵盖了所有必要任务，但在其相对权重方面存在显著的强调差距。

本文通过一个利用 Claude Code 多智能体编排开发生产级医疗平台的综合案例研究，建立了人机能力框架，量化了不同 AI 配置下的性能增益，并提出了旨在提高生产力并降低成本的 Token 优化策略。

本文证明了医院层面的患病率失配是导致跨机构 ICU 死亡率模型校准失效的一个主要且可量化的原因，并表明仅使用局部死亡率进行的简单贝叶斯修正即可在不需要标记目标数据的情况下有效恢复校准。

本文表明，基础模型的推理能力表现出随架构而异的层特定脆弱性模式，揭示了虽然均匀量化在高比特位宽下足以适用，但通过由层局部脆弱性图谱引导的混合精度策略，可以在不牺牲性能的情况下实现低于四比特的显著压缩。

本文介绍了一种轻量级、与骨干网络无关的安全包络层，该层通过封装冻结的基础模型，提供可证明的有界预测偏差、校准置信度以及鲁棒的分布外拒绝功能，从而确保在不同中心和架构下进行临床牙科诊断所需的可靠性。

本文介绍了 VozConsultAI，一种用于巴西葡萄牙语远程医疗中自动生成 SOAP 记录的与供应商无关的微服务架构，并展示了首次使用一种全新的、以临床为基础且优先考虑安全性并惩罚幻觉的评估指标对开源权重大语言模型进行的对比基准测试。

本文提出了一种结合多种可解释人工智能（XAI）方法的人类监督元模型框架，旨在为阿拉伯语情感分析生成更具合理性且符合人类认知的解释，在利用 CatBoost 实现 F1 分数显著提升 0.84 的同时，与以往的集成方法相比牺牲了一定的忠实度。

本文提出了 AM-RAF，这是一种概念性的六层架构，它整合了智能体推理、检索增强生成以及不确定性门控延迟技术，旨在为面临连接性与公平性挑战的资源受限型医疗系统，构建一个值得信赖且保护隐私的临床决策支持系统。

本文引入了一种统一的三轴量子风险可观测性模型，该模型通过算法抗性、信道保护和密码敏捷性对资产进行评估，并辅以开源实现（Sezar）以及在 TLS、QKD 和敏捷性场景下的实证验证，旨在解决当前单轴发现工具的局限性。

本文提出了一种面向车载边缘计算的移动性驱动任务卸载框架，该框架利用异步优势行动者-评论家（A3C）深度强化学习算法来优化调度决策，从而在动态车辆环境中有效地最小化延迟和能量开销，同时确保可靠性。