💻 计算机科学
Suggestible Judges Asymmetric Conformity in Large Language Model Adjudication
本研究表明，作为裁判者的某些大语言模型表现出对特定标签线索（尤其是“FALSE”值）的非对称性、呈现驱动型从众行为，而非对实质内容的公正评估，且这种易感性在不同厂商之间存在显著差异，并可通过指令微调得到缓解。
💻 Category
cs
4092 篇论文
💻 计算机科学
H-Elena: Weight-Encoded Malicious Behavior and Cross-Architecture Propagation through Fine-Tuning
本文介绍了 H-Elena，这是一个被篡改的编程大语言模型，它展示了触发器条件的恶意行为如何被编码进模型权重，并如何通过微调工作流持久地传播到不同的架构中，从而揭示了人工智能开发中一种新的关键供应链风险。
💻 计算机科学
Computational model of multi-source data fusion for submarine cable threat detection
本文提出了一种多源数据融合计算模型，该模型通过图卷积和 Dempster-Shafer 理论集成了电缆拓扑、AIS 轨迹和水声数据，与单源方法相比，显著提高了海底电缆威胁检测的准确性以及针对欺骗攻击的鲁棒性。
💻 计算机科学
HUE-OOD: Hybrid Uncertainty–Evidential Dynamics for Out-of-Distribution Detection
HUE-OOD 是一个事后（post-hoc）框架，它通过结合预测、表示和证据不确定性信号，并采用一种无需参数的基于秩（rank-based）的融合策略，在多种基准测试中增强了分布外检测的鲁棒性，且无需对预训练分类器进行任何修改。
💻 计算机科学
A Two-Stage Optimization Algorithm for Booking Allocation in Short-Term Group Apartment Rentals: A Case Study
本文介绍了一种在低代码开源平台上实现的两阶段整数规划算法，该算法取代了特拉维夫一家短租运营商的手动流程，通过优化预订分配而非定价，实现了收入 3.5% 的增长和处理时间 90% 的缩减。
💻 计算机科学
When Network Topology Supports Graph-Based Intrusion Detection: A Pre-Deployment Validity Framework
本文提出了一种部署前有效性框架，通过图结构可微性（Graph Structural Differentiability）和显著性隔离（Prominence Isolation）来评估网络拓扑，以确定结构信号是否足以进行有效的基于图的入侵检测，并揭示了高结构不平等性本身并不保证攻击选择性的性能，且在投入资源之前必须考虑时间敏感性。
💻 计算机科学
Beyond the Largest Gap: Multi-Boundary Ranked-List Truncation for Multi-Hop Retrieval
该论文提出了 GapR，一种快速且有效的多边界排序列表截断方法，它通过识别多个信息量丰富的得分边界而非仅仅依赖单一的最大间隙，从而在平衡证据覆盖范围与计算效率的同时，提升了多跳检索性能和下游回答质量。
💻 计算机科学
Why collective AI assurance cannot target agents or networks in isolation
本文通过析因实验证明，集体人工智能结果产生于结构性原因与行为性原因可分离且具有上下文依赖性的特定交互机制，从而证明有效的 AI 保障不能孤立地针对智能体或网络，而必须聚焦于其交互过程中的动态因果结构。
💻 计算机科学
Benchmarking Gradient Boosting and Explainable AI for Credit Default Prediction on Imbalanced Financial Data: A Leakage-Safe Multi-Seed Evaluation with SHAP and LIME
本文建立了一套严谨且防泄漏的信用违约预测基准测试协议，证明了梯度提升集成模型在不平衡金融数据上的表现显著优于逻辑回归和 TabNet，同时揭示了事后阈值调优使得合成重采样变得多余，并强调了在模型风险管理中验证 SHAP 与 LIME 之间解释差异的紧迫性。
💻 计算机科学
Beyond Prompt Injection: Trust-Boundary Security Assurance for LLM-Integrated and Agentic Applications
本文提出了一种方法论层面的信任边界安全保障框架，该框架通过对集成大语言模型（LLM）及智能体（Agentic）系统进行建模，将不断演进的语义威胁转化为可验证、可测试的安全控制措施及基于证据的报告。