Tracing Everyday AI Literacy Discussions at Scale: How Online Creative Communities Make Sense of Generative AI
该研究通过分析 12 万条 Reddit 创意社区讨论，揭示出生成式 AI 素养并非静态的理论概念，而是一种以实践技能为核心、随重大事件动态演变的有机过程，呼吁相关方据此制定更贴合社区需求的资源与政策。
💻 Category
cs
8217 篇论文
Intelligent Spatial Estimation for Fire Hazards in Engineering Sites: An Enhanced YOLOv8-Powered Proximity Analysis Framework
该研究提出了一种基于增强型 YOLOv8 的双模型框架，通过结合火/烟实例分割与 COCO 预训练目标检测，实现从火灾识别到基于像素距离换算的实时风险量化评估，从而在工程现场提供可部署的智能火灾预警与态势感知系统。
3D UAV Trajectory Estimation and Classification from Internet Videos via Language Model
本文提出了一种无需人工标注的框架，通过利用语言模型从互联网视频中自主获取数据、生成训练免费的跨模态标签并结合物理约束进行轨迹优化，实现了 UAV 的 3D 轨迹估计与分类，并在零样本迁移实验中展现出随数据规模增长而持续提升的鲁棒性能。
High-Slip-Ratio Control for Peak Tire-Road Friction Estimation Using Automated Vehicles
本文提出了一种利用自动驾驶车辆在空载工况下主动激发高滑移率以估算峰值轮胎 - 路面摩擦系数的控制框架，通过结合简化的魔术公式模型、考虑安全约束的最优控制策略及基于分箱的统计投影方法，实现了在保障行车安全的同时对路面摩擦特性进行高精度、可扩展的评估。
Provably Safe Trajectory Generation for Manipulators Under Motion and Environmental Uncertainties
该论文提出了一种结合深度随机 Koopman 算子模型、分层验证机制（并行物理仿真与 SOS 规划）及模型预测路径积分控制器的新型风险约束运动规划框架，旨在为运动和环境不确定性下的机械臂在复杂非凸环境中生成具备形式化碰撞风险保证的安全高效轨迹。
OmniEdit: A Training-free framework for Lip Synchronization and Audio-Visual Editing
OmniEdit 是一种无需训练的框架，通过用目标序列替代 FlowEdit 中的编辑序列并消除生成过程中的随机性，实现了高效且稳定的唇形同步与音视频编辑。
Chain of Event-Centric Causal Thought for Physically Plausible Video Generation
本文提出了一种名为“事件中心因果思维链”的新框架，通过物理驱动的事件链推理和过渡感知跨模态提示两个核心模块，将物理现象分解为因果相连的动态事件序列，从而显著提升了视频生成模型在物理合理性方面的表现。
Class Model Generation from Requirements using Large Language Models
本文提出了一种结合大语言模型裁判与人工评估的双重验证框架，通过链式思维提示从自然语言需求自动生成 UML 类图，并验证了包括 GPT-5 在内的多种先进大语言模型在生成质量及评估可靠性方面与人类专家的高度一致性。
MedKCO: Medical Vision-Language Pretraining via Knowledge-Driven Cognitive Orchestration
该论文提出了 MedKCO 方法，通过构建基于诊断敏感性和样本代表性的两级课程学习顺序，并引入自适应非对称对比损失，解决了现有医疗视觉 - 语言预训练模型因同时学习简单与复杂概念而导致的特征表示次优问题，从而在多种下游任务中显著提升了性能。
Training-free Motion Factorization for Compositional Video Generation
该论文提出了一种无需训练的运动分解框架，通过将复杂运动解耦为静止、刚体和非刚体三类，并采用“先规划后生成”的范式来结构化提示词并解耦生成过程，从而实现了在多种扩散模型中高质量的多实例组合视频生成。
Progressive Representation Learning for Multimodal Sentiment Analysis with Incomplete Modalities
本文提出了 PRLF 框架，通过自适应模态可靠性估计器和渐进式交互模块，有效解决了多模态情感分析中因模态缺失导致的特征不对齐问题，并在多种缺失场景下实现了优于现有方法的鲁棒性能。
Nezha: A Key-Value Separated Distributed Store with Optimized Raft Integration
本文提出了 Nezha 系统，通过创新性地结合键值分离架构与 Raft 共识协议，优化了持久化策略并引入分级垃圾回收机制，有效解决了传统一致存储中因重叠 I/O 操作导致的性能瓶颈，显著提升了读写吞吐量。
From Verification to Amplification: Auditing Reverse Image Search as Algorithmic Gatekeeping in Visual Misinformation Fact-checking
该研究通过对谷歌反向图片搜索的系统审计发现，在视觉虚假信息核查中，辟谣内容在搜索结果中的占比不足 30%，且常因无关信息和重复谣言的干扰而面临可见性挑战，揭示了算法作为信息守门人在视觉领域可能加剧而非缓解虚假信息传播的机制。
AgenticCyOps: Securing Multi-Agentic AI Integration in Enterprise Cyber Operations
本文提出了 AgenticCyOps 框架，通过系统性分解多智能体系统的攻击面、确立工具编排与内存管理为核心信任边界，并制定五项防御原则，为符合主流合规标准的 enterprise 级安全运营中心（SOC）工作流提供了纵深防御架构，显著降低了可被利用的信任边界。
Transformer-Based Multi-Region Segmentation and Radiomic Analysis of HR-pQCT Imaging
该研究首次提出基于 SegFormer 变换器的全自动框架，对 HR-pQCT 图像进行多区域（包括骨骼及皮肤、肌腱、脂肪等软组织）分割并提取放射组学特征，结果表明利用软组织特征进行骨质疏松分类的效能优于传统骨参数模型，显著提升了诊断准确性。
Rotation Equivariant Mamba for Vision Tasks
该论文提出了首个旋转等变视觉 Mamba 架构 EQ-VMamba，通过引入旋转等变交叉扫描策略和群 Mamba 模块，在显著减少参数量的同时提升了模型对旋转变换的鲁棒性及在分类、分割和超分辨率等任务中的综合性能。
Agentic AI as a Network Control-Plane Intelligence Layer for Federated Learning over 6G
该论文提出了一种基于智能体（Agentic AI）的 6G 网络控制平面智能层，通过整合检索、规划、编码与评估等专用智能体，将联邦学习视为学习与网络管理的联合任务，从而在动态网络条件下实现高效的客户端选择、资源调度及自适应训练。
A PTAS for Weighted Triangle-free 2-Matching
本文针对加权无三角形 2-匹配问题（WTF2M），提出了一种基于简单局部搜索算法及其非平凡分析的 PTAS，从而在多项式时间内实现了任意精度 的近似解，突破了该问题此前仅有 近似比的局限。
Walking on Rough Terrain with Any Number of Legs
该论文提出了一种适用于 6 至 16 条腿机器人的分段式控制架构，通过结合事件级联与中枢模式发生器（CPG）的优势，实现了在粗糙地形上的自适应高效运动，并可为机器学习控制器的训练提供轻量级基础。
Modeling Trend Dynamics with Variational Neural ODEs for Information Popularity Prediction
本文提出了基于变分神经常微分方程的 VNOIP 方法，通过引入带注意力机制的双向跳跃 ODE 来显式建模信息流行度的连续时间动态趋势，从而显著提升了社交网络中信息流行度预测的准确性与效率。