4092 篇论文
这项针对37名高中生的探索性研究表明，尽管参与者无法显著区分人类与ChatGPT生成的编程解决方案，但他们对3D虚拟形象导师的接受度并不受先前编程经验或虚拟形象熟悉度的影响，这凸显了将生成式人工智能整合进教育中的乐观情绪与怀疑态度并存的现状。
本文提出了一种基于分层强化学习的框架，将壁画修复分解为协调的高层区域选择与低层自适应操作，并利用可逆特征约束，在复杂的退化壁画中有效平衡噪声抑制、结构保真度与保守的色彩恢复。
本文介绍了 QTR-Net，一种用于自主导航的统一量子辅助与信任感知 Transformer 框架，该框架集成了轨迹预测、动态信任映射以及混合量子-经典路径优化，旨在复杂的交通环境中实现鲁棒且自适应的控制。
本研究表明，将经过 LoRA 改编的 Stable Diffusion 与 ControlNet 相结合用于合成数据增强，能够适度提升基于 YOLOv8s 的水下垃圾检测性能，尽管其有效性因物体类别而异，并取决于生成图像的质量以及标注的一致性。
本文提出了一种全面的阿拉伯语宣传检测流水线，该流水线展示了由 GPT-4.1 驱动的少样本数据增强如何显著优于传统方法，使微调后的 BERT 模型能够达到超越以往基准和少样本大语言模型方法的先进水平（F1-Micro=0.66），同时揭示了在这一低资源、不平衡的设定下，语言特征具有负面影响，而数据增强才是成功的关键因素。
CandidateFusion-MKAN 是一个统一的框架，通过整合模态支持的候选集学习、候选集似然以及有界自适应软目标，有效地处理多样化监督、缺失或退化的证据以及冲突或互补的线索，从而实现鲁棒的单输出多模态危机分类。
本文介绍了 HoKuVit，这是一种可扩展的卷积视觉 Transformer，它将基于 Kuramoto 的卷积层和基于 Hopfield 的线性层集成到振荡神经网络（ONN）架构中，在实现 CIFAR-10 状态最佳性能的同时，展示了将 ONN 扩展到深度人工智能流水线的可行路径。
本文介绍了一种几何感知型 LegONet (gLegONet)，这是一种模块化算子学习框架，它通过在环境谱域上对变分块进行预训练，并利用由边界定义的仿射流形将其适配到任意目标域，从而将物理机制与特定几何结构解耦，进而实现可复用的 PDE 求解与规律发现，且无需针对特定几何结构进行重新训练。
本文介绍了“沙特人工智能法律语料库”，这是一个包含 290 部沙特立法工具的、全面的、官方来源且可审计的文章级数据集，其特点是具备独特的溯源追踪、如引用图谱和定义术语表等结构化分析层，以及一个证明了元数据增强搜索在阿拉伯语法律自然语言处理领域优于标准基准的检索基准测试。
本文通过利用大语言模型（LLM）和自定义义项库构建一个义项增强型平行语料库，解决了梵英机器翻译中的词汇歧义挑战，并证明了显式引入词义信息能显著提高不同模型架构的翻译质量。