cs 篇论文 | Gist.Science

本文介绍了全自动智能餐厅系统的设计与实现，该系统集成了移动应用程序、物联网基础设施和服务机器人，旨在消除人工干预，从而在显著缩短等待时间、提高订单准确度和交付速度的同时，实现卓越的用户可用性。

本文介绍了 UBET，这是一个无需训练的一样本分割框架，它通过利用冻结的候选区域和解析性的 DINOv2 证据，优先于身份仲裁构建闭合区域假设，从而在无需模型训练的情况下，在多种基准测试中实现了最先进的性能。

本研究表明，深度学习模型能够准确估算跑步、自行车、赛艇及皮划艇运动中 2 mmol·L⁻¹ 乳酸阈值时的心率，在特定运动项目中优于传统方法，但由于跨不同学科的泛化准确度降低，仍需进行针对特定运动的验证。

RheumBench 是首个经过专科验证、基于评分标准的风湿病学基准测试，它评估了十个大语言模型（LLM）及检索增强生成（RAG）系统，揭示了当前模型存在显著的性能差距、系统性过度自信以及潜在的严重遗漏错误，从而强调了在临床决策支持中进行人工监督的紧迫需求。

本系统性文献综述分析了目标检测从传统卷积架构向基于 Transformer 和少样本学习模型的范式转移，强调了它们在简化检测流程和提高数据效率方面的优势，同时通过架构创新和先进的预训练策略来应对诸如计算成本和小目标检测等持续存在的挑战。

这项预注册研究发现，智能体技能中的来源元数据并不能可靠地在匹配的普通指导之外提升任务效用，这表明其价值是依赖于上下文的，并且主要仅在通过改变可执行动作而非仅仅通过捆绑的技能评分时才得以实现。

Policy-TD 通过将经过教师审计的追踪状态（trace states）蒸馏到运行时控制器中，以干预并修复答案承诺失败（answer-commitment failures），从而增强了冻结小语言模型的可靠性，在不降低性能或创造新能力的情况下，显著提升了内部及压力测试的准确率。

本文介绍了 TOAIAF，这是一个具有三阶段决策程序和七个治理组件的运行时 AI 保障控制平面，它在检测设备端智能体 AI 的安全违规、提示词注入和隐私风险方面显著优于基准系统，同时透明地报告了实验局限性，并将其框架映射至主要的国际 AI 安全标准。

本研究提出了一种基于无人机的深度学习系统，该系统利用经过微调的 Mask R-CNN 算法来检测山洪灾害中的漂流受害者，并利用 GPS 元数据估计其运动轨迹，实现了超过 90% 的检测置信度，以增强搜索与救援行动。

本文介绍了 SpikeGate，一种超低功耗、事件驱动的脉冲神经网络门控机制，它通过在检测到异常时才对 Transformer 执行进行占空比控制，从而抑制常规背景信号，显著降低了连续端侧小语言模型推理的能耗。