💻 计算机科学
Benchmarking Quantum Feature Encoding Strategies for Binary Classification with QSVM
本研究表明，在量子支持向量机的量子特征编码中引入统计关系可以影响二分类性能，但强调最优策略需要平衡预测准确性与电路复杂度，而非仅仅通过增加纠缠度来实现。
💻 Category
cs
4092 篇论文
💻 计算机科学
Transparent Context-aware Retrieval for Mental Health and Substance Use Service Navigation
本研究开发并评估了一种基于 HealthLink BC 名录的透明且具备上下文感知能力的心理健康与物质使用服务检索系统，证明了将语义搜索与显式上下文权重相结合，能够比词法基准提高排序性能，同时也强调了在临床部署前需使用真实世界数据和人类相关性判断进行进一步验证的必要性。
💻 计算机科学
ASWA: An Adaptive Similarity-Weighted Aggregation Algorithm for Communication-Efficient Federated Learning under Non-IID Data
本文提出了 ASWA，一种通信高效的联邦学习算法，该算法通过根据数据规模和更新相似度自适应地加权客户端更新，并优先考虑具有较高损失的客户端，在非独立同分布（Non-IID）数据下提升了准确率并减少了通信轮数，且无需额外的额外数据传输。
💻 计算机科学
Evidence for Whom? Contestability and Socio-Technical Assurance in High-Risk AI Governance
本文认为，现有的高风险人工智能治理框架（如 NIST、欧盟《人工智能法案》、ISO/IEC 42001）通过优先考虑以人工制品为中心的证据，而非进行抗辩所需的基于过程的证据，从而造成了关键的证据缺口，这一结构性缺陷在解释这些要求时固有的歧义性中得到了凸显，并最终损害了受治理利益相关者的程序性与认识论权利。
💻 计算机科学
Agent Guard: Kernel-Enforced Damage Boundaries for AI Agents via Human-Authorized Contracts
本文提出了 Agent Guard，这是一种 Linux 参考监视器，它通过使用基于 eBPF 的 LSM 来确定性地拒绝未经授权的文件和网络访问，并在进程层级间传播严格的“无出口”状态，从而为 AI 智能体执行人类授权的损伤边界，且其开销显著低于现有基准。
💻 计算机科学
Mastyf Guard 1.5B: Cognitive Harvard Architectures for Sub-Millisecond AI Agent Perimeter Defense and Capability-Based Access Control
本文介绍了 Mastyf Guard 1.5B，这是一个轻量级的、基于能力的安全性框架，它通过实现一种“认知哈佛架构”来在物理上将数据摄取与动作执行解耦，从而在实现 99.33% 威胁召回率和标准 CPU 硬件上亚毫秒级延迟的同时，在数学上保证了对间接提示注入的免疫力。
💻 计算机科学
SmartADAPT-Net: Decision-Level Adaptation for Free-Living Smartwatch-Based Activities of Daily Living Recognition
本文介绍了 SmartADAPT-Net，这是一种轻量级神经框架，通过将固定群体模型与两阶段自适应策略（即基于即时观测的修正以及基于用户确认证据的渐进式个性化）相结合，在无需部署时重新训练的情况下，增强了在自由生活环境下基于智能手表的活动识别能力。
💻 计算机科学
A Multi-Layer Behavioral Ransomware Detection Framework Using Stacking Ensemble Learning and LSTM Networks
本文提出了一种新型混合勒索软件检测框架，该框架将多层行为分析与经典机器学习模型及 LSTM 网络构成的堆叠集成模型相结合，通过有效捕捉攻击序列中的判别模式和时间依赖性，实现了 99% 的准确率和卓越的泛化能力。
💻 计算机科学
Machine Learning Validation Pipelines: From Tabular Benchmarking to Conformal Calibration and Execution-Grounded Agentic Testing
本文综合了41项实证研究的发现，旨在提出一个全面的、多层级的验证框架，该框架从防止数据泄露和可解释性审计，进阶到符合性校准（conformal calibration）以及基于执行的智能体测试，从而解决标准验证方法在处理高风险应用时所忽视的关键失效模式，例如类别不平衡和归因失真问题。
💻 计算机科学
A Comparative Study of Skin Cancer Image Classification Techniques
本研究评估了基于 HAM10000 数据集的各种用于皮肤癌分类的深度学习模型，证明了混合模型和 ResNet50 的准确率（分别为 99.78% 和 99.88%）优于其他技术，从而凸显了它们在增强皮肤科早期诊断和资源配置方面的潜力。