cs 篇论文 | Gist.Science

本文认为，由于缺乏关于软件变更和人工智能特定属性的结构化、可查询数据，现有的 AI 医疗器械公共监管记录在生命周期监督方面是不充分的，并提出了一种新的数据规范，以解决全球主要司法管辖区的这些关键缺陷。

本文提出了一种多模态无监督异常检测框架，该框架融合了来自 OCR 的文本语义与财务逻辑特征，以有效识别半结构化发票中的结构性异常与欺诈行为，并在真实世界数据上表现优于单模态基准模型。

本文介绍了 CLASP，一种自适应约束强化学习调度器，它通过 PID 控制的拉格朗日价格和价格调节策略来强制执行显式的延迟约束，从而在传统固定权重奖励方法失效的各种变化工作负载下，保持稳定的能效和违规目标。

本文提出并评估了一种多层自适应零信任框架，该框架利用上下文感知信任评分机制和严密的数学建模，旨在证明与传统的基于周边的安全防护相比，该框架能显著降低云环境中的攻击成功率和横向移动。

RadioAI 展示了一个具有可复现性、基于物理原理的多模态深度学习系统，该系统集成了用于胸部 CT、乳腺超声和脑部 MRI 分类的专门架构，并配备了自动模态路由门控器（Gatekeeper）及可解释的可视化工具，通过受控消融研究验证了物理启发式设计组件在经验上的必要性。

该论文介绍了 QuantumRAG，一种通用的、低延迟的检索系统，它将文本嵌入映射到希尔伯特空间中的复杂量子态，从而在标准 CPU 硬件上实现 BERT 级别的准确度并提升 3.6 倍的推理速度，同时对文本、数学和视频等数据模态保持无关性。

本文介绍了 MAANG-AI-450 数据集，用于分析大型科技公司 AI 研究人员的教育背景和引用影响力，揭示了尽管博士训练集中在精英机构，但引用成功呈现高度偏斜，且往往是由当前工作环境而非仅仅由博士学术门第所驱动。

本文介绍了深度几何与量子几何网络（DGN/QGN），这是一种神经符号架构，通过从运动中提取显式的、可解释的微分几何特征并将其直接映射到量子电路参数，实现了具有竞争力的手势识别，证明了当前性能的局限性源于硬件约束而非算法缺陷。

本研究将文献计量分析与人工智能范式视角相结合，以绘制行人检测研究的结构演进图谱，揭示了该领域从手工特征向深度学习和 Transformer 的转变是通过渐进式的知识整合而非突发性转变实现的，从而为理解人工智能的发展提供了一个全新的理论框架。

本研究展示了一个设计科学原型，该原型是一种智能学习管理系统，它利用 ESCO 本体和自然语言处理（NLP）技术来检测中小企业（SMEs）的劳动力技能差距并生成针对性的再培训建议，从而解决在向工业 4.0 和 5.0 转型过程中至关重要的人力资本与技术互补性约束问题。