2456 篇论文
本研究表明，一种结合了灵活容量约束的蚁群优化方法在实际的哥伦比亚入境物流网络中显著优于地理聚类基准模型，在实现车队规模、行驶距离和运营成本大幅降低的同时，最大化了车辆利用率。
本研究表明，在基于 DistilBERT 的自动作文评分模型中，将人口统计学元数据与文本输入进行天真的拼接，与仅使用文本的基准模型相比，会显著降低预测准确性、增加训练损失并加剧评分偏差。
本文介绍了 StainSolver，这是一种通过使用高效的 DPM-Solver++ 替换 StainFuser 扩散模型中的 PNDM 调度器，并利用一种新颖的染色标准化质量评分（SNQS）进行性能评估，从而在无需重新训练的情况下实现显著加速并提升质量的方法，用于病理组织染色标准化。
FlashSpec 是一个开源的自适应投机解码引擎，它通过一种用于设备端验证的新型 词表大小 Triton GPU 核函数，以及一种用于动态草稿模型选择的在线多臂老虎机机制，实现了对目标模型分布的精确保持，在显著加速大语言模型（LLM）推理的同时，消除了 CPU 瓶颈和人工调优的需求。
本文提出了一种结合自动编码器（Autoencoders）与孤立森林（Isolation Forests）的混合无监督异常检测框架，通过结合 TF-IDF 和 BERT 特征来有效识别虚假电子商务评论，通过消除对标注训练数据的需求，为监督学习方法提供了一种可扩展且具有成本效益的替代方案。
本文提出了一种创新的深度学习框架，该框架将长期的运动与认知双任务数据与分块重采样、SMOTE 数据增强以及 Transformer 模型相结合，以 80% 的精确度准确预测两年的认知下降，其表现优于传统的 MRI 和基于生物标志物的方法。
本文提出了一种可信且可解释的集体学习（TECL）方法，该方法并非简单地消除多视图数据中的冲突，而是主动利用这些冲突来评估个体一致性、优先排序视图，并生成可靠且具解释性的集体决策。
本文提出了一种基于词嵌入、利用邻近词替换的计算高效型数据增强策略，该策略显著提升了命名实体识别的性能，并在五种语言中为实体链接带来了适度的增益，从而解决了多语言健康信息学中标注临床文本有限的挑战。
本文介绍了 UD-Quran，它是对扩展古兰经树库（Extended Quranic Treebank）进行的 Universal Dependencies v2 转换，旨在将形态和句法标注标准化为两种可互操作的变体（表层形式与增强形式），从而在保持对原始语料库可追溯性的同时，实现与现代 NLP 工具一致的古兰经解析。
本文介绍了 TRNEWS-2025，这是一个涵盖截至 2025 年九个不同类别的大规模人工标注土耳其语新闻数据集，通过基于 Transformer 和经典深度学习模型的实验，该数据集已被验证可有效用于文本分类和自然语言处理研究。