💻 计算机科学
Lightweight Dual-Path Network with Dynamic Distillation for Industrial LED Defect Recognition
本文提出了一种具有动态蒸馏功能的轻量化双路径网络，旨在解决工业 LED缺陷识别中的挑战，通过自适应层次融合和双层知识迁移方案，在不平衡数据集上实现了高精度和高泛化性。
💻 Category
cs
4092 篇论文
💻 计算机科学
A human-validated procedure for linking PhD dissertation metadata to OpenAlex author profiles
本文提出并验证了一种通用的、经人工验证的方法，该方法结合了字符级、主题级和基于 Transformer 的相似性度量，以可靠地将博士论文元数据与 OpenAlex 作者档案进行关联，从而实现高精度地追踪学术职业轨迹，并揭示了大约 17.3% 的北美博士毕业生无法与其后续发表的论文建立关联。
💻 计算机科学
Structured Scaling of AI Discovery Across Diverse Scientific Domains
该论文介绍了 SIMPLETES，这是一个通过在迭代轨迹中组织评估信号并选择性地重用历史记录来构建 AI 驱动的科学发现的框架，使单个开源模型能够在 28 个不同的科学领域中实现最先进的结果，并通过基于结果的后训练进一步提升。
💻 计算机科学
Multi-Depot Vehicle Routing Problems: A Narrative Review of Problem Variants, Algorithms, and Benchmarking Practices (2021–2026)
本叙述性综述系统地分析了 2021 年至 2026 年间发表的 100 项关于多库车辆路径问题（MDVRP）的研究，强调了该领域向包含时间窗和可持续性等复杂现实约束的演进、混合元启发式算法与新兴学习型方法的并存主导地位，以及基准测试实践仍处于不一致状态的现状。
💻 计算机科学
Complementary t-SNE-UMAP Optimization for High-Dimensional Data Visualization
本文提出了一种混合 t-SNE-UMAP 优化方法，该方法利用 UMAP 的图结构来初始化并强化 t-SNE 的局部邻域保持能力，尽管在密度保持方面有所权衡，但在九个数据集上均在可信度（trustworthiness）和邻域召回率（neighborhood recall）方面取得了统计学意义上的显著提升。
💻 计算机科学
Training-Free Monocular-Stereo Depth Fusion with Sparse Geometric Anchors for Robust Depth Perception
本文提出了一种无需训练的框架，该框架通过跨模态尺度对齐与边缘感知传播，将稠密单目深度先验与稀疏、高置信度的立体几何锚点进行融合，以实现鲁棒的零样本深度感知，并在边缘区域精度方面超越了现有方法。
💻 计算机科学
Agent-Driven Multi-View Facial Prior Learning for Identity-Preserving Pose-Guided Generation
该论文提出了 ADF-Pose，这是一个由代理驱动的框架，其特征是包含一个身份先验提取器和一个多模态身份转换器，旨在通过在姿态引导的人像生成中有效保留面部身份和细粒度细节，特别是针对现有方法难以应对的大幅度姿态变化情况。
💻 计算机科学
CDA-YOLO: An Improved YOLOv11 Model for PCB Defect Detection
该论文提出了 CDA-YOLO，一种增强型 YOLOv11 框架，该框架通过引入跨层双向特征金字塔网络、轻量化双尺度卷积模块以及无参数平均注意力机制，旨在通过解决微小目标和复杂背景带来的挑战，显著提高 PCB 缺陷检测的准确性。
💻 计算机科学
Explainable and Leakage-Aware District-Level Wheat Yield Prediction Using Ensemble Learning, Recurrent Neural Networks, and a Lightweight Transformer: A Case Study of Madhya Pradesh, India
本研究提出了一个用于印度马德里亚邦地区级小麦产量预测的可解释、防泄漏框架，证明了严格的验证协议和历史产量数据的引入对于预测准确性的重要性高于模型复杂度，其中 Elastic Net 在受保护测试中表现最佳。
💻 计算机科学
Beyond Mean Scores: Individual- and Trait-Level Agreement Between Human and Generative AI Raters in EFL Writing Assessment
本研究表明，尽管当前的生成式人工智能模型表现出较高的内部稳定性，但与人类评分者相比，它们在一致性、系统性严重程度偏差以及应用特定评分准则方面表现较低，这表明与人类双重评分相比，它们更适合作为受监督且由差异触发的辅助手段，而非在具有后果性的英语作为外语（EFL）写作评估中进行自主替代。