4092 篇论文
本文提出了一种集成混合框架，该框架结合了用于候选服务商选择的 TF-IDF、语义相似度和协同过滤技术，以及一个利用多任务 BiLSTM 和孤立森林来分析维度特定情感和评论可信度的信任感知评论智能系统，从而通过统一的重排序流水线实现更可靠的服务提供商匹配。
本文证明了，一个使用基于令牌标识（token-identity）的确定性多哈希路由进行专家选择的 2.01 亿参数紧凑型语言模型，可以在长程训练任务上取得具有竞争力的性能，尽管由于缺乏匹配的稠密控制组，该路由机制的具体贡献仍未被隔离。
本文介绍了 Fed-DLC，这是一个轻量级的联邦学习框架，它采用动态密码进行模型交换以确保在资源受限网络中的安全性，证明了其在保持与标准联邦学习相当的任务性能的同时，仅增加了可控的计算开销，尽管其加密安全性仍需进一步验证。
本研究引入了一种可复现的双语自然语言处理（NLP）流水线，该流水线通过将“言行差距指数”（Say-Do Gap Index）架构应用于检测 IBEX 35 指数内企业修辞与代理型人工智能（agentic AI）可观测治理实践之间的分歧，展示了该框架在传统 ESG 领域之外的泛化能力。
本文提出了一种新颖的3D表面重建框架，该框架通过将几何高度权重显式嵌入激活矩阵，并利用带有紧支撑核的K-means聚类，增强了径向基函数（RBF）神经插值，从而实现了对大规模无结构点云的高精度、高计算效率的重建。
本研究提出了一种利用主成分分析和因子分析的无监督机器学习框架，通过推导潜在因子并应用平衡权重，旨在验证并提高大学排名的透明度与稳定性，并最终证明虽然排名个体存在波动，但澳大利亚顶尖大学的整体分布模式与泰晤士高等教育（THE）及QS等既有体系保持一致。
这项预注册研究表明，在具有版本化记忆的小型语言模型中，通过一个独立的二元头来实现弃权，通过将决策与生成 Softmax 解耦，显著优于词表标记和记忆槽，从而使得即使在准确率增益有限的情况下，说“我不知道”的能力也是可学习的。
本文提出了 HEpose，一种利用并行线性层和残差层来有效地从 2D 关节位置估计 3D 人体姿态的混合深度学习框架，其准确度较基准方法提升了 50%。
本文提出了一种资源高效的机器学习框架，该框架通过结合基于 Transformer 的语义分割与可解释的手工特征，仅利用 400 个样本即可从随手拍摄的智能手机图像中预测城市背景噪声水平，从而实现经过心理声学阈值验证的可扩展的公民科学驱动型声学监测。
本研究在求解非自治微分方程的物理信息神经网络框架内，对九种激活函数进行了实证评估，结果表明 GELU 是最稳健的选择，其在最小化残差损失方面的表现优于其他函数。