4092 篇论文
本文介绍了一种受 T 细胞识别机制启发的新型深度学习架构——免疫突触网络（Immunological Synapse Network, ISN），该架构通过动力学校检（kinetic proofreading）过滤瞬态信号，从而有效地检测时间序列数据中持续存在的微弱异常，在由时间连续性而非瞬时幅度定义的任务上表现优于标准模型。
本可行性研究评估了经典机器学习与深度学习模型在加纳会计师长部财务报告上的表现，结果显示，尽管经过微调的 XGBoost 实现了完美的类别分类，但随后的消融实验表明关键词特征显著夸大了这些结果，从而强调了在公共部门背景下部署此类工具之前进行严格特征验证的至关重要性。
本文提出了 Gdlcn–dsbo，这是一个结合了图依赖标签卷积网络（GDLCN）与深度调度蝴蝶优化算法（DSBO）的混合框架，旨在优化多目标云资源与任务分配，从而在动态物联网环境中提升系统效率、降低成本并确保公平性。
本文提出并合成评估了一套针对资源受限型中小企业中弹性数据流水线的七种设计模式候选模式语言，通过故障注入实验证明，与标准基准相比，这些模式能有效应对特定的故障模式——例如重复、模式漂移和静默数据丢失——同时明确承认本研究作为一种基于原型且未经实地验证的贡献所具有的局限性。
这项研究表明，大语言模型评分者的选择显著影响了对 AI 生成生物医学摘要的忠实度和安全性合规性的测量结果，不同模型的误差率差异可达四倍，并导致对摘要质量得出截然不同的结论。
本文介绍了 Dec-GRPO，一种拜占庭容错的去中心化群体相对策略优化框架，该框架通过集成参考逻辑值过滤、声誉加权选择、Multi-Krum 聚合以及自适应长度惩罚优势，来防御领域投毒和推理膨胀攻击。
本文表明，模块化循环系统中持久的共享状态具有选择性优势而非普遍优越性，其变得至关重要，特别是在任务相关信息必须既跨越模块边界又在外部可用性结束后仍能持续存在的情况下。
本文介绍了 X-CoLA，这是首个针对对比图异常检测的后验可解释性框架，它将梯度注意力图（Gradient Attention Maps）集成到 CoLA 模型中，旨在识别驱动异常决策的具体结构连接和特征维度，且不会损害检测性能。
本文提出了一种分层深度强化学习框架，该框架将改进的基于人工势场法的稠密奖励函数与多智能体深度确定性策略梯度（MADDPG）算法相结合，旨在实现多无人机在具有复杂障碍物的未知环境中的高效且最优的3D路径规划。
这项实验性研究表明，差异化模糊测试是一种实用的、与语言无关的方法，能够高效地识别并抑制不同现实世界软件项目中的等价变异体，在实现近乎完美的变异得分的同时，生成可用于加强传统测试套件的有价值输入。