💻 计算机科学
Performance Analysis of Neural Network Models Integrating Attention Mechanisms in Translation Alignment Tasks
本研究提出了一种结合多头注意力机制（Multi-Head Attention, MHA）增强的双向长短期记忆网络（BiLSTM）模型，旨在解决神经机器翻译中的局限性，并证明了其在对齐准确度、BLEU 以及 METEOR 指标方面较现有方法具有更优越的性能。
💻 Category
cs
4092 篇论文
💻 计算机科学
MAL-BAYES-III: Hamiltonian Monte Carlo Posterior Neural-Head Inference for Calibrated Obfuscated Malware Detection in Memory Forensics
本研究引入了 MAL-BAYES-III，这是一个偏贝叶斯框架，该框架专门将哈密顿蒙特卡洛法应用于紧凑型分类头，以生成用于检测内存取证中混淆恶意软件的经过校准且具备不确定性感知能力的概率，尽管其在原始准确率上并未超越传统的梯度提升算法，但仍提供了诊断价值和选择性审查能力。
💻 计算机科学
Modeling Functional Urban Centrality via Graph Attention Networks and Multi-Source Spatial Data Fusion
本研究引入了一种无监督图注意力网络自动编码器（GAT-AE）框架，该框架将多源地理空间数据与街道网络拓扑结构相融合，以模拟动态的功能性城市中心性，证明了其相比于传统线性方法具有更优越的空间相干性以及识别复杂非线性城市现象的能力。
💻 计算机科学
From Reasoning Allocation to Behavioural Specialisation: Boundary Results in Multi-Robot Systems
本文表明，尽管结果感知型推理分配在理论上具有价值，但在多机器人系统中，由于高价值机会的内在稀疏性，其在实际应用中受到了严重限制，导致学习型路由器的分类器崩溃，并无法通过委托或专业化产生真正的涌现式集体认知。
💻 计算机科学
Hybrid ICA–Local Search for the Multi-Depot Vehicle Routing Problem
本文提出了一种结合局部搜索的两层混合帝国竞争算法，用于同时优化多配送中心车辆路径问题中的客户到配送中心的分配与车辆路径，在标准基准测试上实现了具有竞争力的结果，差距控制在约 2% 以内。
💻 计算机科学
When Does Channel Pruning Help Noise-Robust Pedestrian Detection? A Cross-Dataset Empirical Study
本文通过实证研究表明，通道剪枝仅在小数据、高冗余的场景下通过起到正则化器的作用来增强行人检测的噪声鲁棒性，但在多样化数据集上的泛化能力较差，且仅能提供有限的计算节省。
💻 计算机科学
EEG-Based Depression Detection Using CNN–GRU and MRMR Feature Selection
本文提出了一种由 mRMR 特征选择增强的 CNN–GRU 混合深度学习框架，旨在通过 EEG 信号有效检测重度抑郁症，在 MODMA 数据集上实现了 96.74% 的平均准确率，同时强调了在多样化临床数据上进行进一步验证的必要性。
💻 计算机科学
Mechanistic Circuit Tracking Causal Activation Patching and Formation Trajectories in Transformer Architectures
本文介绍了机械电路追踪（Mechanistic Circuit Tracking），这是一个结合了直接 Logit 归因、因果激活修补以及消融技术的模块化框架，旨在追踪预训练过程中注意力电路的出现过程，并通过一种新的电路稳定性指数来量化其因果鲁棒性，从而增强 AI 安全与对齐。
💻 计算机科学
Beyond F1: A Study of LLM Reliability in Smart Contract Vulnerability Detection
本研究评估了 14 个大型语言模型在智能合约漏洞检测方面的表现，结果表明，模型选择比提示策略或增加推理时计算更为关键，因为规模较大的前沿模型展现出更优越的可靠性，而较小的模型和扩展推理技术反而可能降低性能。
💻 计算机科学
Perceive AI: A Dual-Head Parametric Prototype Architecture with Adversarial Consistency Guardrails for Automated Short Answer Assessment
本文介绍了 Perceive AI，一种用于自动化简答题评分的新型端到端框架，该框架利用双头参数化原型架构和对抗一致性护栏，在实现鲁棒且具备提示感知能力的评分的同时，有效地过滤离题提交。