2550 篇论文
本文挑战了在数据漂移情况下向量搜索索引普遍需要进行主动重分区这一前提，通过受控基准测试证明了静态分区足以应对中度周转，同时揭示了增量重中心化是应对显著分布偏移的更具成本效益的解决方案，并最终为从业者提供了一份用于确定何时真正需要维护的机制图谱和决策规则。
本文提出了一种用于工业机器人安全协同的多智能体强化学习框架，并通过仿真表明，尽管确定性贪婪基准策略在效率上优于所提出的安全多智能体强化学习策略，但后者能够促成涌现的通信模式，并凸显了随着集群规模扩大，为降低碰撞风险而对自适应通信带宽的需求。
本文证明，一种决策感知的学术预警机器学习框架通过利用基于校准风险估计的上下文敏感型支持决策，通过减少漏报干预并缩小公平性差异，其表现优于传统的基于规则和概率阈值的方法。
本文提出了一种人工智能驱动的框架，该框架通过利用实时传感器数据进行故障检测、剩余使用寿命评估以及动态参数调整，将预测性维护与过程优化相结合，以提升工业制造中的运营效率和系统可靠性。
本文介绍了一项机器学习研究，该研究利用在合成数据上训练并在波兰排球超级联赛（PlusLiga）真实比赛上进行验证的梯度提升（Gradient Boosting）和随机森林（Random Forest）模型，成功预测了职业排球比赛结果，准确率超过93%，并确定了一传（OPI）和得分差（Break-Point Differentials）是关键的预测特征。
本文提出了一种面向认知无线电网络的AI驱动信任感知安全框架，该框架集成了基于随机森林的检测与贝叶斯信任评估，以有效缓解恶意二次节点（SSDF）、伪用户枚举（PUE）及干扰攻击，在严苛的攻击条件和低信噪比水平下仍能实现高检测精度，并显著提升网络可靠性与吞吐量。
本文提出了 CATBridge，一种多阶段知识增强框架，该框架利用教师-学生协作机制来引导轻量级大语言模型在低资源环境下实现卓越的 CVE-ATT&CK 对齐准确率，其性能显著优于现有的最先进方法以及零样本大规模模型。
本研究通过 CUDA-Q 工作流评估了用于 10 节点空间数据中心的混合经典-量子路由，发现虽然光子后端以低延迟实现了卓越的准确度，但变分量子电路 (VQC) 后端尽管提供了更丰富的量子态结构，却产生了难以承受的延迟惩罚。