4092 篇论文
这项跨国研究（2020–2026）分析了印度及全球范围内人工智能生成学术提交物的快速上升现象，揭示了相似的脆弱性率以及印度存在的显著政策空白，并提出了基于证据的多方法检测与机构问责框架，以维护研究诚信。
这项针对 88 项利用基于 YOLO 的深度学习进行柑橘类水果检测与产量估算的研究进行的系统综述表明，尽管该领域已趋向于使用能够实现高平均精度的通用技术工具包，但其严重缺乏标准化的基准、多样化的数据集以及严谨的统计验证，从而导致整体偏倚风险较高。
本文介绍了 TIG-CDO，一种语义跨层防御编排框架，该框架通过构建交易意图图，将分析重点从单个 HTTP 请求转向具有因果顺序的多步交易，从而检测并缓解微服务支付系统中的复合慢降级攻击（CSDA），实现了 99.9% 的 SLA 合规性，并且与传统的层级防御相比显著降低了误报率。
本文通过对中文社交媒体上用户生成有害内容检测以及保护中文大语言模型免受大语言模型生成有害内容影响的研究进行系统性综述，旨在整合碎片化的进展并确定未来发展的关键挑战，呈现了一项全面的综述。
该论文提出了 EPDA，一种用于车载自组织网络（VANETs）中联邦学习的高效且保护隐私的双重聚合方案，该方案在确保模型机密性、匿名性和不可链接性的同时，显著降低了计算和通信开销。
本文提出了一种针对物联网环境下低成本RFID系统的、具有高性价比且鲁棒的双向认证协议，该协议通过结合拉宾（Rabin）密码体制与随机数生成技术，以增强隐私性、防止重放攻击和暴力破解攻击，并确保信息的实时性。
本文提出了一种参数高效的帕金森病识别框架，该框架利用三个轻量级适配器（全局、局部和标记级）来增强预训练视觉基础模型，从而在保持对 OCT 图像具有竞争力的性能的同时，显著减少了与传统深度神经网络相比的可训练参数量。
本文提出了一种三阶段、凹陷感知（concavity-aware）的调和场-点-线（harmonic field–point–line）框架，通过结合自适应椭球裁剪、位置强度（Locational Strength）度量以及边界感知图搜索，实现了用于正畸CAD的高精度且高效的3D牙齿分割，并在Teeth3DS基准测试上展示了稳健的临床适用性。
本研究通过对荷兰高速公路数据进行基准测试，利用九种机器学习模型来预测五种类型的危险道路状况，发现随机森林和 XGBoost 的表现优于深度学习方法，同时证明了天气特征比基础设施邻近性更具预测性，尽管数据稀疏性和粗粒度特征目前限制了这些模型在校准风险预测方面的可靠性。
JANUS 是一种高性能架构，它通过采用拆分式可信计算基设计，在不可信网络上联邦化了可信执行环境，通过将密钥释放锚定于硬件度量并将强制执行置于内核中执行，实现了具有极低延迟开销的原生速度加密路由。