💻 计算机科学
Adversarial Evaluation of a Two-Layer Anonymization Pipeline Against Record-Linkage Attacks
本文通过实证评估了一个结合了针对记录级数据的语法隐私约束与针对聚合查询的差分隐私的两层匿名化流水线在面对现实记录链接攻击时的安全性，证明了由于缺乏统一的正式保证，必须针对多样化的数据集和知识场景进行直接的对抗性评估。
💻 Category
cs
4092 篇论文
💻 计算机科学
A framework for hallucinations explainability in text summarization
本文提出了一个新颖的框架，该框架通过在增强型 SMILE 流水线中引入基于语义不稳定性（semantic instability）和 SHAP 归因分析的幻觉严重度评分（HSS），以有效地检测、量化并解释基于大语言模型（LLM）的文本摘要中的幻觉现象。
💻 计算机科学
Applied Mathematical Robustness Analysis of Maximum-Likelihood Pairwise Ranking for Comparison-Driven Intelligent Systems
本文通过使用自适应子集选择攻击（ASSA）启发式算法，研究了最大似然成对排序估计量在面对协同且受预算限制的扰动时的鲁棒性，揭示了排序脆弱性具有高度的数据依赖性和机制敏感性，而非普遍可预测的。
💻 计算机科学
TDCO-Net: A Triple-Dynamic Collaborative Optimization Network for Multimodal Sentiment Analysis
本文提出了 TDCO-Net，一种三重动态协同优化网络，通过集成动态模态辅助学习、基于 KAN 的视听极性校准以及置信度驱动的样本选择，通过有效解决模态可靠性变化和边界样本噪声问题，从而增强多模态情感分析。
💻 计算机科学
CAMF-Zero: Contradiction-Aware Reasoning for Zero-Day Threat Detection in Federated Multi-Cloud Environments
本文提出了 CAMF-Zero，这是一个矛盾感知推理框架，它利用一种新颖的一致性感知矛盾评分（CACS）来检测联邦多云环境中的零日威胁，通过显式评估异构遥测源之间的语义分歧，从而显著提高了检测召回率并降低了现有方法的误报率。
💻 计算机科学
A Robust and Explainable Multimodal Fusion Framework for Emotion Recognition Using Visual–Textual Feature Learning and Ensemble Optimization
本文提出了一种鲁棒且可解释的多模态融合框架，该框架通过将视觉和文本特征与堆叠集成学习方法相结合，在情感识别方面实现了最先进的准确率（98.41%），在超越单模态方法的同时，通过 SHAP 和 LIME 确保了可解释性。
💻 计算机科学
Classification of butterfly species with improved models based on transfer learning method of convolutional neural networks
本文提出了一种鲁棒的 GDD-TL 方法，该方法通过针对特定层增强迁移学习，在蝴蝶物种分类中实现了 94.33% 的准确率，超越了标准的 CNN 架构，并展示了在不同数据集上的强泛化能力。
💻 计算机科学
Predicting Replication from Domain-Stripped Fingerprints, Where Citations Fail
本文证明，仅由摘要衍生的透明且去领域化的语言模型指纹，通过分离出一个独特的“可验证性”轴，能够显著优于基于引用的指标来预测研究的可复制性，从而解释了为什么引用无法作为科学稳健性的代理指标。
💻 计算机科学
Building a clinical and academic health research network using data science and artificial intelligence
本研究表明，利用数据科学和人工智能对出版元数据进行系统分析并构建基于图的模型，是为构建专注于英格兰北部酒精、成瘾及心理健康领域的临床与学术研究网络，相较于人工方法而言，一种具有可扩展性、高效性且无偏见的替代方案。
💻 计算机科学
Diffusion-Augmented State-Space Learning for Pericardial Effusion Segmentation in Echocardiography: A Multicenter Model-Development Study with External Image-Source Evaluation
这项多中心研究提出了一个结合了用于合成数据增强的 Gabor 先验引导扩散模型与基于状态空间分割网络的创新框架，该框架共同提高了心包积液描绘的准确性，并展示了在内部和外部超声心动图数据集上的鲁棒泛化能力。