💻 计算机科学
A Cooperative Multi-Agent Framework for Author Name Disambiguation
本文介绍了 AIDA-AND，这是一个协作式多智能体框架，它通过专门的智能体将语义表示与可解释的元数据证据相结合，以实现具有竞争力的、模块化的且高效的作者姓名消歧，在显著减少执行时间的同时提升了在基准数据集上的性能。
💻 Category
cs
4092 篇论文
💻 计算机科学
A Culturally Responsive and Affect-Aware Conceptual Framework for AI-Assisted Learning in India’s Multilingual Classrooms
本文提出了 SETU，这是一个具有文化响应性和情感感知能力的概念框架，通过整合六个组成部分来增强教师能力，并将人工智能辅助学习与《2020年国家教育政策》相一致，从而架起印度多语言课堂与正式课程之间的桥梁。
💻 计算机科学
An Artifact Audit of Budget-Dependent LoRA Rank Comparisons
本文审计了一项 LoRA 秩（rank）比较研究，旨在证明一种反向秩计算归一化规则通过极度的训练不足人为地惩罚了较大的秩，从而揭示了所观察到的性能排名高度依赖于特定的预算分配，而非模型固有的能力。
💻 计算机科学
RAUDI: A Dual-Head Framework Unifying Unsupervised and Supervised Reconstruction for Industrial Anomaly Detection
该论文提出了 RAUDI，这是一个用于工业异常检测的双头框架，它通过灵活利用真实的缺陷样本或通过一种新颖的多阶段超像素方法（RASMS）合成的逼真伪异常，将无监督学习与有监督学习统一起来，并在 MVTec AD 和 KolektorSDD2 基准测试上均实现了最先进的性能。
💻 计算机科学
What Citations Get Wrong: A Full-Corpus Audit of Reference Existence and Claim Support in a Major NLP Conference
本文通过对 ACL 2026 会议论文集的审计发现，尽管几乎所有引用的参考文献均真实存在，但由于未记录的模型配置导致单次运行的自动化断言支持审计无法复现，这表明严谨的引用验证需要严格的操作日志记录以确保可复现性。
💻 计算机科学
Application of AI and ML in Cybersecurity Operations: Challenges and Opportunities
本文探讨了人工智能与机器学习在网络安全运营中的集成，强调了它们在增强威胁检测和效率方面的潜力，同时指出成功的部署需要通过稳健的治理、透明度和监督来应对对抗性攻击和数据质量等挑战。
💻 计算机科学
SHAP based Hybrid Intrusion Detection Scheme Using ADASYN, Filter Method, and Ensemble Learning for IoT and Computer Network
本文提出了一种基于可解释人工智能的物联网与计算机网络混合入侵检测系统，该系统集成了用于解决数据不平衡问题的 ADASYN、用于特征选择的过滤方法、用于增强鲁棒性的集成学习以及用于提高可解释性的 SHAP，并在 CICIDS2017 和 MQTT-IoT-IDS2020 数据集上展示了卓越的性能。
💻 计算机科学
Generalising Hybrid OUR-Net -U-Net for Accurate Identification and Multi-Domain Structural Crack Segmentation Using Refinement Techniques
本文提出了一种弱监督框架，该框架利用图像级标注通过 CAM 和 Grad-CAM 生成精细化的伪掩码，并将其用于训练一个混合的 OUR-Net–U-Net 模型，以实现精确的多领域结构裂缝分割，在显著降低标注成本的同时，其性能优于现有方法。
💻 计算机科学
Empirically Derived AI Harm Profiles and the Case for Context-Sensitive Moral Responsibility
本研究通过分析849起人工智能事件，实证地推导出三种截然不同的伤害特征谱系——自主/具身型、视觉识别型以及生成式人工智能型——并主张从广泛的治理原则转向一种上下文敏感型框架，从而针对这些特定的风险模式量身定制问责与监测机制。
💻 计算机科学
Defect-Aware YOLOv8n for Real-Time Surface Defect Detection on Printed Playing Cards with Dense Graphic Backgrounds
本文提出了一种增强型缺陷感知 YOLOv8n 框架，该框架通过结合 ResNet50 主干网络、DeCA、带有 SPD-Conv 的改进型 BiFPN、动态自适应解耦头以及 Wise-IoU v3，旨在实现对印刷扑克牌密集图形背景下的小型、低对比度缺陷的实时、高精度检测，其在 mAP@50 指标上比标准 YOLOv8n 提升了 12.8%，同时保持了 97 FPS 的推理速度。