3775 篇论文
本文介绍了 MedAgent-RAG，这是一个通过动态适应患者反馈来显著提升自动化临床病史采集能力的多智能体检索增强系统，同时通过分析 231 场医学访谈发现，临床知识被划分成综合征模块，且问诊过程遵循一种独特的两阶段马尔可夫流。
本文挑战了将合著网络作为话题传播流行病模型底层的有效性，证明了度块模型并不能一致地优于同质混合模型，因为大多数话题采纳行为的发生并不依赖于与活跃作者的先前合作，这表明真正的传染需要包含非采纳者且在采纳发生前便已存在的网络。
本文评估了切比雪夫多项式在 Ring-LWE 算术中的表示形式，证明了尽管它们保留了底层的代数结构，但其数值效用受限于在大维度下迅速增长的病态性，最终未能提供比标准方法更低的噪声或更优越的密码学性能。
本文提出了一种基于 VAE–Transformer 的框架，该框架将结构化事件场矩阵表示与状态语义向量相结合，以生成多样化、高质量的测试用例，与传统方法相比，显著提高了安全性关键航空软件模糊测试的覆盖率和效率。
本文提出了一种在“观察-定向-决策-行动”框架内，在人类、语言模型和确定性工具之间分配认知工作的任务分析方法，并通过合成的油轮汇合实验证明，这种分层方法在显著提高决策准确性和效率的同时，将规范性选择保留给人类监督者。
本研究表明，虽然由于概念漂移的存在，随机交叉验证会高估机器学习在工业装配线数据上的性能，但经由时间序列验证的时序评估显示，通过适当调优，梯度提升模型仍可作为有效的减少检测环节的筛选工具。
本文介绍了一种新颖的贝叶斯网络学习算法，并通过模拟数据和真实世界数据证明了评分函数的选择对性能有显著影响，其中新算法在具有较低平均马尔可夫毯大小、度以及密度的网络上表现优于现有方法。
这项研究表明，尽管幻觉检测器在域内表现出色，但其可靠性在分布偏移、证据扰动以及上下文噪声增加的情况下会显著下降，这证明了仅凭聚合基准准确率不足以评估其鲁棒性和泛化能力。
本研究表明，先前报道的对高等教育毕业情况近乎完美的预测是由于由结果决定的属性所导致的靶向泄漏（target leakage）造成的伪影，并证实了当对加沙地区的行政记录采用修正后的、无泄漏协议时，机器学习模型能够实现高水平但符合现实的准确率（高达89.16%），其中完成学期数是最强的预测因子。
本文提出了一种带有跨尺度注意力机制和边缘感知监督的改进型 Attention U-Net 用于乳腺超声病灶分割，但由于 Dice 分数、召回率和 IoU 较低，且存在未经验证的数据划分以及相互矛盾的性能指标，导致其目前的临床实用性受到限制，需要进一步的验证和基准对比。