💻 计算机科学
Training as Treatment: A Causal Framework for Machine-Learning Evaluation
本文引入了“训练即干预”（Training as Treatment）这一因果框架，该框架将数据角色分配和流水线选择建模为干预措施，旨在通过严谨地分析机器学习评估指标，来解释模型诱导的干扰，并实现针对公平性、泄漏和泛化能力的更稳健的诊断。
💻 Category
cs
4092 篇论文
💻 计算机科学
Automatic speech recognition system for court proceedings in Ethiopia
本研究提出并评估了一种基于隐马尔可夫模型框架的非特定说话人提格雷尼亚语自动语音识别系统，用于处理埃塞俄比亚法庭审理程序，通过使用基于 24 名母语使用者定制语料库训练的上下文相关声学模型，实现了 73.84% 的词准确率。
💻 计算机科学
Structure-Preserving Scientific Machine Learning for epidemic Forecasting : Neural ODEs vs. Universal Differential Equations for SIR Model
本文证明了将已知的机制性 SIR 结构与用于处理不确定传播动力学的神经网络相结合的通用微分方程（Universal Differential Equations），在预测准确性、鲁棒性和数据效率方面均优于完全数据驱动的神经常微分方程（Neural ODEs），尤其是在数据有限且噪声较高的条件下。
💻 计算机科学
Factors Influencing User Acceptance, Adoption, and Long-Term Engagement with Virtual Reality Across Application Domains: A Systematic Synthesis of Review Evidence
这项针对2015年至2025年综述证据的系统性合成，识别了虚拟现实在不同领域采用过程中的关键决定因素与障碍，并强调需要一个综合性框架来解决方法论上的空白，并将认知、体验、生理及组织因素结合起来，以确保长期的用户参与。
💻 计算机科学
Generative AI Feedback in Junior High School Artistic Creation Evaluation
本文提出了一种用于初中美术教育的计算机辅助多模态反馈评估模型，该模型通过整合视觉与文本分析、证据追踪及教师审核，显著提高了评估的可靠性并降低了误差率。
💻 计算机科学
Data Lineage as Infrastructure: Operationalizing the Translation Methodology for Trusted Data Pipelines
本文提出了一种将数据血缘（data lineage）作为可信金融数据流水线基础设施进行运作的框架，并通过部署证明该框架显著缩短了审计响应时间，并实现了对数据源及转换过程的可机验证追踪。
💻 计算机科学
Auditing Curriculum-Order Representations in Educational AI: Held-Out Metadata-Transition Prediction in Synthetic and Oak Corpora
本文通过使用字符级语言模型对教育 AI 系统进行审计，发现尽管这些系统能够成功预测合成数据集和真实世界数据集中留出的课程转换，但这种能力源于对显式元数据分解的利用，而非对课程内容的语义理解。
💻 计算机科学
Integrating Triaxial IMU Sensors and Ensemble Learning for Effective Parkinson Disease Severity Classification
本文提出了一种利用三轴惯性测量单元（IMU）传感器数据和集成学习进行帕金森病严重程度分类的非侵入式系统，证明了 LightGBM 模型优于其他机器学习算法，准确率约为 97%。
💻 计算机科学
A Comprehensive Study of Supervised Machine Learning Models for Zero-Day Attack Detection: Analyzing Performance on Imbalanced Data
本研究评估了五种用于在不平衡数据上检测零日攻击的监督式机器学习模型，最终选择 XGBoost 作为最优解决方案，因为它相比于虽然准确率更高但速度较慢的随机森林，在保持高准确率与快速处理时间之间取得了更优的平衡。
💻 计算机科学
Predicting Case Processing Duration in Kenyan Magistrate Courts: A Three-Stage Machine Learning Pipeline for Proactive Backlog Management
本研究引入了一个三阶段机器学习流水线，该流水线在超过67万件肯尼亚地方法院案件上进行了验证，利用 LightGBM 和 CatBoost 模型来预测案件处理时长并对当日结案进行分类，从而通过一个经验得出的风险方案和一个部署的 Web 应用程序来实现主动的积压管理。