💻 computer science
Risk Governance for Generative AI Mental Health Support: A Multi-Turn Safety Architecture
本文提出了一种与模型无关的多轮安全治理架构，该架构集成了上下文风险检测、基于推理的验证以及协议引导的响应生成，旨在显著提升大语言模型驱动的精神健康支持中的风险管理与临床医生偏好的升级机制，同时保持对话的亲和力。
💻 Category
cs
929 篇论文
💻 computer science
DeepSeek for Pathology Report Understanding: A Benchmark Study of Cancer Type Extraction, AJCC Staging, and Prognosis Prediction
这项基准研究表明，尽管 DeepSeek 模型能有效地从 952 份非结构化病理报告中提取癌症类型并预测 AJCC 分期，但在预后预测方面，DeepSeek 提取的结构化变量在评估框架下并未比直接使用原始病理报告文本带来显著改善，这支持了一种混合架构，即利用 DeepSeek 进行信息提取与分期，同时依赖传统的机器学习进行结局建模。
💻 computer science
Conv-Guided Mamba Vision Transformer and SPP-DenseNet121 based Hybrid Multi-Feature Fusion and Query Expansion in Content-Based Medical Image Retrieval
本文提出了一种新颖的基于内容的医学图像检索框架，该框架通过将卷积引导的 Mamba 视觉 Transformer 与 SPP-DenseNet121 相结合进行混合多特征融合，并利用查询扩展，在内窥镜膀胱组织和胃肠道数据集上实现了高检索准确率。
💻 computer science
A Spectrogram-Based Deep Learning Framework for Automatic Swara and Gamaka Recognition in Carnatic Veena Performances
本文提出了一种基于频谱图的深度学习框架，利用短时傅里叶变换和梅尔频谱图结合卷积神经网络，用于自动识别卡纳提克维纳琴（Carnatic Veena）表演中的音符（swaras）与装饰音（gamakas），旨在应对独特的声学挑战，并为转录、教育及数字存档的应用奠定基础。
💻 computer science
Human-in-the-loop GenAI advising for community college pathway decision-making: a design-based case study of requirement-group modeling and privacy-preserving student-support design
本项基于设计的案例研究针对生成式人工智能（GenAI）在社区学院咨询研究方面的空白，通过提出一个隐私保护框架和八项设计原则，将人工智能定位为路径规划的解释层，从而在保持人类监督、保护学生数据并培养学习者自主权的同时，填补该领域的研究空白。
💻 computer science
Zero-shot Generalizable LiDAR Semantic Segmentation via Scene-Sensor Disentanglement
本文介绍了 LiSeer，这是一个零样本可泛化的 LiDAR 语义分割框架，它通过基于扩散的场景重建和可控采样流水线，将场景内在几何结构与传感器特定的采样效应进行解耦，从而实现了鲁棒的跨传感器性能。
💻 computer science
Goal-Aware Adaptive Regulation Across Modalities: Evolutionary Architecture Search for Transformer Language Models on a Consumer AMD GPU
本文证明了最初在卷积网络上得到验证的 GaaR 进化架构搜索框架，能够成功迁移至基于 DirectML 的消费级 AMD GPU 上的自回归 Transformer 语言模型，在实现竞争性性能的同时，揭示了受控开发在结构化景观中优于随机搜索，并且在固定步数预算下更倾向于宽浅架构。
💻 computer science
A Distributed CatBoost Approach with Weighted Aggregation for STI/HIV Risk Prediction
本文提出了一种具有加权聚合功能的隐私保护分布式 CatBoost 框架，该框架在无需中心化数据的情况下，实现了对八个国家性传播感染（STI）和艾滋病毒（HIV）风险的高精度预测，从而为传统的中心化机器学习模型提供了一种稳健的替代方案。
💻 computer science
NAE-VC: Neural Arithmetic Encoding as a Learned Replacement for CABAC in Modern Video Codecs
NAE-VC 是一个模块化的学习熵编码框架，它通过结合上下文聚合、高斯混合模型和超先验的神经架构，取代了 H.264、H.265 和 H.266 编解码器中的标准 CABAC 引擎，在实现显著码率节省的同时，保持与现有视频编码标准的完全兼容性。
💻 computer science
MUNNA: A Multi-strategy, Uncertainty-driven, Nested Neuro-ensemble Algorithm for Disease Diagnosis with Closed-loop Explainability Feedback
本文介绍了 MUNNA，这是一个创新的三阶段混合框架，它通过集成用于特征选择的 GWO-SA 元启发式算法、不确定性加权堆叠集成以及闭环 SHAP 反馈机制，在解决局部最优停滞和静态集成权重限制的同时，在乳腺癌威斯康星数据集上实现了最先进的疾病诊断性能。