cs 篇论文 | Gist.Science

本研究引入了渐进式残差 LightGBM（PRLGB），这是一种三阶段集成模型，通过有效学习残差误差并融合不确定性感知特征以实现卓越的准确度指标，在预测 5G 服务质量资源分配方面显著优于标准的基于树的算法。

本研究引入了一个源自美国总统演讲的英-阿基准语料库，以及一个相应的评估框架，旨在系统地评估人工智能翻译系统在保留内含政治意义方面的能力，特别是针对那些往往因追求词汇准确性而被忽视的间接策略和名称回避策略。

IZSafe 是一款嵌入式深度学习系统，它利用安装在消防员氧气瓶背负装置上的惯性传感器，通过在 ARM Cortex-M4 微控制器上以 93.85% 的准确率实现对个体动作的精准识别，从而达成实时的微观层面态势感知。

本研究提出了一种由改进蝙蝠算法优化的工况感知多尺度长短期时间序列网络（CA-MS-LSTNet），通过有效建模SCADA数据中非线性、异质性及依赖于运行工况的时间特征，显著提升了风力涡轮机参数的超短期预测精度。

本研究提出并验证了一种紧凑型卷积神经网络框架，该框架将软件定义无线电捕获的无人机视频传输转换为时域图像，旨在实现实时、高精度的检测，且与传统的基于频谱图的方法相比，显著降低了计算成本。

本文提出了一种针对挑战性越南道路环境定制的紧凑型、CPU 优化的自动车牌识别（ALPR）系统，该系统集成了 YOLOv8n 检测器、ByteTrack、快速纠偏以及通过时空投票实现的 ONNX 加速 OCR，从而在面对恶劣天气、运动模糊和多样化车牌格式时，仍能实现高精度与实时性能。

本研究审计了 173,369 个 AI 数据集，揭示了虽然其创建成本遵循非单调趋势，但其学术影响力在很大程度上独立于资金或劳动力投入，而是由作者数量和主题流行度所驱动。

本文引入了稳定组相对策略优化（S-GRPO），这是一种通过推导噪声感知优势权重来缓解大型推理模型中“思考-回答不匹配”问题的新方法，从而在噪声奖励条件下实现比标准 GRPO 更优越的鲁棒性和性能。

本文提出了一种隐私保护的联邦图结构入侵检测框架，该框架结合了图卷积网络和图注意力网络，旨在有效检测医疗物联网（IoMT）环境中的已知及未知网络攻击，通过跨数据集验证实现高准确率，同时保障敏感患者数据的安全。

这篇概念性文章介绍了亲社会人工智能-生活质量催化模型（PAI-QOL），这是一个多层级框架，它将亲社会人工智能定义为一种有纪律的创新方法，通过特定的转化路径和赋能条件，系统性地为人类、地球及未来潜力创造公平且多维度的生活质量增益。