cs 篇论文 | Gist.Science

本文介绍了 GAAR，这是一种位于规划智能体与工具执行之间的运行时治理架构，通过广泛的合成基准测试证明，该架构在显著减少策略违规和不安全工具调用的同时，提升了企业级 AI 系统的忠实度和审计合规性，尽管这也会带来轻微的延迟增加。

本文提出了一个集成区块链基础设施与决策智能的四层框架，旨在通过增强数据信任、流程透明度以及通过智能合约实现自动化治理，来解决实施后 ERP 价值实现方面的挑战。

本文提出了一种用于迭代视觉分类的动态稀疏注意力与混合专家（Mixture-of-Experts）Transformer，该模型通过递归细化和条件计算，在标准基准测试上实现了具有竞争力的准确率，同时显著减少了活跃参数量和训练时间。

本文提出了一种离线方案，用于渐进式扩展 Transformer 宽度，该方案结合了闭式小残差积分算子（SRIO）、特定块扩展策略以及标量预热门控，旨在显著降低训练损失并在模型增长过程中保留已学习的行为。

本文提出了一种基于 SRGAN 的超分辨率方法，通过结合高效通道注意力机制（Efficient Channel Attention）和复合退化模型来增强模糊眼底图像的清晰度，并通过全面的像素、结构和感知评估，证明了其在合成及真实临床场景中均具有卓越的性能。

本文提出了一种高效的在线测试时自适应框架，该框架结合了动态置信度筛选、分支级增量微调和时间分布平滑技术，旨在针对具有动态分布偏移的流式数据实现鲁棒且低延迟的性能。

本文介绍了不确定性感知自适应辩论（Uncertainty-Aware Adaptive Debate, UAAD），这是一个基于模拟的框架，通过定位不确定性并调整辩论参数来动态优化大语言模型的推理过程，从而实现显著的准确率提升并降低计算成本，尽管其报告的改进在经过实时模型验证前仍具有假设性。

这项针对九项近期研究的范围综述表明，虽然生成式人工智能在基于实验室的健康科学教育中主要增强了效率并支持了个体探究与获取活动，但其整合目前受到证据基础薄弱、事实错误风险以及显著缺乏协作应用等因素的限制，强调了进一步开展比较研究和专家监督的必要性。

这项研究揭示了广泛使用的语言模型智能体表现出一种基于任意标签的强烈的内群体信任偏见——这是一种微妙的社会动态，由于它体现在“谁”接收到了行动而非选择了“哪些”行动，因此无法通过标准的聚合行为审计被检测到。

本文介绍了 CHRONOS，这是一种新颖的混合架构，它将具有科学辩护性的反事实历史形式化为基于时序知识图谱的约束结构因果模型问题，同时透明地报告了在初步合成测试中观察到的在可扩展性和量子优化性能方面的真实局限性。