💻 计算机科学
How Reliable Are Bengali LLM Benchmarks? A Cross-Lingual Contamination and Robustness Audit of Open-Weight Language Models
本文介绍并验证了一个用于审计孟加拉语大语言模型（LLM）基准测试可靠性的系统性框架，该框架通过检测跨语言数据污染并衡量对扰动的鲁棒性，揭示了初步试点结果显示其性能仅略高于随机水平。
💻 Category
cs
4142 篇论文
💻 计算机科学
Advanced Techniques for 3D Image Reconstruction and Visualization in Medical Imaging: A Comparative Study of AI-Driven and Conventional Methods
本综述探讨了人工智能驱动与传统 3D 图像重建技术在医学成像领域的变革性影响，强调了深度学习、增强现实和优化算法如何提升诊断精度与手术规划，并应对计算需求和噪声等持续存在的挑战。
💻 计算机科学
Can Administrative Justice Be Predicted ? AStudy of Open Judicial Decisions in France
这项研究表明，经过法国法律领域适配的模型 JuriBERT，仅凭事实背景和程序背景，就能最准确地预测超过 15.7 万份法国行政法庭判决的结果，实现了 0.718 的宏平均 F1 分数，并凸显了在裁决前嵌入在案件事实中的预测信号。
💻 计算机科学
Repository-Scoped Knowledge Graph Context for Ontology Validation Test Generation: A Controlled Evaluation on TKTOnto
本文提出了一项受控评估，证明了仓库范围的知识图谱上下文选择能够通过自动隔离相关模块、满足确定性相关性契约并减少 2.24% 的输入标记，从而有效地为多模块 TKTOnto 制品生成本体验证测试。
💻 计算机科学
A Monotone Redundancy-Aware Decision-Burden Method for Explainable Human Oversight in Human–Robot Collaboration
本研究提出了一种用于人机协作中可解释人类监督的单调且具备冗余感知能力的决策负担方法，该方法确保安全条件绝不会被聚合评分所覆盖，通过广泛的计算模拟证明了其相较于未调整模型具有更优的预测性能和数学单调性，同时指出未来需要进行实地验证。
💻 计算机科学
Automated Hyperparameter Optimization for Transfer Learning-Based Machine Fault Diagnosis Using Hybrid Genetic–Simulated Annealing Algorithm
本文提出了一种基于遗传—模拟退火混合算法的用于迁移学习故障诊断的自动化超参数优化框架，该框架在涉及数据稀缺和领域偏移的多种工业场景中，展现出相较于基准方法稳健的性能提升。
💻 计算机科学
Convergent assessment cannot be policed: a residual-entropy bound on authorship attribution and its consequences for integrity in quantitative disciplines
本文认为，对于像多项选择题这类收敛性评估形式而言，作者身份归属在结构上是不可能的，因为正确答案包含零剩余熵，这使得目前基于论文检测的 AI 诚信政策在定量学科中显得不合理，并使得针对特定模态的控制措施成为必要。
💻 计算机科学
Acoustic-Prosodic Evidence in Multimodal Sarcasm Detection: A Controlled and Interpretable Evaluation of PEFM-CMAE on the Complete MUStARD Corpus
本研究表明，集成声学-韵律特征与显式文本-音频不一致性的 PEFM-CMAE 模型在 MUStARD 数据集上的语音讽刺检测表现显著优于仅基于文本的基准模型，尽管其在泛化至未见过的节目时性能有所下降。
💻 计算机科学
The Base-Rate Trap in Generative AI Text Detection: Why Detectors Cannot Serve as Standalone Evidence of Academic Misconduct, and Who Bears the Cost
本文认为，由于基础率谬误（base-rate fallacy）会导致不可接受的高误报率以及对非母语英语作者造成的严重差异化影响，生成式人工智能文本检测器在结构上并不适合作为学术不端行为的独立证据，因此有必要从基于检测的监管转向评估设计的重构。
💻 计算机科学
Mapping the Convergence of Information Retrieval and Large Language Models
本文对 2015 年至 2025 年间的 4,064 篇文献进行了文献计量学分析，揭示了信息检索领域已从一个由不同子领域构成的多样化景观，演变为一个以大语言模型和神经排序为中心的收敛结构，这一过程是由综述文献的桥梁作用以及检索增强生成的兴起所驱动的。