2305 篇论文
本文提出了一种用于双任务 Wi-Fi 指纹室内定位的通信高效型 FedProx-Binary FedVote 框架，该框架通过传输 1 比特更新方向显著降低了上行带宽，并通过 FedProx 正则化在强非独立同分布（Non-IID）数据条件下保持了高精度和高鲁棒性。
本文表明，尽管大语言模型可用于评估魁北克法语等低资源语言的法律准确性，但若缺乏人工监督，其可靠性不足以进行高风险部署，因为即使是最强大的模型也仅表现出中等程度的一致性，无法一致地捕捉到危险错误，并且能显著受益于逐步推理和集成方法。
本研究提出了一种物理信息驱动的双视图 YOLO 框架，该框架将基于深度学习的目标定位与马格努斯效应气动力学建模相结合，旨在显著提高不同光照条件下旋转网球轨迹预测及落点估计的准确性。
本研究提出了一种自适应神经阈值网络，该网络通过学习上下文相关的阈值，在优先处理用于会计执法审查的 SEC 备案文件方面优于逻辑回归，同时建立了一套治理要求框架，以确保该系统仅作为机密的筛选辅助工具而非法律证据。
本研究验证了可解释多利益相关者教育智能框架（EMSEIF），这是一个通过可解释人工智能、知识图谱和公平性审计，将多样化的高等教育反馈转化为可审计的层面级证据及可操作的课程改进的实证系统。
本文表明，在自动化论文自审系统中，预测处于阈值附近的决策是否会在扰动下发生翻转，可以通过一个利用经验分值偏移分布和决策边界的简单基准模型有效实现，而非依赖复杂的学习型边界模型。
本文提出了 GlaucoFusionNet，这是一个多模态可解释人工智能框架，它利用因果推理和反事实推理整合视网膜眼底图像与临床数据，旨在克服以相关性驱动的模型在提供具有可解释性、可操作性的青光眼风险预测及进展分层方面的局限性。
本文提出了一种混合框架，该框架结合了用于几何感知 3D 重建的龙格-库塔（Runge–Kutta）优化神经辐射场（NeRF）与基于扩散的细化模块，旨在有效纠正严重的自拍透视畸变，同时保持面部特征、结构一致性及照片级的真实质量。
本研究提出了一种轻量级、非破坏性的集成卷积神经网络（CNN）框架，该框架通过多尺度特征提取实现了97.50%的蛋壳裂纹检测准确率，为自动化食品包装应用中取代人工检测及现有深度学习模型提供了一种计算高效且鲁棒的替代方案。
本范围综述绘制了“氛围编程”（即大语言模型辅助的代码生成）在临床、行政和研究领域中新兴的景观，强调了其在使软件开发民主化方面的潜力，同时识别了安全与监管方面的关键挑战，并提出了一个用于负责任采用的三层治理框架。