💻 计算机科学
Research on IIoT Network Attack Detection Based on Class Imbalance Processing and Attention Mechanism
本文提出了一种结合了 Borderline-SMOTE 等类别不平衡处理技术与 CNN–BiLSTM–Attention 模型的工业物联网（IIoT）网络攻击检测方法，旨在显著增强对 TON-IoT 数据集中少数类攻击的识别能力以及整体检测性能。
💻 Category
cs
4152 篇论文
💻 计算机科学
A Trust-Aware Framework for Hallucination Detection and Accuracy Paradox Analysis in Large Language Models
本文介绍了 TrustSLM，这是一个具备信任感知能力的框架，它利用可靠性指标聚合来自多个大语言模型的输出，以检测幻觉、识别过度自信错误的准确性悖论，并通过受控的弃权策略来调节响应，从而实现更安全的 AI 部署。
💻 计算机科学
YOLOv11-AHFE:Adaptive High-Frequency Signal Enhancement Mechanism for Surface detection
本文提出了 YOLOv11-AHFE，这是一种将双流小波变换和高频增强模块集成到 YOLOv11 架构中的新型表面缺陷检测算法，旨在保留并恢复在传统下采样过程中丢失的关键高频细节，从而显著提高对金属表面复杂且小尺度缺陷的检测能力。
💻 计算机科学
Minimax Training Closes the Reconnaissance Gap in Learned Network-Robustness Design
本文证明了采用极大极小（minimax）训练目标——即针对动态重计算的最坏情况攻击组合，而非单一固定策略来优化网络重构智能体——能够显著缩小“自适应退化差距”，并产生在面对具备侦察能力的对手时具有卓越最坏情况鲁棒性的拓扑结构，且该结论与所使用的特定优化器无关。
💻 计算机科学
A Metro Passenger Flow Prediction Method Based on Adaptive Graph Convolution and Hybrid Attention
本文提出了 AGHA-Net，一种创新的深度学习框架，该框架通过集成自适应图卷积、时空门控循环单元以及双支路混合注意力机制，通过有效捕捉动态空间依赖性和复杂的时序模式，显著提高了短期城市轨道交通客流预测的准确性和稳定性。
💻 计算机科学
De-identification of Brazilian Portuguese Clinical Records Using a Hybrid Pipeline with Local Language Models
本文提出并评估了一种用于对巴西葡萄牙语临床记录进行脱敏处理的离线混合流水线，该流水线利用本地开源权重语言模型和基于规则的过滤器，在无需针对特定任务进行微调的情况下，在配置适中的硬件上展示了高召回率和稳定性。
💻 计算机科学
An Agentic OODA Framework for Transparent End to End Clinical Decision Support
本文提出并评估了一种代理式 OODA 框架，该框架利用具有人机回环验证的多智能体系统来克服标准大语言模型的变异性和信任问题，证明了其在透明、安全至关重要的中风护理临床决策支持方面具有显著更高的输出一致性和可靠性。
💻 计算机科学
An Integrative Assistive Tool for Depression Severity Estimation: Cross-Cultural Robustness of Facial Dynamics in Diverse Clinical Interviews
本文介绍了 MMANet，这是一个基于微观-宏观时间对齐（micro-macro temporal alignment）的隐私保护型纯视频深度学习框架，旨在跨多元文化数据集稳健地评估抑郁程度，且无需依赖具有噪声或侵入性的音频与文本模态即可实现高准确度。
💻 计算机科学
Molten mark classification using multi-scale directional cross-scale attention fusion
本文提出了一种用于电气火灾调查的熔融痕迹分类方法，该方法利用 Swin Transformer 和带有方向性跨尺度注意力融合的双向特征金字塔网络，与现有的基于 CNN 的方法相比，实现了更高的准确性和对图像退化的鲁棒性。
💻 计算机科学
FactLink: A Cross-Domain Benchmark for Link Role Classification for Fact-Checking
本文介绍了 FactLink，这是首个针对事实核查链接角色分类任务（Fact-checking Link Role Classification task）设计的基准测试，该任务包含两个带有注释链接的多语言数据集，并证明了虽然经过微调的 Transformer 模型在数据丰富的场景中表现出色，但在少样本（few-shot）场景和跨领域场景下，大语言模型展现出了更优越的鲁棒性。