cs 篇论文 | Gist.Science

本文提出了一种在网络靶场环境下的 AI 驱动型画像模型，该模型能够持续评估学习者表现，以生成自动化的个性化反馈和自适应学习路径，从而解决网络安全教育在可扩展性和个性化方面的关键挑战。

本文提出了一种轻量级、实时的语义前端，该前端将周期性实例分割与基于配准的高斯映射流水线相结合，以有效地去除动态物体并增强 RGB-D SLAM 在动态环境中的鲁棒性。

本研究提出了 LV-YOLO，这是一个结合了用于全局筛查的 MobileNetV3 和经过优化的、包含新型注意力与上采样模块的 YOLOv11 模型的两阶段深度学习框架，该框架能够有效且准确地检测胃癌全切片图像中的淋巴血管侵犯，从而辅助病理学家进行临床风险分层。

本文表明，一种利用冻结的 2D 视觉基础模型特征的无监督框架，在应用于 LiDAR 树冠的规范深度渲染时，比手工设计的几何描述符和冻结的 3D 基础模型更连贯地组织了单个树种，同时通过严格控制采集源混杂因素，验证了预训练视觉表示在该领域优于原生 3D 几何结构的优越性。

SpectralMLP 引入了一种新颖的超图神经网络框架，该框架利用基于可学习雅可比多项式基底的高效、无消息传递的双频谱滤波机制取代了传统的聚合方式，在保持参数量低于大多数现有方法的同时，在多个基准测试中实现了最先进的性能。

本研究通过对比原始序列、基于图像（GAF）、混合以及统计模型在家庭用电异常检测中的表现，呈现了一个受控基准测试，结果发现直接时间建模（Raw 1D-CNN）在合成扰动协议下优于其他方法，同时强调由于数据集仅涵盖单一家庭且缺乏真实世界的故障标注，需谨慎解读研究结果。

本文提出了一种智能仓库执行框架，该框架集成了 SAP EWM、大语言模型、SAP BTP 和自主移动机器人，以实现自然语言驱动的任务执行，通过自适应人机协作，实现了 98% 的成功率和 4.7 秒的平均执行时间。

这项系统性文献综述分析了97项研究，旨在确定商业领域负责任人工智能的六个关键治理机制，揭示了在问责制和公平性等伦理原则方面已达成共识，同时也强调了阻碍有效应用的显著实施挑战与研究空白。

本文提出了 ARIES-Mission，这是一个模块化视觉语言系统，通过从四个候选方案（原始识别顺序、蚁群算法、差分进化算法和粒子群算法）的组合中选择最短可行路径，增强了无人机任务规划能力，实现了 24.21% 的总距离缩减，并达到了与精确最优解平均差距仅为 0.042% 的近乎最优性能。

本文提出了一种人工智能辅助框架，通过捕获多模态数据，将专家演示转化为具有 3D 化身回放的结构化、分步骤指令，从而生成沉浸式虚拟现实（VR）和混合现实（MR）培训教程，旨在实现可扩展的无讲师工业培训。