929 篇论文
本研究引入了“机器心理学”框架，揭示了经过对齐的大型语言模型虽然不存在显性的种族偏见，但在面对具有族裔特征的用户姓名时，会表现出十种新型且高度结构化的身份反应行为，这使得评估重点必须从基础的伤害缓解转向全面的行为评估。
本研究系统地评估了五种用于多维分析的开源词汇语法标注系统，结果表明，尽管这些系统能够成功复制通用的语域区分，但由于特征操作化的不一致，而非底层自然语言处理流水线的差异，导致其生成的维度得分存在显著差异。
本文提出了一个四层框架，通过将追踪轨迹转换为结构化运动证据，并将其与视觉语言模型中的关键帧马赛克相结合，以生成可解释的行为标签、紧迫性估计和自然语言依据，从而增强仅基于视觉的反无人机系统，并证明了结构化轨迹数据是实现准确无人机行为分析的主要驱动力。
本文提出了一种结合“最小收费”原则与多维异常检测引擎的两阶段路径拟合框架，旨在解决高速公路收费中的龙门架数据问题，在实现准确率提升2.1%和计费偏差减少70%的同时，引入了一种新型双指标评估模型以确保结果的可靠性。
该论文引入了 CHONN，这是一个受电路启发的模块化框架，它利用基于基尔霍夫定律的级联组合来创建稳定且可解释的高阶神经动力学，从而在解决偏微分方程和增强视觉感知任务方面超越了传统的深度堆叠方法。
本文介绍了 4DHemoX，这是一个物理启发式人工智能框架，它利用混合数据集和嵌入纳维-斯托克斯方程的神经架构来弥合仿真与现实之间的差距，从而实现可靠、泛化且数据高效的临床应用脑血管血流动力学剖析。
这项针对25项研究的系统综述表明，尽管以用户为中心的设计至关重要，但用于急诊分诊的基于机器学习的临床决策支持系统往往缺乏全面的界面功能、可用性测试以及跨学科协作，从而阻碍了其在现实世界中的应用与成效。
本文提出了 REGAL 驱动的分层图强化网络（HGRN），这是一个集成图神经网络、残差能量梯度注意力机制、深度强化学习以及能量自适应鹌鹑优化算法的新型框架，旨在实现大规模无线传感器网络中稳定、节能且负载均衡的通信，并证明了与现有聚类方法相比，该框架在网络寿命、能量节省和数据包交付方面具有更优越的性能。
本文将知识图谱检索增强生成（RAG）系统中三层级投毒攻击的影响范围进行了形式化定义与实证量化，证明了中心节点投毒会导致最严重的破坏传播，并提出了一种基于度加权信任评分的图感知防御机制来缓解这些风险。
本文提出了一种通过在 UNSW-NB15 数据集上利用快速梯度符号法（FGSM）进行对抗训练来增强的 LightGBM-MLP 混合入侵检测系统，该系统通过在仅造成 6.66% 的干净数据性能下降的情况下，在强扰动下仍保持 77.80% 的准确率，成功提升了针对规避攻击的鲁棒性。