4157 篇论文
本文为混合专家模型（MoE）建立了一个统一的理论框架，该框架将跨专家梯度对齐识别为专家崩溃的根本原因，引入了梯度路径假设和雷诺数诊断来表征这些动态过程，并证明了通过 Mosaic Tile 硬路由实现的架构输出空间隔离能有效消除视觉和语言任务中的灾难性遗忘与专家崩溃。
本文提出了一种定制的高性能卷积神经网络（CNN）架构，该架构在对六种钢材表面缺陷进行分类的 NEU-CLS 数据集上实现了 100% 的完美准确率和最先进的性能，证明了针对特定任务的设计相较于通用模型在工业质量控制中的优越性。
本文介绍了一项关于计算研究与教育中心（CCRE）的试点研究，该中心是一项在非洲开展的培训计划，成功引导了一小批早期职业研究人员通过一个结构化的、受指导的路径来开发高性能计算技能，尽管面临着显著的基础设施和导师指导方面的障碍。
本文介绍了一种名为 InVAER 的新型人工智能框架，该框架结合了自适应超参数优化与多线索时空验证，旨在实现具有自动化地理空间应急协调功能的实时、高精度事故检测，从而显著降低边缘设备上的误报率和响应延迟。
本研究提出并验证了一种新型五层 AI–IoT–数字孪生框架，该框架集成了实时数据、预测分析和增强现实技术，旨在实现制造效率、可持续性和人机协作方面的显著提升，同时符合工业 5.0 的价值观。
本文揭示了人类与大型推理模型（LRMs）在决策分配上的一个关键脱节：尽管两者总体上都会在更难的问题上花费更多时间，但人类在最终出错的项目上投入的时间较少（放弃困难任务），而 LRMs 则矛盾地在失败的问题上生成更长的推理轨迹（在不确定性中持续），这凸显了尽管表面相似，但在停止与控制策略方面存在根本性的差异。
本研究提出了一种集成区块链的网络安全框架，该框架利用卷积神经网络（CNN）模型，在基于人工智能的网络系统中实现了 98.3% 的检测准确率和 100% 的拒绝服务（DoS）攻击防御能力。
本研究表明，AI辅助提示增强了数字绘画中的视觉复杂度和行为参与度，同时揭示了机器学习模型在基于这些绘画特征预测宽泛的情感类别方面，比预测细粒度的情绪表现得更好。
DIT 是一种去中心化的、后量子安全的身份验证协议，它通过将域名身份锚定在经 DNSSEC 验证的 ML-DSA-65 密钥中，并利用结合了 X25519MLKEM768 握手与 Merkle 透明日志的技术，消除了传统的 CA 层级结构，从而在无需中心化证书颁发机构的情况下提供高效且可撤销的信任。
本文提出了一种不确定性引导的三重记忆融合框架，该框架利用概率性 Mamba 来量化运动不确定性，并动态融合运动、外观和类别记忆，从而在复杂的动态场景中实现了鲁棒多目标跟踪的最先进性能。