💻 计算机科学
Learning What to Think: Continual and Open-Ended Thinking Activity Scheduling for Autonomous Robots
本文提出了一种持续且开放式的框架，该框架通过学习基于历史数据和环境上下文来调度自主机器人的思考活动，在显著提高任务成功率和跨任务泛化能力的同时，减少了冗余的大语言模型调用和操作违规。
💻 Category
cs
4157 篇论文
💻 计算机科学
Predictable Emergence: An Empirical Analysis of Whether Sharp Capability Jumps Follow from Smooth Per-Token Scaling Laws
本文表明，在多位数整数加法中观察到的精确匹配准确率（exact-match accuracy）中剧烈的“涌现”跳变并非模型能力的真实不连续性，而是由单标记准确率（per-token accuracy）遵循幂律规律的平滑提升，结合要求所有数字均正确的非线性效应所共同导致的、完全可预测的人为产物。
💻 计算机科学
The Three-Force Phase Diagram of Mixture-of Experts: Gradient Alignment Theory and Causal Veri cation on Mixtral 8×7B
本文引入了跨专家梯度对齐度量（Γ），旨在证明标准的混合专家模型训练（特别是在 Mixtral 8×7B 中）在本质上是由一种结构性的零和竞争所驱动的，这种竞争是由 softmax 耦合与 top-k 归一化的共同负面效应所导致的，从而创造了一个持久的负向对齐吸引子，而这一问题只能通过移除这些特定的架构约束来克服。
💻 计算机科学
An Effective Inter and Intra-Layerdependencies Based Communitydetection Model Using S-NOA and S2ASD-Munet.
本文提出了一种新型社区检测模型，该模型利用 Skellam Nutcracker 优化算法 (S-NOA) 和 SwishSERF 注意力空间丢弃宏单元 CNN (S2ASD-MUNet) 来有效分析层间与层内依赖关系，实现了 0.962 的高模块度得分。
💻 计算机科学
MESH for Incremental Digital-physical system (MESH4ID): A Headset-Centred Virtual Reality Pipeline
本文介绍了 MESH4ID，这是一个基于 Unity/OpenXR 构建的以头显为中心的虚拟现实流水线，它使用户能够在沉浸式 VR 环境中通过将实时 LiDAR 流冻结为可追溯的快照，从而实现室内环境的捕获、管理与重建，并进行交互式检查和按需网格生成。
💻 计算机科学
SMPD: Self-Supervised Meta-Learning for Predictive IoT Compromise Detection with Few-Shot Adaptation
该论文提出了 SMPD，一种新颖的自监督元学习框架，该框架利用多模态时序数据和对比预训练，能够以高准确率和少样本适应性提前 24–48 小时预测物联网设备的受攻击情况，在资源受限的环境中显著优于现有的入侵检测基准。
💻 计算机科学
Interpretable Audio Pattern Discovery in Keyword-Spotting Models via Waveform Optimization and Segment-Level Analysis
本文介绍了 GRADV，这是一种可复现的信号分析工作流，通过优化波形并进行分段级分析，旨在发现并评估关键词检测模型中的目标类别音频模式，在不提出新的语音识别架构的情况下实现了极高的成功率。
💻 计算机科学
Recovering Engineering-Change Traceability from Legacy CNC Work Orders: A Pydantic Schema and Few-Shot LLM Extraction Baseline
本文提出了一种 Pydantic 模式以及一个少样本小语言模型基准，用于从碎片化、双语且截断的遗留 CNC 工单中提取工程变更追溯性，在展示高模式有效性的同时，揭示了基于上下文的预提示会降低性能，而确定性后置过滤器能在不影响召回率的情况下提高精确度。
💻 计算机科学
OptiVerse AI: Explainable Deep Learning and Three-Dimensional Retinal Reconstruction from Fundus Images for Early Retinal Disease Detection
OptiVerse AI 是一个利用 EfficientNetB7 和 Grad-CAM 对糖尿病视网膜病变进行分类并从标准眼底图像中重建 3D 视网膜结构的解释性深度学习系统，其准确率超过 95%，旨在增强早期疾病检测和临床决策。
💻 计算机科学
RECON: A Recipe-Driven, Evidence-Fused, Neuro-Symbolic Multi-Agent Architecture for Autonomous Document Compliance Auditing across Heterogeneous Enterprise Repositories
本文介绍了 RECON，这是一种神经符号多智能体架构，它将确定性规则、模糊检测以及大语言模型推理与基于 YAML 的配方系统和防篡改审计相结合，旨在为异构企业仓库中的文档合规性审查提供可复现、可辩护且证据融合的解决方案。