4157 篇论文
本文证明了最初在卷积网络上得到验证的 GaaR 进化架构搜索框架，能够成功迁移至基于 DirectML 的消费级 AMD GPU 上的自回归 Transformer 语言模型，在实现竞争性性能的同时，揭示了受控开发在结构化景观中优于随机搜索，并且在固定步数预算下更倾向于宽浅架构。
本文提出了一种具有加权聚合功能的隐私保护分布式 CatBoost 框架，该框架在无需中心化数据的情况下，实现了对八个国家性传播感染（STI）和艾滋病毒（HIV）风险的高精度预测，从而为传统的中心化机器学习模型提供了一种稳健的替代方案。
NAE-VC 是一个模块化的学习熵编码框架，它通过结合上下文聚合、高斯混合模型和超先验的神经架构，取代了 H.264、H.265 和 H.266 编解码器中的标准 CABAC 引擎，在实现显著码率节省的同时，保持与现有视频编码标准的完全兼容性。
本文介绍了 MUNNA，这是一个创新的三阶段混合框架，它通过集成用于特征选择的 GWO-SA 元启发式算法、不确定性加权堆叠集成以及闭环 SHAP 反馈机制，在解决局部最优停滞和静态集成权重限制的同时，在乳腺癌威斯康星数据集上实现了最先进的疾病诊断性能。
本文提出了 DAÏO，一种新型的具备边缘计算能力的视觉跌倒检测系统，该系统结合了轻量级姿态估计器、自适应扩展卡尔曼滤波器以及三重校验逻辑引擎，在实现高特异性（96.4%）并显著减少来自日常活动和宗教礼拜引起的误报的同时，保持了在消费级硬件上的实时性能。
STAC-MV 是首个基于 Transformer 的神经多视角视频压缩框架，它利用几何感知自适应上下文选择和跨视图注意力机制，在多种摄像机配置下实现了相对于传统标准的显著 BD-rate 提升，同时大幅缩短了编码时间。
本文提出了一种结合偏好提取、监督微调和直接偏好优化（Direct Preference Optimization）的多阶段对齐流水线，旨在有效缓解基于大语言模型的电影推荐系统中的流行度偏差，在保持竞争力的准确度的同时，提升了新颖性和目录覆盖率。
为了解决由可迁移高层语义与稀疏局部伪影之间的冲突所导致的脸部伪造检测中的泛化差距问题，本文提出了 SemFusion，这是一个结合了用于保留 CLIP 可迁移结构的语义一致性正则化，以及用于有效捕获并融合局部伪造线索的多级补丁证据学习的框架。
本研究表明，临床导向的概念构建增强了用于胸部 X 光片分类的概念瓶颈模型，其中监督方法实现了与非瓶颈基准模型相当的强劲性能，而无标签方法在缺乏概念标注时则提供了一种具有前景的替代方案。
本文介绍了 BioGraph-SentiCOVID，这是一个经过校准的自适应上下文图神经网络框架，它通过遗传算法优化对话上下文选择和超参数，从而在嘈杂的 COVID-19 推特（Twitter）推文中实现了最先进的情感分类。