929 篇论文
本文提出了 HCLM-SmartTex，这是一个可解释且轻量级的 AI 框架，它通过针对以人为中心的决策成本而非原始准确率进行优化，并利用合成模拟器进行训练，从而将真实的生理异常与智能纺织品传感器退化及伪影区分开来，并以极小的计算开销实现了高可靠性。
本文介绍了 HPG-Rec，这是一个新颖的、无需训练的框架，它通过结合受控的大语言模型候选生成、排名感知语义评分、双重流行度建模以及基于 MLP 的融合，有效地解决了推荐系统中的数据稀疏性和语义鸿沟问题，并实现了相比于最先进基准模型的显著性能提升。
本研究提出了一种基于两层本体的框架，将复杂的混凝土浇筑无线电日志分类为七个语义轴，以推导出危险信号、控制动作和情境状态，在展示基于规则的提取具有高一致性的同时，也指出了局部大语言模型方法在未来验证中存在的局限性。
本文介绍了一种用于微文本语言识别的超轻量级几何方法，该方法将字符频率编码进紧凑的欧几里得空间，在展现出优于传统基准模型的针对数据稀疏性和历史变异性的鲁棒性的同时，也为边缘计算提供了显著的计算效率。
本文证明了，一种具备矛盾感知且经过循环工程设计的 AI 智能体技能，在生成高风险、决策级留学策略方面，显著优于传统的网页搜索，其有效性达到 100% 且输出覆盖面全面，而基准方法的有效性为 0% 且结果碎片化。
这种立场式的二次分析认为，结肠 CAD 系统应采用“检测优先、分级在后”的工作流，并使用针对特定阶段的指标进行评估，通过对现有数据的重新分析证明了这种方法能更好地契合临床病理工作流，并揭示了大多数分级错误属于临床严重程度较低的相邻等级互换问题，同时强调了疾病患病率对阳性预测值的关键影响。
本文表明，广泛引用的测试时自适应中失效子空间的低维特性，是受限于分类器行空间的特定梯度定义的代数伪影，而非内在属性，因为替代性的无约束需求揭示了高维且对宽度敏感的结构，其中大部分能量仍局限于分类器的行空间之中。
本文针对 AMD Zen 3 微架构进行了一项系统性的优化研究，通过评估 28 种不同的缓存/寄存器分块、FMA 链化以及即时打包配置，实现了单核 FP32 矩阵乘法 85.30 GFLOPS 的性能，并最终确定了一个达到理论峰值性能 63.5% 的冠军设计，同时引入了一个用于未来优化的预测模型。
本文提出了一种多模态深度学习框架，该框架整合了来自社交媒体的文本、视觉和行为数据，与传统的机器学习和单模态方法相比，能够实现更准确、更早期的心理健康障碍检测。
本文提出了一种在笔记本电脑上模拟大规模大语言模型（LLM）智能体社会的高性价比方法，该方法通过使用从廉价查询中拟合出的低参数代理来替代个体智能体，引入了一种感知-记忆分类法以预测模拟准确性，并在多种宏观场景下验证了该方法的有效性。