💻 计算机科学

Automated Fracture Image Captioning Using Multimodal Vision-Language Models: A Comprehensive Comparative Study on a Clinically Curated Dataset

本文针对临床策划的数据集上的自动骨折放射影像描述任务,对九种编码器-解码器架构进行了全面的基准测试,结果表明,视觉-语言预训练的 BLIP-Base 模型在不同视觉编码器与 GPT-2 解码器的组合中表现最优,同时为低资源医学成像任务中的失效模式分析和架构选择提供了关键见解。

Nikosi2026-07-14
💻 计算机科学

Foresight Is Not Enough: Sentence-Level Future Signals, Self-Loop Hard Negatives, and the Calibration Gap in Small Language Models

本文表明,尽管 ForesightLM-v2 模型成功学习到了稳定的句子级未来预测信号,但这种表示形式无法直接控制生成行为,从而揭示了其表象上的益处主要源于语义重排序而非学习到的未来术语本身,并凸显了小型语言模型在学习到的表示与校准后的行为结果之间存在的关键差距。

Ahmet Rıfat Öztürk, Yağız Ekrem Dalar, Ömer Faruk Aksoy, Nedim Mutlu Sezer, Feyzi Arda Salihoğlu2026-07-14
💻 计算机科学

From Telemetry to Techniques: Behavior-Centric MITRE ATT&CK Technique Classification Through Sysmon Event Correlation

本文提出了一种以行为为中心的框架,该框架将 Sysmon 事件重构为基于 GUID 相关联的序列,以改进 MITRE ATT&CK 技术分类,并证明了保留进程级上下文的效果优于时间分组,且基准 SecureBERT 模型在没有进行显式类别不平衡缓解的情况下仍取得了卓越的结果。

Amir Hossein Hemmati, Babak Sadeghiyan, Mahsa Saeidi2026-07-14
💻 计算机科学

GeoDualNet: Geometry-Aware Dual-Latent Neural Codec with Epipolar Cross-Attention for Joint Disparity Vector and Depth Prediction in Multi-View Video Coding

本文提出了 GeoDualNet,这是首个通过包含五个创新组件的统一几何潜空间,来联合学习视差向量预测与深度图编码的端到端神经编解码器,其在比特率节省和合成视图质量方面均优于传统的 3D-HEVC 及现有的学习型多视图编解码器。

Reka Sandaruwan Gallena Watthage, Anil Fernando2026-07-14