cs 篇论文 | Gist.Science

本文介绍了“从监督到控制”（O2C）框架，这是一个由六项功能和支持性条件组成的社会技术模型，旨在通过分析监管工具以及解释与及时干预频繁失效的现实案例，来诊断为何人类监督在处理高风险人工智能系统时往往无法实现有效的控制。

本文提出了 AJIT，一种高保真经典-量子混合框架，该框架通过结合基于 DTCWT 的压缩、准周期酉变换混淆以及拓扑超图验证，实现了 DICOM 医学图像的量子抗性安全共享与多方认证，从而达到无损重建和鲁棒的差分抗性。

本研究引入了跨市场检索增强型 Lag-Llama（CM-RAF-Lag-Llama）框架，证明了通过利用类比的历史窗口来修正预测，将历史检索与预训练的 Lag-Llama 模型相结合，能够显著降低不同权益市场中的预测误差，尤其是在波动率和成交量相关的目标上。

该论文提出了 CFE-UNet，一种用于遥感领域的创新语义分割框架，该框架通过集成一个重构编码器与一个跨特征交换解码器，有效地结合了全局上下文与局部细节，在复杂的城市及自然异质场景中实现了最先进的性能。

本文表明，在数据有限且具有异质性的受限多模态肿瘤学场景下，可审计的证据角色组织——即为分子、表型和临床输入分配特定的、紧凑的角色——是比单纯增加表示规模更关键的跨领域迁移性能决定因素。

本研究提出了一种基于 GraphRAG 的经颅磁刺激（TMS）文献自动化元分析方法，该方法利用基于标题的分块、论文级知识图谱构建以及混合检索技术，实现了高准确度的参数提取，并显著缩短了证据合成所需的时间。

StructFix 是一个结构感知的自动化程序修复框架，它通过集成代码属性图（Code Property Graphs）来更好地捕捉控制和数据依赖关系，从而增强了掩码语言模型，使其与现有的基于标记序列的方法相比，提升了修复的有效性和跨语言的鲁棒性。

该论文提出了 FedVIB–AGP，一种用于联邦学习的聚合后修复框架，该框架在训练期间结合了变分信息瓶颈正则化，并在修复阶段结合了激活间隙剪枝，以在保持高洁净任务准确率的同时，有效抑制分布式后门攻击。

本文表明，虽然系统地改变提示工程元素（如标签描述、指令引导和少样本示例）可以显著提高大语言模型对社会科学文本的分类准确率，但性能提升在超过最小限度的上下文增加后往往是微乎其微的，有时会随着上下文过多而下降，并且在不同模型和任务之间存在实质性差异，因此需要进行个体验证，而非依赖通用规则。

本文提出了一种利用 CNN 和 LSTM 的实用多层深度学习框架，通过解决数据不平衡等关键工程挑战，来检测高级网络安全威胁，并为安全运营中心中可扩展、实时的实施提供指导。