cs 篇论文 | Gist.Science

本研究利用结构方程模型证明，虽然人工智能驱动的网络安全意识和数字素养能显著促进人工智能网络安全系统的采用，但对这些系统的信任并不直接影响行为意向，这凸显了组织优先发展网络安全意识和数字素养，而非仅仅侧重于建立信任的紧迫性。

本文介绍了 DustFormer，一种基于深度学习的编码器-解码器框架，它能够同时对 RGB 图像进行粉尘分割和密度估计，在环境监测、精准农业和智能感知应用方面实现了高精度和高鲁棒性。

本文提出了一种通过自动符号化和循环边界策略增强的定向符号执行方法，旨在高效验证过程间控制流路径的可行性，并证明了在应用于实际项目和静态分析集成时，其召回率和精确度均优于 KLEEF 等现有工具。

本研究评估了五种大语言模型在 OKAP 式眼科学问题上的表现，结果显示通用型模型（尤其是 Gemini-Pro-3）在准确性和校准度方面优于专门的临床 AI 工具 OpenEvidence，同时也凸显了所有系统都存在的显著性能异质性以及共同的推理失败问题。

本文提出了一种新颖的入侵检测框架，该框架将用于深度特征提取的两阶段堆叠自编码器与基于近端策略优化（PPO）的深度强化学习智能体相结合，在多个基准数据集上展示了具有竞争力的性能和效率。

本文提出了一种基于置信度-收敛性的水下运动目标序列识别方法，该方法能够动态更新行为类型置信度，并仅在同时满足优势度、时间稳定性及类间分离度时才接受决策，从而在观测受限且具有不确定性的情况下，相比现有基准显著提高了准确度并减少了误差。

该论文提出了 HiRoC，这是一个多模态情感识别框架，通过将相关的对话历史选择性地路由通过说话人类型图，并利用跨模态不一致性来校准决策，从而增强预测准确性，以解决现有基于图的方法的局限性。

本文提出了一种结合了过程间静态分析与控制流及数据依赖追踪的自动化、可扩展方法，用于在优化后的二进制代码中准确检测自然循环并确定其迭代次数，在真实软件和基准测试集上实现了高精度与高可扩展性。

本文建立了一个可复现的基准，证明虽然全头显（HMD）姿态数据可以有效地模拟某些主观虚拟现实（VR）结果（如空间临场感），但其最理想的角色是作为传统问卷调查的补充性行为信号，而非完全替代品，且其在可用性、工作量和晕动症等不同构念上的可恢复性存在显著差异。

本文提出了一种针对慢性肾脏病预测的成本敏感且可解释的评估框架，该框架展示了通过优化决策阈值并优先考虑避免假阴性，结合证实临床合理性的可解释性分析，如何增强机器学习模型在临床决策支持中的适用性。