4157 篇论文
自主研究助手（Autonomous Research Assistant）是一款全栈 AI Web 应用程序，它利用 Semantic Scholar API、经过微调的线性 SVM 分类器以及 Google Gemini 2.5 Flash，实现学术论文的自动发现、分类、总结与引用，从而将手动文献综述的时间减少 70%。
本文通过证明将对话历史转化为结构化知识在长期检索任务中的表现显著优于原始逐字存储，从而实证验证了将 SECI 知识创造模型应用于 AI 智能体记忆的方法，其主要原因在于缓解了导致原始存储丢失约 90% 会话内容的嵌入窗口截断问题。
该论文提出了一种自适应变异驱动的哈里斯鹰优化（AMDHHO）算法，该算法结合了莱维飞行和动态变异策略，以有效解决带有机械臂的混合流水车间调度问题，并证明了与遗传算法及原始调度方案相比，该算法能显著降低最大完工时间和平均等待时间。
本研究评估了四种大语言模型在将牙髓检查问题划分为三种教育分类体系中的分类忠实度，结果表明，尽管 Gemini 和 DeepSeek 等模型在布鲁姆（Bloom）和 SOLO 分类体系中实现了显著的一致性，但所有模型在米勒金字塔（Miller's Pyramid）方面都表现挣扎，从而证明了大语言模型的性能具有分类依赖性，且不同于答案的准确性。
本研究表明，通过 Grad-CAM 和 SHAP 解释增强后的 ResNet-50 分类器在检测致密型乳腺 X 线摄影中的乳腺癌方面，其敏感度可以超越人类放射科医生，达到了 72.2%，同时提供了具有可操作性的视觉洞察，以支持其作为第二阅片工具的部署，从而标记高置信度的病例并将模糊病例转交给临床医生。
本研究提出了一种结合奇异谱分析（SSA）进行数据分解、反向传播训练的多层感知器（MLP-BP）进行分量建模，以及麻雀搜索算法（SpSA）进行参数优化的混合预测模型，证明了其在预测中国民航客运量方面比传统方法具有更高的准确性。
本文提出了一种结合 K-Means 和粒子群优化算法的混合 K-PSO 聚类算法，用于优化环境监测无线传感器网络中的簇头选择，与传统方法相比，该算法显著提高了能量效率、延长了网络寿命并增强了簇头的稳定性。
本文介绍了累积历史复制子选择（Accumulated-History Replicator Selection, AHRS）框架及其菌丝网络优化（Mycelial Network Optimization, MNO）算法，该框架利用指数加权的历时适应度数据，在复杂的非可分景观上超越了标准的基于种群的优化器，并在进化博弈论和费舍尔基本定理方面具有理论基础。
本研究表明，当前的大型语言模型和检索增强生成系统在检测生成的生物医学答案与检索到的证据之间的矛盾方面存在显著失败，经常将其误分类为证据不足，从而凸显了此类自动化验证器尚未准备好用于临床自主筛查。
本研究提出了一种人工智能驱动的自适应学习生态系统（AIALE），该系统整合了自适应学习、多语言支持、区块链凭证验证以及社区导师机制，旨在全面克服难民及流离失所群体在接受高等教育时面临的法律、经济和技术障碍。