💻 计算机科学
Lightweight Adaptive YOLOv11 for Industrial Defect Perception and Closed-Loop Sorting Cybernetic Control System
本文提出了一种集成闭环控制系统的轻量化自适应 YOLOv11 检测器，旨在实现高速、高精度的工业缺陷感知与实时分拣，与传统方法相比，显著提升了推理效率与控制稳定性。
💻 Category
cs
4157 篇论文
💻 计算机科学
Benchmarking and Stress-Testing Off-the-Shelf Vision Embeddings for Surface Re-Identification in Open-Source Intelligence
本文提出了一个可复现的基准测试，证明了虽然像 DINOv2 这样现成的自监督视觉嵌入能够有效地为开源情报（OSINT）中的表面重识别生成线索，但由于在尺度变化和光滑表面上存在显著的性能退化，它们仍不足以实现无条件的识别。
💻 计算机科学
Language as a Hidden Variable: Measuring Behavioral Divergence in Multilingual Large Language Models
本研究通过一项受控的实证分析，证明了语义、情感和安全性相关的响应在英语、印地语和法语之间存在显著差异，从而挑战了多语言大语言模型具有语言不变性行为的假设，揭示了行为差异是真实存在的且取决于特定类别，而非严格遵循语言距离的预测。
💻 计算机科学
Beyond Functional Correctness: Code Quality and Human–AI Interaction in a Quasi-Experimental Comparison of AI-Assisted Non-Programmers and Programmers without AI
这项准实验研究表明，在 AI 辅助下，非编程人员编写的代码在可维护性和结构质量评分上高于在没有 AI 辅助下工作的程序员，且人机交互的质量成为了这些结果的一个强有力的预测指标。
💻 计算机科学
The Skeleton and the Tissue: Normative Drift, Output Stability, and the Limits of Self-Audit in Claude
本文系统地评估了 Claude 在高风险领域和语言中的表现，揭示出尽管该模型保持了较高的输出稳定性，但它存在“规范性漂移”现象，即其推理过程发生退化且自我审计机制变得循环，从而导致了一种被称为“加固模式”的新型失效模式，即防御性的结果取代了严密的推理。
💻 计算机科学
Designing Ethical Artificial Intelligence-Driven Mental Health Applications: A Cross-Contextual Framework Informed by Developers, Digital Ethics Experts, and Digital Health Specialists in Switzerland and Nigeria
本文提出了一个基于实证的、由八大支柱构成的“核心加情境”人工智能驱动型心理健康应用伦理设计框架，该框架源自对瑞士和尼日利亚利益相关者的定性访谈，旨在将普遍伦理原则转化为可操作实践，同时应对独特的区域性实施挑战。
💻 计算机科学
An Ensemble PPO Trading Agent Across Real Limit Order Book and Long-Horizon OHLCV Data: Diagnosis, Correction, and Honest Evaluation
本文对一个基于 PPO 的比特币交易智能体进行了透明的实证研究，该智能体通过诊断并纠正关键训练失败，实现了对买入持有策略（Buy-and-Hold）适度的长周期超越，同时证明了由于交易成本超过了微观价格变动，实时限价订单簿数据往往会产生一种理性的“不交易”策略，并最终倡导了可复现的负面结果报告相较于精修成功叙事的价值。
💻 计算机科学
Beyond Expected Coverage: Lower-Tail Risk Management in Fair Influence Maximization
本文介绍了一种用于公平影响力最大化的下尾部风险感知框架，该框架利用条件风险价值和最差群体缺口概率来保护弱势群体免受严重的覆盖失败，在仅造成总预期覆盖范围轻微损失的情况下，实现了覆盖风险的显著降低。
💻 计算机科学
Modified Wavenumber Analysis Extended to Physics-Informed Neural Networks
本研究将修正波数分析扩展到物理信息神经网络（PINNs），以系统地评估其在高频波问题上的谱精度，揭示了更深的网络架构、特定的激活函数（如正弦或 tanh-Gaussian）以及最优的傅里叶模态数量（）对于最小化色散误差和耗散误差至关重要。
💻 计算机科学
LARC-QL: Q-Learning Enhanced Content Caching for CCN 1 LARC-QL: A Q-Learning Enhanced Latency-Aware and Resource-Efficient Content Caching Scheme for Content-Centric Networks
本文提出了 LARC-QL，一种用于内容中心网络（CCN）的 Q 学习增强型内容缓存方案，该方案利用双 Q 表和实时需求信号来动态优化缓存决策和路径内放置，与静态策略相比，显著提高了缓存命中率、降低了延迟并提升了资源效率。