cs 篇论文 | Gist.Science

本文证明了量子自动编码器（具体为一种采用密集角度编码和实振幅拟设的 8 特征模型）在 BETH 数据集的网络安全异常检测中优于经典自动编码器，即使在训练样本量大幅减少的情况下，其 F1 分数也更高（0.87 对比 0.77）。

这项对20项同行评审研究进行的系统综述评估了后疫情时代高等教育中AI驱动移动监考的现状，强调了其在实现可扩展考试诚信方面的潜力，同时批判性地指出了在移动端特定研究、技术可靠性以及隐私和算法偏见等伦理问题方面的显著空白。

本文介绍了 AllLinLog，这是一种精简的模型，它通过使用线性自注意力编码器直接处理来自系统日志的全上下文信息，从而消除了对日志解析的需求，进而实现了比传统方法更优异的异常检测准确率和更快的推理速度。

本文提出并评估了一种将 RSA 与量子密钥分发（使用 BB84 协议）相结合的混合加密模型，旨在保护消费电子产品免受量子计算威胁，并证明了其在密钥生成、加密速度以及抵御中间人攻击方面具有增强的性能。

该论文提出了 DOKA-Agent，这是一个采用“感知-规划-执行”工作流的大语言模型智能体框架，旨在实现演化知识图谱中的动态增量本体对齐，从而与传统的静态方法相比，提高语义精确度并降低更新延迟。

本研究利用一个空间网络安全语料库证明，虽然图拓扑结构在预测技术涌现方面提供了依赖于上下文的增量价值，但节点级的时序历史已经编码了大部分预测信息，导致图感知模型相对于强时序基准模型的提升仅为适度且非均匀的。

本文提出了 CuSPC，一种面向 GPU 的隐写极化码架构，通过重构解码调度并利用多级并行性，在保持低编码损失和相当的隐写分析抗性的同时，实现了比 CPU 基准方案高出 30 倍的吞吐量提升。

本研究介绍了 CodePori，这是一个用于自主软件开发的大规模多智能体系统，并通过参与者反馈对其在现实世界中的适用性进行了实证评估，旨在识别标准基准指标之外的关键挑战与机遇。

本研究提出并评估了重新设计计算机科学作业的策略，旨在利用而非禁止人工智能工具，证明了迭代学习周期、战略性时机以及持续反馈可以增强学生真正的理解，同时维护学术诚信。

本文介绍了 Res6-Deep11，一种新型的无监督图像重建模型，该模型能够在不需要像素级地面真值标签的情况下，有效检测并分割合成孔径雷达（SAR）图像中的油溢，并以 77.33% 的 F1 分数实现了优于现有最先进方法的性能。