2305 篇论文
本文介绍了 NumaRing，一种拓扑感知型 MPMC 队列实现，它展示了通过分析驱动的发现——具体包括消除高昂的单次操作拓扑查找、修复工作窃取中的共享原子瓶颈以及移除无效的 CPU-pause 退避策略——如何大幅提升性能，同时也揭示了即便进行了这些优化，在双插槽系统上的原始吞吐量仍远低于最初的设计目标。
本研究提出了一种基于增强随机森林（ERF）集成模型的自动化血液学分类系统，该模型利用 7,196 份全血细胞计数（CBC）患者记录进行训练，在诊断准确性方面优于其他机器学习算法，并利用 SHAP 和 LIME 技术确保模型在临床决策支持方面的可解释性。
本文指出预处理瓶颈（特别是 SSD 边界框限制）是轻量化驾驶员疲劳检测系统精度下降的主要原因，并提出了一种结合 CLAHE 自适应预处理、三区置信度协议和动态量化的解决方案，旨在边缘设备上实现 99.0% 的准确率及低于 40 毫秒的延迟。
本文介绍了 QTRadX-KOA，这是一个结合了 DenseNet-121 骨干网络、轻量化 Transformer 以及一种新型残差混合量子头（Residual Hybrid Quantum Head）的量子-经典混合框架，旨在实现边缘端兼容且资源高效的膝关节骨关节炎分级，在性能与大型经典模型相当的同时，将参数量减少了约 90%。
本文介绍了 VeritasAI，这是一个可解释的多智能体框架，它利用检索增强生成（RAG）和基于图的知识库，通过在专业化智能体之间模拟对抗性辩论来实时检测虚假新闻，从而提供比传统黑盒系统更具透明度、基于证据的判决与推理过程。
本研究表明，虽然在考虑需量电费感知的电池控制任务中，紧凑型量子-经典混合策略可以略微优于规模相当的经典网络，但这种优势非常有限且具有特定任务性，并不构成相对于更快速的经典基准模型的通用量子优势。
本文介绍了递归推理机（Recursive Inference Machines, RIMs），这是一种将神经骨干网络与经典递归推理方案相统一的神经推理框架，旨在增强在复杂推理基准测试上的性能，并提高在表格数据设置中的鲁棒性与效率。
本文提出并验证了一种用于实现对遗留企业系统进行安全自然语言访问的生产级架构，该架构通过利用模式元数据导航图（Schema-Metadata Navigation Graph）和目录约束提取来取代自由形式的 SQL 生成，从而通过架构设计而非模型规模来消除幻觉和安全风险，确保了可靠性。
本研究提出了一种结合改进数据策略与 YOLOv11 架构的微塑料实时智能监测系统，旨在显著提高检测准确度、减轻操作人员疲劳，并加速复杂显微样本的筛选过程。
本研究采用设计科学研究方法，提出并验证了一种人工智能增强型敏捷框架，该框架通过减少 50% 的估算时间并利用人工智能辅助工作流实现高达 97% 的迁移准确率，显著加速了资源受限的精益科技初创企业的最小可行性产品（MVP）开发并提升了质量。