cs 篇论文 | Gist.Science

这项研究表明，像 CLIP 和 SigLIP 这样的预训练视觉编码器在检测素描与绘画中持久的风格信号方面比手工设计的描述符更有效，但它们在面对视觉相似的负样本时表现出的脆弱性表明，与其作为可靠的鉴别机制，它们更适合作为分析人工智能对艺术风格感知的工具。

本文提出并评估了一种利用 USBKEY 和 GSVOLE-2DLC 协议的硬件辅助零知识认证方案，旨在为资源受限的物联网终端实现安全、保护隐私且轻量级的身份验证。

本文介绍了 CQ-Transformer，这是一种结合了查询分解、基于 ALBERT 的语义过滤以及 RoBERTa/XLNet 编码器的混合抽取式问答框架，该框架在处理 SQuAD 2.0 数据集上的复杂多类别查询时，显著优于现有的基准模型。

本文提出了一种双分支晚融合模型，该模型利用 ASEADOS-SDN-IoT 基准测试集将 ONOS 控制器遥测数据与数据平面流统计数据进行集成，在实现高检测准确度的同时，与仅基于数据平面的基准模型相比，显著减少了早期攻击识别所需的报文数量。

本研究提出并评估了一种轻量级的、基于检索增强生成（RAG）的公共卫生智能体，该智能体成功增强了基层医疗卫生机构一线医务人员的信息检索、决策支持及运营效率，同时保持了极低的计算开销，尽管其临床有效性仍需进一步的现实世界验证。

本文介绍了 CytoDNNEnsemble，这是一种参数高效的深度集成模型，它利用互补的全局和局部视角来实现高维流式细胞术分析的自动化，在减少对专家门控依赖的同时，实现了比现有最先进方法更高的准确性和鲁棒性。

本研究提出了一种面向方向感知的混合卷积神经网络，该网络将手工设计的边缘和纹理滤波器与深度学习特征相结合，以增强非接触式人脸识别在姿态、光照和遮挡变化下的鲁棒性，并在三个基准数据集上实现了更高的 F1 分数。

本文研究了身份披露和跨语言失配如何为 LLM-to-LLM 同行评审引入五种不同的偏差机制，并通过多模型实验证明，自报分数并不能作为审计者稳定性的可靠指标，且必须对论证文本进行独立的定性分析。

本文识别并量化了“算法群体思维”（Algorithmic Groupthink）现象，即多智能体大语言模型系统在共享中间工作过程时会丧失语义多样性，并证明了这一推理阶段的问题可以通过特定的提示词级指令得到有效缓解，且不会损害输出质量。

本文提出了一种认知供应链双生体架构，该架构将数字孪生技术与多智能体强化学习相结合，旨在自主增强新兴经济体应对地缘政治扰动的供应链韧性，并通过模拟实验证明，在秘鲁的具体背景下，该方法在维持业务连续性、缩短恢复时间以及降低成本方面显著优于传统方法。