cs 篇论文 | Gist.Science

本文展示了一个基于 Python 的初步原型，该原型利用 Haar-Cascade 人脸检测和预训练卷积神经网络（CNN）来识别不安全的情绪状态，通过受控测试证明了其可行性，同时明确承认了其局限性，例如缺乏地面真值验证、真实驾驶场景视频以及测量的分类准确度。

本文证明了使用共享初始化的无数据知识蒸馏无法实现对私有模型的净化，因为高斯噪声查询可能会在教师网络与学生网络之间无意中传输被记忆的训练数据和后门。

这项针对186项研究的系统性综述表明，尽管人类监督被广泛要求作为人工智能辅助决策的保障措施，但目前的证据在很大程度上是规范性和关联性的而非因果性的，这促使作者提出了一个包含可衡量组件和可测试命题的新框架，以确定此类监督是否确实提高了决策质量。

本文介绍了 FORGE，这是一个通过四个角色和七个维度来构建高等教育中教师-人工智能协作的设计科学框架，并通过案例研究展示了其指南如何将即兴的提示词生成转化为一种可迁移的、基于角色的教学材料生成工作流。

本文提出了三种更深层的网络方法——SoftNet、LinNet 和 AddNet，通过利用具有特征复用、线性聚合和早期退出的子网络乘性集成，有效地解决三维美国 Heston-CIR 模型，同时缓解深层架构中的梯度消失和性能退化问题。

本文介绍了 GRIDGUARD-AI，这是一个可解释的、人机协同的智能体框架，它将机器学习与确定性风险升级相结合，用于检测智能电网中未见的网络攻击，通过严格的场景留置评估展示了极高的安全性保障，同时也强调了当前在部署前进行广泛人工审查的必要性。

本文通过分析前沿人工智能智能体（AI agent）的性能数据，揭示了一个显著的“可靠性差距”，即智能体能够持续完成的任务时长大约仅为其平均能力水平的 2.4 倍，这主要是因为失败在特定任务内具有强相关性而非随机发生，从而表明必须将评估指标从平均成功率转向面向安全部署的可靠性调整后水平。

本文介绍了 FLCHUS-X，一种用于挖掘具有低平均成本和高平均效用的频繁序列的成本感知剪枝算法，该算法通过建立平均成本的单调下界来改进了最先进的 FLCHUSPM，从而实现更激进且安全的剪枝策略，进而显著缩短了执行时间。

本研究评估了 TF-IDF、BM25、量化后的 MiniLM 稠密检索器及其倒数排名融合（RRF）在 FiQA 基准测试上的检索准确率与延迟，结果发现，尽管稠密模型显著优于稀疏方法，但融合方法相比于仅使用 MiniLM 仅带来了微小且在统计学上不显著的提升。

在对 VideoGen Model 1 进行的受控试点研究中，与原始或仅经过重新格式化的提示词相比，创意提示词扩展显著提高了整体视听质量和提示词对齐得分（尤其是在由 VA-Judger 进行评估时），而视觉质量则基本保持不变。