cs 篇论文 | Gist.Science

本文提出了一种自监督、不确定性感知框架，通过利用时间几何一致性和自我运动补偿来优化深度估计，从而在无需昂贵的3D边界框标注的情况下，提升自动驾驶中目标级3D定位的稳定性。

本文提出了一个综合性框架，利用包括 BERT 和各种 RNN 变体在内的先进机器学习与深度学习算法，结合多种嵌入技术和 LDA 主题模型，对来自 21 家医院的患者文本反馈进行分析，并从中得出用于提升医疗服务质量和患者满意度的可行性见解。

本综述在冷启动部署框架下，对基于基础模型的工业视觉异常检测进行了回顾，通过按数据可用性和流水线角色对方法进行系统分类，同时探讨了在适配、评估和可扩展实现方面面临的挑战。

WiFlux AI 是一个智能框架，通过对每个接入点 14 个参数进行实时分析来优化智慧校园 Wi-Fi，从而自主预测并解决拥塞，在实现网络速度、丢包率和拥塞降低方面取得显著提升，并能扩展以支持多达 1,000 个接入点。

本文提出了一种多模态人工智能驱动的展览式学习模型，该模型通过稳健的小数据训练技术，在实现高专家相关性的同时显著减少了教师的评估时间，从而有效解决了初中阶段艺术评价的主观性及课程碎片化问题。

本文提出了一种新型物理信息高斯过程（PIGP）框架，该框架利用定制的周期核函数和自适应配置策略，能够高效且准确地计算非线性动力系统的周期解，并展示了其相比于谐波平衡法具有更优越的计算性能。

本研究表明，作为裁判者的某些大语言模型表现出对特定标签线索（尤其是“FALSE”值）的非对称性、呈现驱动型从众行为，而非对实质内容的公正评估，且这种易感性在不同厂商之间存在显著差异，并可通过指令微调得到缓解。

本文介绍了 H-Elena，这是一个被篡改的编程大语言模型，它展示了触发器条件的恶意行为如何被编码进模型权重，并如何通过微调工作流持久地传播到不同的架构中，从而揭示了人工智能开发中一种新的关键供应链风险。

本文提出了一种多源数据融合计算模型，该模型通过图卷积和 Dempster-Shafer 理论集成了电缆拓扑、AIS 轨迹和水声数据，与单源方法相比，显著提高了海底电缆威胁检测的准确性以及针对欺骗攻击的鲁棒性。

HUE-OOD 是一个事后（post-hoc）框架，它通过结合预测、表示和证据不确定性信号，并采用一种无需参数的基于秩（rank-based）的融合策略，在多种基准测试中增强了分布外检测的鲁棒性，且无需对预训练分类器进行任何修改。