4157 篇论文
FlashSpec 是一个开源的自适应投机解码引擎，它通过一种用于设备端验证的新型 词表大小 Triton GPU 核函数，以及一种用于动态草稿模型选择的在线多臂老虎机机制，实现了对目标模型分布的精确保持，在显著加速大语言模型（LLM）推理的同时，消除了 CPU 瓶颈和人工调优的需求。
本文提出了一种结合自动编码器（Autoencoders）与孤立森林（Isolation Forests）的混合无监督异常检测框架，通过结合 TF-IDF 和 BERT 特征来有效识别虚假电子商务评论，通过消除对标注训练数据的需求，为监督学习方法提供了一种可扩展且具有成本效益的替代方案。
本文提出了一种创新的深度学习框架，该框架将长期的运动与认知双任务数据与分块重采样、SMOTE 数据增强以及 Transformer 模型相结合，以 80% 的精确度准确预测两年的认知下降，其表现优于传统的 MRI 和基于生物标志物的方法。
本文提出了一种可信且可解释的集体学习（TECL）方法，该方法并非简单地消除多视图数据中的冲突，而是主动利用这些冲突来评估个体一致性、优先排序视图，并生成可靠且具解释性的集体决策。
本文提出了一种基于词嵌入、利用邻近词替换的计算高效型数据增强策略，该策略显著提升了命名实体识别的性能，并在五种语言中为实体链接带来了适度的增益，从而解决了多语言健康信息学中标注临床文本有限的挑战。
本文介绍了 UD-Quran，它是对扩展古兰经树库（Extended Quranic Treebank）进行的 Universal Dependencies v2 转换，旨在将形态和句法标注标准化为两种可互操作的变体（表层形式与增强形式），从而在保持对原始语料库可追溯性的同时，实现与现代 NLP 工具一致的古兰经解析。
本文介绍了 TRNEWS-2025，这是一个涵盖截至 2025 年九个不同类别的大规模人工标注土耳其语新闻数据集，通过基于 Transformer 和经典深度学习模型的实验，该数据集已被验证可有效用于文本分类和自然语言处理研究。
本文提出了 MM-QLOF，这是一种去中心化的多指标 Q 学习目标函数，它整合了数据包成功率、预期传输次数和拥塞水平，以实现物联网网络中自主且自适应的父节点选择，与现有的 RPL 标准相比，显著提高了数据包交付率并降低了延迟。
本文对 2020 年至 2025 年间关于多案例全球网络攻击的文献进行了概念性叙述性综述，强调了传统安全模型的局限性，并提出了一个新的四层框架，以推进对网络韧性的理解与实现。
本文提出了一种结合分布式认证、改进型 AES 加密 T-box 以及基于差分方差的洪水攻击检测的多传感器隐私数据篡改防护方法，旨在确保数据在传输和存储过程中的安全性、完整性和机密性。