💻 计算机科学
OntoLearner: A Modular Python Library for Ontology Learning with Large Language Models
本文介绍了 OntoLearner，这是一个模块化的开源框架，它统一了本体访问、大语言模型驱动的学习流水线以及跨 22 个领域的标准化基准测试，并揭示了本体学习的主要瓶颈在于模型知识编码与本体组织之间的结构性失配，而非模型本身的能力。
💻 Category
cs
4157 篇论文
💻 计算机科学
Curriculum-Aligned Analysis of Assessment Feedback: A Retrieval-Augmented Large Language Model Approach for Revealing Fine-Grained Student Error Patterns in Higher Education
本研究提出了一种检索增强的大语言模型方法，能够高精度地将非结构化的评估反馈转化为与课程对齐的错误模式，从而使教学团队能够反思教学影响并指导针对性的课程修订，以应用于高等教育领域。
💻 计算机科学
Comparative Analysis of LLM-Based Conversational Agents as an Assistive Technology for Web Interaction
本研究评估了四种领先的基于大语言模型的对话智能体作为网页导航辅助技术的有效性，发现尽管它们在通过解析页面结构和引导交互以增强不同用户群体的无障碍体验方面展现出令人期待的潜力，但其性能在不同工具之间存在显著差异。
💻 计算机科学
HE-CloudML: A Privacy-Preserving Framework for Secure Machine Learning Inference over Encrypted Cloud Data Using Homomorphic Encryption
本文介绍了 HE-CloudML，这是一个保护隐私的框架，它通过使用同态加密技术，实现了在加密云数据上进行安全且高效的深度神经网络推理，在确保对各种隐私攻击具有鲁棒抵抗力的同时，达到了接近明文的准确度，并较现有解决方案显著提升了延迟性能。
💻 计算机科学
WSymBert: A Weighted Neuro-Symbolic Attention Model for Interpretable CVSS Prediction
本文介绍了 WSymBERT，一种加权神经符号注意力模型，该模型将上下文语言理解与结构化专家知识相结合，以实现对 CVSS v3.1 基础指标高度准确且具可解释性的自动化预测，在超越现有 Transformer 基准模型的同时，更紧密地契合专家推理逻辑。
💻 计算机科学
MAP-RAG: A Multi-View Adaptive Pattern-Aware Medical Retrieval-Augmented Generation Diagnostic Framework
MAP-RAG 是一种创新的多视图自适应框架，通过将结构化电子病历分解与混合检索及动态置信度路由相结合，提升了临床诊断的准确性与效率，并证明了其在多个医学科室中相较于基准模型的卓越性能。
💻 计算机科学
OrganSegBench: Bridging the Translational Gap for Medical Segmentation Foundation Models Through Principled Model Synergy
为了解决由过度乐观的基准测试和准确性-公平性权衡导致的医学分割基础模型中的转化差距，本文引入了 OrganSegBench，这是一个严谨的多维评估框架，它论证了通过集成策略实现的原则性模型协同如何优于单体模型，从而在实现安全、公平且具有临床可信度的人工智能方面表现更佳。
💻 计算机科学
A Hybrid Retrieval Augmented Generation Approach for Explainable Clinical Decision Support Using Vector Databases and Best Matching 25
本文提出了一种结合了 BM25 与基于 BioBERT 的语义搜索以及倒数排名融合（Reciprocal Rank Fusion）的混合检索增强生成框架，旨在增强可解释性、个性化的临床决策支持与疾病早期风险预测，并在一个包含 182,000 条医疗记录的数据集上，实现了优于传统基准模型的检索性能。
💻 计算机科学
An Explainable Hybrid of Classical and Quantum Support Vector Machine Models for Maternal Mental Health Risk Prediction Using Multicountry Data
本研究提出了一种可解释的混合经典-量子支持向量机模型，该模型利用多国数据实现了卓越的孕产妇心理健康风险预测性能（准确率达 99.86%），并通过 SHAP 分析识别出了关键的临床预测因子。
💻 计算机科学
Runtime Detection of Attacks and Misconfigurations in Cloud-Native Kubernetes Environments Using eBPF Network Telemetry
本文表明，当 Hubble/eBPF 网络遥测数据与精心构建的地面真值标签相结合时，能够有效检测 Kubernetes 环境中的运行时攻击和配置错误，并揭示了尽管基于规则的检测器具有高精确度，而随机森林分类器具有更高召回率，但目的地侧身份属性仍是威胁最强有力的指标。