cs 篇论文 | Gist.Science

本系统综述评估了基于深度学习的海鲜非破坏性新鲜度检测技术，在强调其高预测性能的同时，指出了在生物学有效性、方法论严谨性以及工业部署就绪度方面的关键缺陷。

本研究采用一种混合 CNN–LSTM–Attention 框架，定量验证了传统八卦宇宙观在赣南客家建筑中的体现，揭示了不同建筑类型之间高度一致的方向性空间秩序，并识别出围屋与公共建筑之间截然不同的密度模式。

本文提出了 RadarSEDiff-T，一种带有一致性机制的 Transformer 引导潜在扩散模型，该模型通过从稀疏的毫米波雷达数据中重建高密度的类 LiDAR 点云，旨在为资源受限的无人机实现高精度自主导航。

稀疏 Mamba 解码器（Sparse Mamba Decoder, SMD）是一种以缺陷为中心的神经解码器，它通过仅处理活跃的检测事件来实现 $O(k)$ 复杂度，从而获得卓越的准确度和近乎恒定的低延迟，在各种量子纠错基准测试中，其在速度和逻辑错误率方面均显著优于现有的解码器。

本文提出了 STCA-Net，这是一种紧凑的时空神经网络，通过集成多尺度深度可分离卷积和双向交叉注意力机制，有效捕捉脑电图（EEG）数据中的局部与远程依赖关系，并在波恩大学（University of Bonn）数据集上的二分类、三分类及五分类癫痫发作分类任务中达到了最先进的性能。

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。