cs 篇论文 | Gist.Science

本文提出了 SymCLIP，这是一个通过引入对称视觉-语言提示来协同耦合视觉与文本特征，并利用动态标签集成来实现自适应语义表示，从而增强社交媒体图像中多意图识别能力的创新框架，在 Intentonomy 数据集上达到了最先进的性能。

本研究提出了一种可本地化部署、基于知识图谱的麻醉科住院医师规范化培训智能指导系统，该系统利用双引擎检索增强生成框架，在不依赖云端大语言模型的情况下，提供准确、符合指南规范且保护隐私的教育支持。

本研究表明，对于作物推荐任务而言，一个经过精调的单一随机森林模型即可达到与复杂集成方法相当的准确度，这表明无需进行冗余的模型组合，更简单、更具成本效益的解决方案已然足够。

本文展示了一项关于中小企业闭域智能人力资源系统的设计科学研究，该研究表明，通过采用具有同章节负采样训练的纠正性检索增强生成（Corrective RAG）适配，尽管在整体准确率上有所折衷，但显著提高了回答的忠实度。

本文介绍了 SCOPE，这是一个感知不确定性的免训练框架，通过整合以行为为中心的分组、分布式的 TTP 映射以及 Top-K Viterbi 序列推理，在不完整观测条件下重构连贯的攻击行为，从而在准确性和鲁棒性方面超越了现有基准。

本文提出了一种经过高度优化和微调的 EfficientNet-B0 模型，该模型利用迁移学习实现了对真实世界图像中九种玉米病害的自动检测，准确率达到 97.57%，为协助小农户进行早期病害识别提供了一种计算高效的工具。

本文提出了一种面向无人机的资源高效型视觉导航系统，该系统利用全景神经压缩与双快照融合技术，在实现极低内存开销的同时，能够完成连续、闭环的路径跟随与返航任务，并具备高定位精度。

本文提出了一种优化的基于人工智能的入侵检测系统，该系统利用 GridSearchCV 对 CICDDoS2019 数据集上的六种机器学习和深度学习模型进行调优，并证明了随机森林（Random Forest）和 XGBoost 在检测各种 DDoS 攻击方面比其他算法具有更高的准确性和效率。

本文提出了 Q-LDPSO，这是一种新型的量子增强粒子群优化算法，其具有量子种群初始化和量子双向搜索策略，当与 RF-XGBoost 集成分类器结合使用时，在物联网环境下实现了卓越的特征选择和入侵检测性能（准确率达 99.63%）。

本文提出了保守代理提示（Conservative Proxy Prompting, CPP），这是一个参数高效的框架，通过构建特征空间代理表示并保守地调节其贡献以避免误导性信号，从而增强冻结的视觉语言模型在模态缺失情况下的可靠性。