929 篇论文
本文系统地分析了不同架构和数据集下视觉语言模型中的上下文条件化现象，揭示了虽然领域级提示（domain-level prompting）始终具有益处，但全量单图上下文条件化（full per-image contextual conditioning）存在高方差和过拟合风险，且其效用主要受模型规模和基准准确率的驱动。
本文通过从 CourseFactory 挖掘一个保护隐私的数据集以提取四个工作流界面，展示了首次在生产规模上进行的 AI 辅助课程设计研究，证明了结构质量分拣和题目到作业的路由模型显著提高了评审效率与准确性，同时证实了被隐藏的提示词文本并未增加任何可衡量的信号。
本研究表明，尽管在受扰动的世界模型中，成功与失败的轨迹表现出截然不同的恢复动力学特征——例如较低的路径熵和较少的结构性偏离——但这些全轨迹模式无法从早期前缀中被可靠地预测，从而将机制检测、恢复监测与个体展开预测的挑战区分开来。
本文介绍了 H. Dilpriya's Momentum (HDM)，这是一种结合了自适应逐参数修正与余弦退火调度的新型多策略优化器，旨在实现严格的收敛保证和最先进的梯度对齐，并在病态合成问题以及 MNIST 和 CIFAR-10 等深度学习基准测试上展示了卓越的性能。
本文提出了一种多租户边云混合大语言模型（LLM）推理架构，该架构结合了 W4A16 量化投机采样解码、异步通信以及多租户验证编排器，旨在同时解决隐私、延迟和资源利用率方面的挑战。
本文介绍了 JPAL-HA，这是一种用于安全关键环境的安全学习模型，它利用人类行为解释来生成假设性查询，从而在显著提高安全性和样本效率的同时，减轻了人类的训练负担。
本研究表明，利用可解释机器学习分析项目级安全气候数据，揭示了由管理响应性、培训和经验驱动的非线性、阈值依赖型行为风险模式，这挑战了传统的线性聚合模型，并为主动事故预防提供了更精确的基础。
本文提出了一种稀疏 正则化的二次曲面支持向量机（QSVM），旨在解决无核非线性分类中的过拟合与可解释性问题，并引入了一种具有可证明最优性和收敛保证的惩罚分解算法，该算法在基准数据集和真实信贷数据集上均展示了具有竞争力的性能与稀疏性。
本文通过一项基于 PRISMA 的系统综述，揭示了当前以听觉为中心的解决方案对聋哑学习者的局限性，并提出了一种集成语音识别、自然语言处理和手语生成的 AI 驱动多模态通信框架，旨在实现实时视觉支持，从而在课堂中实现真正的包容。
本文揭示了标准的基于骨架的评估方法通过错误地将化学异质性的“无骨架”分子视为单一单元，引入了一种隐藏的分配偏差，从而扭曲了常见基准测试中的泛化指标，并提出了一种“空骨架感知”修复方案，以恢复平衡的表示和准确的性能评估。