cs 篇论文 | Gist.Science

本文表明，在数据有限且具有异质性的受限多模态肿瘤学场景下，可审计的证据角色组织——即为分子、表型和临床输入分配特定的、紧凑的角色——是比单纯增加表示规模更关键的跨领域迁移性能决定因素。

本研究提出了一种基于 GraphRAG 的经颅磁刺激（TMS）文献自动化元分析方法，该方法利用基于标题的分块、论文级知识图谱构建以及混合检索技术，实现了高准确度的参数提取，并显著缩短了证据合成所需的时间。

StructFix 是一个结构感知的自动化程序修复框架，它通过集成代码属性图（Code Property Graphs）来更好地捕捉控制和数据依赖关系，从而增强了掩码语言模型，使其与现有的基于标记序列的方法相比，提升了修复的有效性和跨语言的鲁棒性。

该论文提出了 FedVIB–AGP，一种用于联邦学习的聚合后修复框架，该框架在训练期间结合了变分信息瓶颈正则化，并在修复阶段结合了激活间隙剪枝，以在保持高洁净任务准确率的同时，有效抑制分布式后门攻击。

本文表明，虽然系统地改变提示工程元素（如标签描述、指令引导和少样本示例）可以显著提高大语言模型对社会科学文本的分类准确率，但性能提升在超过最小限度的上下文增加后往往是微乎其微的，有时会随着上下文过多而下降，并且在不同模型和任务之间存在实质性差异，因此需要进行个体验证，而非依赖通用规则。

本文提出了一种利用 CNN 和 LSTM 的实用多层深度学习框架，通过解决数据不平衡等关键工程挑战，来检测高级网络安全威胁，并为安全运营中心中可扩展、实时的实施提供指导。

本文提出了一种基于 YOLO26 深度学习模型的智能实时无人机检测与预警框架，用于关键基础设施监控，该模型在自定义的多场景数据库上进行了训练，并通过与基准模型的对比，证明了其在识别小型、远距离及挑战性无人机目标方面具有卓越的准确率和速度。

本文表明，对潜在传输拓扑进行递归索引（RIX）分析可以检测到世界模型中先于行为失效发生的结构性状态转换，从而揭示了即便表示在点层面上保持稳定，其底层的组织结构也可能在压力下发生崩溃。

Tamarin (HSQ) 引入了一种可逆的三层分级 KV 缓存压缩方案，通过将 Token 路由至焦点层、学习到的摘要向量以及基于 CPU 的存档层，在保持接近基准水平的困惑度（perplexity）和检索准确度的同时，实现了长上下文大语言模型推理中 12–28 倍的 GPU 显存缩减。

本文提出了一种借鉴自汽车 J3016 标准的分级自治框架，通过将系统划分为三个领域和六个等级来管理医疗领域的代理式人工智能，旨在实现能力与授权的分离，从而通过一个自主脓毒症管理的实际案例，解决当前评估指标中存在的安全性差距问题。