cs 篇论文 | Gist.Science

本文介绍了一种几何感知型 LegONet (gLegONet)，这是一种模块化算子学习框架，它通过在环境谱域上对变分块进行预训练，并利用由边界定义的仿射流形将其适配到任意目标域，从而将物理机制与特定几何结构解耦，进而实现可复用的 PDE 求解与规律发现，且无需针对特定几何结构进行重新训练。

本文介绍了“沙特人工智能法律语料库”，这是一个包含 290 部沙特立法工具的、全面的、官方来源且可审计的文章级数据集，其特点是具备独特的溯源追踪、如引用图谱和定义术语表等结构化分析层，以及一个证明了元数据增强搜索在阿拉伯语法律自然语言处理领域优于标准基准的检索基准测试。

本文通过利用大语言模型（LLM）和自定义义项库构建一个义项增强型平行语料库，解决了梵英机器翻译中的词汇歧义挑战，并证明了显式引入词义信息能显著提高不同模型架构的翻译质量。

本文介绍了全自动智能餐厅系统的设计与实现，该系统集成了移动应用程序、物联网基础设施和服务机器人，旨在消除人工干预，从而在显著缩短等待时间、提高订单准确度和交付速度的同时，实现卓越的用户可用性。

本文介绍了 UBET，这是一个无需训练的一样本分割框架，它通过利用冻结的候选区域和解析性的 DINOv2 证据，优先于身份仲裁构建闭合区域假设，从而在无需模型训练的情况下，在多种基准测试中实现了最先进的性能。

本研究表明，深度学习模型能够准确估算跑步、自行车、赛艇及皮划艇运动中 2 mmol·L⁻¹ 乳酸阈值时的心率，在特定运动项目中优于传统方法，但由于跨不同学科的泛化准确度降低，仍需进行针对特定运动的验证。

RheumBench 是首个经过专科验证、基于评分标准的风湿病学基准测试，它评估了十个大语言模型（LLM）及检索增强生成（RAG）系统，揭示了当前模型存在显著的性能差距、系统性过度自信以及潜在的严重遗漏错误，从而强调了在临床决策支持中进行人工监督的紧迫需求。

本系统性文献综述分析了目标检测从传统卷积架构向基于 Transformer 和少样本学习模型的范式转移，强调了它们在简化检测流程和提高数据效率方面的优势，同时通过架构创新和先进的预训练策略来应对诸如计算成本和小目标检测等持续存在的挑战。

这项预注册研究发现，智能体技能中的来源元数据并不能可靠地在匹配的普通指导之外提升任务效用，这表明其价值是依赖于上下文的，并且主要仅在通过改变可执行动作而非仅仅通过捆绑的技能评分时才得以实现。

Policy-TD 通过将经过教师审计的追踪状态（trace states）蒸馏到运行时控制器中，以干预并修复答案承诺失败（answer-commitment failures），从而增强了冻结小语言模型的可靠性，在不降低性能或创造新能力的情况下，显著提升了内部及压力测试的准确率。