929 篇论文
本文介绍了 MedGemma StructCore，这是一个采用经过微调的 MedGemma 4B 模型、用于将非结构化临床笔记转换为可审计 KVT4 事实以进行再入院风险评估的本地优先两阶段流水线，并证明了虽然结构化数据增加了预测信号并确保了在消费级硬件上的格式稳定性，但在临床部署前，该系统仍需针对提取准确性和概率校准进行进一步验证。
本文提出了一种使用因子分解拉格朗日Q学习的约束马尔可夫决策过程（CMDP）框架，通过显式强制执行服务失败率的公平性阈值来优化共享微出行再平衡，并通过合成网络和海牙的真实案例研究进行了验证。
本文提出了一种用于基于 Web 的凭据保险库的客户端安全架构，该架构通过结合 WebAuthn 的 PRF 扩展、对称密码学以及优化的浏览器存储模式，实现了强大的零知识属性。
本文介绍了 AeroGround，这是一个源自美国公共领域数据的开放式、基于引用的航空数据集，旨在支持训练和评估能够提供权威、有引证依据的回答，或在证据不足时进行校准式弃答的可信语言模型。
本文对应用于“Aadarshvelu”数据集匿名临床记录的机器学习算法进行了对比分析，证明了所提出的标签注意力模型在预测肝硬化分期方面实现了卓越的诊断准确率（94.05%）和F1分数（95.05%），从而为增强早期检测和临床决策提供了一种具有成本效益的工具。
该论文介绍了 SPIDER-WEB，这是一个全能型编码框架，能够在 DNA 测序过程中实现实时、并发的数据检索，其效率较传统方法提升了高达 9,083 倍，并展示了紧凑型光盘级的性能，在 100 秒内成功完成了视频渲染。
本范围综述分析了现有的数字健康系统物联网安全框架，揭示了尽管目前的解决方案通常针对特定领域，但仍缺乏全面的集成，并确定了漏洞评估、威胁建模和人工智能等关键要素对于开发稳健且主动的防御机制至关重要。
本文针对将 TrOCR 用于中世纪手写文本识别进行了系统的消融研究，证明了特定的层冻结策略以及移除对比度归一化可以在小型历史数据集上实现具有竞争力的准确率，同时提供跨数据集验证和可解释性见解。
本研究提出了一种使用 UNSW-NB15 数据集进行网络入侵检测和多类攻击分类的深度学习框架，通过优化的数据预处理和类别平衡技术，证明了 RNN-LSTM 架构凭借 97.42% 的准确率优于 ANN 和 CNN 模型。
本文表明，基于 ClinicalTrials.gov 公开临床试验方案特征训练的可解释机器学习模型，能够准确预测小分子药物试验的技术与监管成功概率，其表现优于标准基准，并为风险调整后的估值提供了一种可复现的工具。