cs 篇论文 | Gist.Science

本文提出了一种新型混合勒索软件检测框架，该框架将多层行为分析与经典机器学习模型及 LSTM 网络构成的堆叠集成模型相结合，通过有效捕捉攻击序列中的判别模式和时间依赖性，实现了 99% 的准确率和卓越的泛化能力。

本文综合了41项实证研究的发现，旨在提出一个全面的、多层级的验证框架，该框架从防止数据泄露和可解释性审计，进阶到符合性校准（conformal calibration）以及基于执行的智能体测试，从而解决标准验证方法在处理高风险应用时所忽视的关键失效模式，例如类别不平衡和归因失真问题。

本研究评估了基于 HAM10000 数据集的各种用于皮肤癌分类的深度学习模型，证明了混合模型和 ResNet50 的准确率（分别为 99.78% 和 99.88%）优于其他技术，从而凸显了它们在增强皮肤科早期诊断和资源配置方面的潜力。

本文提出了 T3-DEF 框架，这是一个社会技术分析模型，该模型识别了 AI 辅助系统中不断上升的自动化密度与下降的验证多样性之间存在的关键反向关系，揭示了在 0.58 附近递归操作脆弱性加速的阈值，并强调了维持分布式监督结构以确保安全的必要性。

本文提出了一种基于公理化设计的开源工具包，该工具包集成了图形用户界面与智能体人工智能（agentic AI），旨在将智能制造中碎片化、手动的数据准备过程系统地转化为一种可复现、可扩展的科学学科，从而为数字孪生等高级下游应用提供支持。

本文提出了一种轻量级框架——多视图双重对比图学习（MDCGA），该框架通过增强的双重对比目标，整合了基于词汇、语义和关键词的关系信号，旨在通过缓解假负例和不可靠增强问题，实现仅需少量标注样本的鲁棒半监督文本分类。

本文提出了一种用于安全 MPLS 异构网络的 AI 驱动、元启发式优化的接入选择框架，该框架利用轻量级 MLP 预测视频 QoE，并利用基于适应度的 SDN 控制器动态选择最优的 LTE/Wi-Fi 切向目标，从而与传统的基于 RSSI 的策略相比，显著提高了视频连续性、网络性能和能量效率。

本文审计了遗传算法中一种基于多样性的适应度正则化方法相对于等幅噪声控制协议的表现，发现其所谓的益处在很大程度上与无结构噪声无法区分，且是由离群值驱动的，从而仅在狭窄的范畴内支持该方法，同时为未来对惯性机制的评估建立了一个严谨的框架。

本文介绍了 DMASNet，这是一个用于印刷电路板缺陷检测的轻量级且高效的框架，它利用多尺度特征优化、动态上采样和专门的损失函数，显著提高了在工业硬件上的准确率和实时推理速度。

本文引入了一种用于随机 k-SAT 的量子局部态密度（LDOS）原语，该原语利用振幅估计来高效估计剩余满足分数，在子句宽度为四或更高时展示了量子优势，同时阐明了正值分数主要是一种结构性计数效应，而非冻结转变的信号。