2332 篇论文
本研究表明，在规模更大、采用多数票决制的印度尼西亚沿海旅游评论数据集上训练情感分类器，其性能优于严格采用一致共识的数据集，尽管结果表明，数据量的增加和类别平衡，而非仅仅保留模糊实例，可能是性能提升的主要驱动因素，同时 IndoBERT 有效减少了对中性评论的系统性误分类。
本文介绍了首个用于机器人焊接缺陷分类的有监督四模态基准测试和会话无关（session-disjoint）评估协议，证明了所提出的 MAAF-Net 框架中的模态扰动课程学习显著增强了针对传感器数据缺失的鲁棒性，且不会损害洁净数据的准确率或推理速度。
本文介绍了 PREF，一种可解释的视觉-语言模型，它通过将感知线索语言化，成功地从 2025 年德国选举竞选媒体中对政党隶属关系进行分类，在实现与黑盒嵌入相当的性能的同时，量化了即使在移除显式品牌标识后政党身份仍然存在的程度。
本文引入了一种广义的概率中性表达式（PNE）框架，该框架结合了切分（syncopation）和进位保持（carry-preserving）等新技术，显著提升了针对轮缩减 ChaCha 的密钥恢复攻击，实现了对 ChaCha8 的首次相关密钥攻击，并破解了 256 位 ChaCha 的 7.5 轮。
本文提出了一种针对轮函数缩减版 Ascon-Hash 的新型内存高效型中间相遇攻击，该攻击利用 SAT 建模、高斯消元法和三角剖分技术，在保持现有最佳时间复杂度的同时，显著降低了内存复杂度。
本文提出了 FedEDAuth，一种利用嵌入分布分析来检测并过滤恶意客户端的轻量级联邦学习框架，从而实现了对隐蔽性拜占庭数据投毒攻击的 100% 检测，并在协作式伪造集成电路检测中保持了高准确率。
本文提出了一种广义的细节层次（LoD）过渡空间框架，该框架利用基于骨架（straight-skeleton）的3D体积，实现了不同几何原语（多边形、折线和点）之间连续且拓扑一致的多尺度变换，从而支持跨越任意细节层次的平滑地图泛化。
本文介绍了一种名为“向最优者学习进化策略”（Learn From the Best Evolution Strategy, LFB-ES）的新型黑盒优化器，它通过迭代地引导种群向精英个体学习，从而增强了高维神经网络的训练，并实现了比 OpenAI-ES 和 CMA-ES 等经典方法更优越的收敛性和准确性。
本文提出了瞬态子图生成（Ephemeral Subgraph Generation, ESG），这是一种由大语言模型引导的实时方法，通过在异构工程系统中构建针对特定问题的临时知识图谱，旨在超越静态检索和固定跳数基准线，以进行跨系统调查，同时记录并解决评估过程中识别出的特定软件缺陷。
本文介绍了 N-SCORE，一种非工作守恒、无状态的核心公平队列调度器，它在保留现有有状态和工作守恒技术的最优端到端延迟界限的同时，显著提升了确定性网络中的抖动抑制能力和可扩展性。