💻 计算机科学
Cloud-Native Architecture and Pipeline Optimization for Built-Environment Data
本研究提出并评估了一种集成容器化、微服务以及先进流水线优化策略的云原生框架，旨在增强在 CI/CD 流水线中管理建筑环境数据的可扩展性、效率和韧性。
💻 Category
cs
3854 篇论文
💻 计算机科学
EviNav: Evidence-Driven Grounding and Validated Termination for Zero-Shot Instance Navigation
EviNav 是一个无需训练、由证据驱动的零样本实例导航框架，它通过累积多视图视觉和语义证据来稳健地辨别目标并确定终止条件，在图像目标和文本目标导航任务中均实现了最先进的成功率。
💻 计算机科学
Lightweight, Autonomous Security Agents for Operator Workstations: An Explainable XGBoost-Driven Authentication Policy
本文介绍了一种用于操作员工作站的轻量级自主安全代理，该代理利用高效的基于 XGBoost 的击键动力学模块实现了 99.8% 的身份验证准确率且资源消耗极低，同时通过 SHAP 驱动的可解释性和分级的人机协同策略，实现了可持续的大规模边缘部署。
💻 计算机科学
Haar-CFR: Solving Imperfect-Information Games with Applications in Data Analytics and Finance
Haar-CFR 是一种创新的混合框架，它将离散 Haar 小波正则化与 CFR+ 算法相结合，以实现比现有方法更大幅度的内存压缩和更快的收敛速度，为解决金融和扑克等领域的超大规模非完全信息博弈提供了一种可扩展且具解释性的解决方案。
💻 计算机科学
Machine translation of modern Chinese poetry into Japanese: A comparative evaluation of LLMs, neural machine translation systems, and prompt strategies
本研究评估了基于大语言模型的系统（ChatGPT 和 DeepSeek）与传统神经机器翻译系统（Google Translate 和 DeepL）在将现代中文诗歌翻译为日语方面的性能，发现大语言模型在忠实度、流畅度和风格方面通常优于神经机器翻译系统，同时表明提示策略会以一种依赖于模型的方式显著影响翻译质量。
💻 计算机科学
Novel Transparent Machine Learning Algorithm - Predicting Sepsis from Routine ED Data.
这项回顾性队列研究引入了一种新型的、完全透明的机器学习算法（ShAproxRef），该算法通过近似“黑盒”神经网络，利用常规急诊数据来预测脓毒症，并具有相当的准确度（在外部测试中 AUC 为 0.82），从而增强了临床信任并促进了实施。
💻 计算机科学
Enhancing Structural Quality in Medical X-ray Super-Resolution via Domain-Aware Loss
本文提出并验证了领域感知损失函数（USELoss），该函数通过取代标准的感知损失，显著增强了医学 X 射线超分辨率重建的结构保真度和边界保持能力，在 PadChest 数据集上优于 SRGAN、ESRGAN 和 HAT 等现有方法。
💻 计算机科学
Loss-Guided Density Control and Efficient Backward Optimisation for Compact Gaussian Splatting
本文提出了一种用于紧凑型高斯泼溅（Gaussian Splatting）的高效训练框架，该框架通过实现一种损失引导的加密策略、一种基于不透明度梯度的剪枝机制以及一个优化的 CUDA 反向传播过程，在保持竞争性渲染质量的同时，加速了收敛并减少了基元数量。
💻 计算机科学
Asymmetric Effects of Cross-Segment Contextualization in Long Legal Document Classification: An Empirical Study on ECtHR Violation Classification
这项关于欧洲人权法院（ECtHR）违规分类的实证研究表明，虽然通过 BiGRU 进行的序列式跨段上下文关联化提高了召回率，但在统一聚合下会产生精确率与召回率之间的权衡，而这一问题仅能通过将上下文关联化与基于选择性注意力的聚合相结合来解决，从而实现最高的宏平均 F1 分数。
💻 计算机科学
AgedNet-Motion: Training-Free Selective Task Refresh for Resource-Aware Streaming Multi-Task Perception
AgedNet-Motion 引入了一种用于流式多任务感知的免训练、资源感知框架，该框架通过基于校准的运动和年龄指标选择性地刷新特定任务分支并重用缓存输出，在各种模型上以极小的质量损失实现了显著的加速。