💻 计算机科学
Interpolated Supervision Can Change What Regression Benchmarks Reward
本文表明，通过插值法从稀疏的时间观测值中构建稠密回归标签，会从根本上改变基准测试排名和模型选择，且这种改变往往并不反映真实的临床疗效或预测架构的改进。
💻 Category
cs
3855 篇论文
💻 计算机科学
Optimizing Retrieval-Augmented Generation for Privacy-Preserving Local Cognitive Agents Using Small Language Models
本文介绍了 FRIDAY，这是一个优化的检索增强生成框架，旨在通过解决部署小语言模型时面临的具体资源限制和性能挑战，来实现高效且保护隐私的本地认知智能体。
💻 计算机科学
Where Does the Accuracy of LLM-Based Root-Cause Analysis Come From? An Empirical Study on Microservice Benchmarks
这项实证研究表明，基于大语言模型的微服务根因分析的准确性主要由其底层流水线提取证据的质量而非模型本身驱动，同时也强调了该系统在面对误导性文本和时序错误时存在的显著脆弱性。
💻 计算机科学
CREDENCE: Claim Reduction for Decomposition & Enhanced Credibility - Semantic Metrics and Convergence Analysis
本文介绍了 Credence，这是一个将基于词元重叠（token-overlap）的指标替换为基于语义相似度评估（Semantic-F1）的断言分解框架，并为修复流水线提供了形式化收敛保证，证明了其在多个领域和模型中在分解准确性和事实核查可靠性方面的显著提升。
💻 计算机科学
An Explainable Hybrid CNN-ViT Framework for Ethiopian Coffee Leaf Disease Classification
本文提出了一种可解释的混合 CNN-ViT 框架，该框架结合了 EfficientNet-B0 和 ViT-Base/16 以及注意力机制，在对埃塞俄比亚咖啡叶片疾病进行分类时达到了 98.67% 的准确率，为精准农业提供了一种透明且高性能的解决方案。
💻 计算机科学
Interactive Lesion Segmentation in Whole-Body PET/CT and Longitudinal CT: The autoPET/CT-IV Challenge
第四届 autoPET/CT-IV 挑战赛表明，虽然交互式深度学习方法通过将自动化推理与专家输入相结合，在不同成像领域实现了稳健的全身病灶分割，但由于时间与解剖结构的变异性，基于配对扫描的纵向分割仍然具有显著的挑战性。
💻 计算机科学
PowerGLUE: A comprehensive benchmark for evaluating large language models in the electric power domain
本文介绍了 PowerGLUE，这是一个包含涵盖六个核心电力领域和两个任务类别的 3,603 个条目的综合领域特定基准测试，旨在系统地评估大语言模型在电力行业中的能力与局限性。
💻 计算机科学
No gain from attention or graph modules in matched ResNet-50, ResNet-18, EfficientNet-B0 and MobileNetV2 baselines for nine-class chest radiographs
本研究表明，在九分类胸部 X 线片分类任务中，轻量化注意力模块和图模块未能比相同的 ResNet 和 EfficientNet 基准模型提供具有统计学意义的改进，从而挑战了此前报道的那些往往缺乏严格多种子、配对统计比较的增益有效性。
💻 计算机科学
Evaluation of decision tree algorithms for predictive machine learning modelling of potable water quality
本研究利用 WEKA 工具对 Kaggle 水质数据集上的七种基于决策树的机器学习算法进行了评估，发现随机森林（RF）算法在区分安全与不安全饮用水方面取得了最高的预测性能，正确分类率为 69.28%。
💻 计算机科学
Evidence-Grounded Large Language Model Reasoning for Patient Safety Using Knowledge Graphs and Retrieval-Augmented Generation: Development and Evaluation Study
本研究开发并评估了一个将大语言模型与患者安全知识图谱及检索增强生成相结合的循证框架，证明了结构化知识能显著增强临床安全应用的语义概念提取与推理性能。