cs 篇论文 | Gist.Science

该论文提出了 CDA-YOLO，一种增强型 YOLOv11 框架，该框架通过引入跨层双向特征金字塔网络、轻量化双尺度卷积模块以及无参数平均注意力机制，旨在通过解决微小目标和复杂背景带来的挑战，显著提高 PCB 缺陷检测的准确性。

本研究提出了一个用于印度马德里亚邦地区级小麦产量预测的可解释、防泄漏框架，证明了严格的验证协议和历史产量数据的引入对于预测准确性的重要性高于模型复杂度，其中 Elastic Net 在受保护测试中表现最佳。

本研究表明，尽管当前的生成式人工智能模型表现出较高的内部稳定性，但与人类评分者相比，它们在一致性、系统性严重程度偏差以及应用特定评分准则方面表现较低，这表明与人类双重评分相比，它们更适合作为受监督且由差异触发的辅助手段，而非在具有后果性的英语作为外语（EFL）写作评估中进行自主替代。

本文提出了一种集成混合框架，该框架结合了用于候选服务商选择的 TF-IDF、语义相似度和协同过滤技术，以及一个利用多任务 BiLSTM 和孤立森林来分析维度特定情感和评论可信度的信任感知评论智能系统，从而通过统一的重排序流水线实现更可靠的服务提供商匹配。

本文证明了，一个使用基于令牌标识（token-identity）的确定性多哈希路由进行专家选择的 2.01 亿参数紧凑型语言模型，可以在长程训练任务上取得具有竞争力的性能，尽管由于缺乏匹配的稠密控制组，该路由机制的具体贡献仍未被隔离。

本文介绍了 Fed-DLC，这是一个轻量级的联邦学习框架，它采用动态密码进行模型交换以确保在资源受限网络中的安全性，证明了其在保持与标准联邦学习相当的任务性能的同时，仅增加了可控的计算开销，尽管其加密安全性仍需进一步验证。

本研究引入了一种可复现的双语自然语言处理（NLP）流水线，该流水线通过将“言行差距指数”（Say-Do Gap Index）架构应用于检测 IBEX 35 指数内企业修辞与代理型人工智能（agentic AI）可观测治理实践之间的分歧，展示了该框架在传统 ESG 领域之外的泛化能力。

本文提出了一种新颖的3D表面重建框架，该框架通过将几何高度权重显式嵌入激活矩阵，并利用带有紧支撑核的K-means聚类，增强了径向基函数（RBF）神经插值，从而实现了对大规模无结构点云的高精度、高计算效率的重建。

本研究提出了一种利用主成分分析和因子分析的无监督机器学习框架，通过推导潜在因子并应用平衡权重，旨在验证并提高大学排名的透明度与稳定性，并最终证明虽然排名个体存在波动，但澳大利亚顶尖大学的整体分布模式与泰晤士高等教育（THE）及QS等既有体系保持一致。

这项预注册研究表明，在具有版本化记忆的小型语言模型中，通过一个独立的二元头来实现弃权，通过将决策与生成 Softmax 解耦，显著优于词表标记和记忆槽，从而使得即使在准确率增益有限的情况下，说“我不知道”的能力也是可学习的。