cs 篇论文 | Gist.Science

本文提出了一种名为稀疏选择相似性（Sparse-Selective Similarity，简称 $S_3$ ）的新型正则化方法，该方法通过动态平衡稀疏性与特征相似性，在不损害预测准确性的前提下，增强了线性模型局部解释的忠实度、稳定性和鲁棒性。

本文通过对跨越 29 年的 147 项学术研究进行系统综述，旨在识别传统字幕显示中的无障碍挑战，提出一种针对自适应干预措施的分类法，并倡导采用更具包容性的设计实践，以更好地服务于多元化社区和设备环境。

本文提出了 AFL-MCSESEN-BADP-HS 系统，这是一个集成多模态数据融合、基于 ResNet-34 的注意力网络以及基于 Bulyan 的自适应差分隐私的异步联邦深度学习框架，旨在实现对膝关节骨性关节炎等级的高精度、隐私保护分类，准确率达到 99.64%。

本文分析了2015年至2026年间的210篇同行评审研究，旨在识别分布式大数据系统中事后实施安全性的关键缺陷，并提出了安全设计分布式大数据架构（SDBDA），这是一个将治理、隐私和完整性直接集成到系统核心以减轻系统性脆弱性的六层框架。

本文提出了 GRAFF-MM，一种新颖的多模态记忆力预测模型，该模型通过将用于图卷积网络的多频滤波器组模块集成在一起，以有效地利用低频和高频视觉信息以及显著性和标题数据，在四个基准数据集上实现了具有竞争力的性能。

本文证明了一个受限的不可行定理，表明完全孤立且相干的量子学习系统无法同时实现普适性与相干训练，从而确立了经典-量子混合范式是物理上的必然要求而非工程上的折中方案。

本文提出了 RABIS，这是一种通过分析系统调用模式来区分勒索软件与良性进程的轻量级统计方法，在实现 98.05% 检测准确率的同时，保持了极低的性能开销。

本文介绍了 SRI-ECR-balanced，这是一种用于动态车辆路径规划的在线重优化框架，它通过平衡投机性路径草拟、确定性验证、专家修复和路径前缀缓存，使 AI 投机执行模式得以适配，从而在压力测试中实现了 2.5 倍的延迟降低和 100% 的可行性。

本文提出了 SQV-R2Gen，一种用于医学报告生成的创新框架，该框架通过将自由文本报告解析为结构化查询，利用多维质量验证机制从视觉-语言教师模型中过滤噪声空间证据，并以此蒸馏经过验证的局部证据，从而共同优化语义一致性和局部异常建模，以增强临床准确性。

本研究表明，与传统的自动扩缩容相比，一种针对 Kubernetes 编排的医疗微服务的能效感知型自动扩缩容框架，显著降低了资源受限环境下的运营成本和资源过度配置，从而降低了实现全民健康覆盖所必需的数字健康系统的采用门槛。