964 篇论文
这项准实验研究表明，在 AI 辅助下，非编程人员编写的代码在可维护性和结构质量评分上高于在没有 AI 辅助下工作的程序员，且人机交互的质量成为了这些结果的一个强有力的预测指标。
本文系统地评估了 Claude 在高风险领域和语言中的表现，揭示出尽管该模型保持了较高的输出稳定性，但它存在“规范性漂移”现象，即其推理过程发生退化且自我审计机制变得循环，从而导致了一种被称为“加固模式”的新型失效模式，即防御性的结果取代了严密的推理。
本文提出了一个基于实证的、由八大支柱构成的“核心加情境”人工智能驱动型心理健康应用伦理设计框架，该框架源自对瑞士和尼日利亚利益相关者的定性访谈，旨在将普遍伦理原则转化为可操作实践，同时应对独特的区域性实施挑战。
本文对一个基于 PPO 的比特币交易智能体进行了透明的实证研究，该智能体通过诊断并纠正关键训练失败，实现了对买入持有策略（Buy-and-Hold）适度的长周期超越，同时证明了由于交易成本超过了微观价格变动，实时限价订单簿数据往往会产生一种理性的“不交易”策略，并最终倡导了可复现的负面结果报告相较于精修成功叙事的价值。
本文介绍了一种用于公平影响力最大化的下尾部风险感知框架，该框架利用条件风险价值和最差群体缺口概率来保护弱势群体免受严重的覆盖失败，在仅造成总预期覆盖范围轻微损失的情况下，实现了覆盖风险的显著降低。
本研究将修正波数分析扩展到物理信息神经网络（PINNs），以系统地评估其在高频波问题上的谱精度，揭示了更深的网络架构、特定的激活函数（如正弦或 tanh-Gaussian）以及最优的傅里叶模态数量（）对于最小化色散误差和耗散误差至关重要。
本文提出了 LARC-QL，一种用于内容中心网络（CCN）的 Q 学习增强型内容缓存方案，该方案利用双 Q 表和实时需求信号来动态优化缓存决策和路径内放置，与静态策略相比，显著提高了缓存命中率、降低了延迟并提升了资源效率。
本文证明了量子自动编码器（具体为一种采用密集角度编码和实振幅拟设的 8 特征模型）在 BETH 数据集的网络安全异常检测中优于经典自动编码器，即使在训练样本量大幅减少的情况下，其 F1 分数也更高（0.87 对比 0.77）。
这项对20项同行评审研究进行的系统综述评估了后疫情时代高等教育中AI驱动移动监考的现状，强调了其在实现可扩展考试诚信方面的潜力，同时批判性地指出了在移动端特定研究、技术可靠性以及隐私和算法偏见等伦理问题方面的显著空白。
本文介绍了 AllLinLog，这是一种精简的模型，它通过使用线性自注意力编码器直接处理来自系统日志的全上下文信息，从而消除了对日志解析的需求，进而实现了比传统方法更优异的异常检测准确率和更快的推理速度。