💻 计算机科学
Creation begins with understanding: LLMs as strategy designers for privacy-preserving tabular data synthesis
本文介绍了 TabSSD，这是一个利用大语言模型设计基于变量依赖摘要而非原始数据的隐私保护合成程序的创新框架，在实现卓越的统计保真度、效用和隐私权衡的同时，显著降低了现有方法的计算成本和专业知识门槛。
💻 Category
cs
3867 篇论文
💻 计算机科学
SemanticVul: Evidence-Grounded Structured LLM Explanations for Vulnerability Detection
SemanticVul 是一个用于 C/C++ 漏洞检测的可复现框架，它利用本地生成的、基于证据的语义解释，在显著提高现有基准测试的准确率和少数类召回率的同时，通过确定性的代码匹配和数据集审计对声明进行严格验证。
💻 计算机科学
Parameter compensation reveals weak physical effects in multi-parameter inverse learning
本文引入了参数补偿的概念，即微弱的物理效应被其他参数的补偿性变化所掩盖，并提出了一种偏置补偿神经网络（BcNN），该网络利用结构化伪解来可靠地恢复多参数反问题中的这些效应。
💻 计算机科学
STME-GCN: topology refinement and motion-enhanced temporal modeling for skeleton-based action recognition
该论文提出了 STME-GCN，这是一种基于骨架的动作识别网络，通过利用多属性时间描述符优化拓扑生成，并利用姿态-运动协同分支增强时间建模，以更好地捕捉运动动态和关节间关系，从而提升性能。
💻 计算机科学
Feasible-Space Dilution and Objective Alignment in Shallow Penalty-X QAOA: A Controlled RCSP Study
本研究通过受控的资源受限最短路径实验证明，在浅层惩罚项-X QAOA中，糟糕的可行解采样源于明显的优化器缺陷与目标函数失配，而基于CVaR的训练能有效接近其在留出任务上精确可行性对照组的表现。
💻 计算机科学
Arthasetu - Neural Machine Translation for Classical Jain Philosophical Text with Cross-System Evaluation
本文介绍了 Arthasetu，一种基于双向 LSTM 的专门用于将古典耆那教哲学梵文翻译为印地语的神经机器翻译模型，证明了领域一致的数据增强和严格的评估协议比 NLLB-200 等大规模多语言系统具有更优越的性能，同时强调了低资源研究中数据泄露的关键风险。
💻 计算机科学
A Comparative Benchmark of GAN, DDPM, and Flow Matching for 2D and 3D Porous Microstructures Synthesis.
本文对用于合成二维和三维多孔微结构的 WGAN-GP、DDPM 和 Flow Matching 进行了对比基准测试，指出 Flow Matching 是一种具有竞争力的方案，在结构准确性（特别是在重现孔隙率-扩散率关系方面）与计算效率之间提供了良好的平衡。
💻 计算机科学
Quantifying Predictive Uncertainty in Student Academic Outcomes Using Conformal Prediction
本研究引入了一种不确定性感知框架，该框架整合了机器学习、分割符合预测（split conformal prediction）和 SHAP，旨在以量化的可靠性来预测学生的学业成果，并证明了尽管 LightGBM 和 XGBoost 等模型实现了高准确率，但符合预测能有效标记不确定案例，从而支持针对性的“人机协同”（human-in-the-loop）干预。
💻 计算机科学
Global State-Guided Reinforcement Learning-Assisted Differential Evolution for Multi-Objective Optimization
该论文提出了GSG-RLDE，一种全局状态引导的强化学习辅助差分进化算法，该算法将收敛、分布和趋势信息集成到一个紧凑的状态中，以使个体能够独立选择自适应变异策略和控制参数，并在基准多目标问题和真实无人机路径规划场景中均展示了卓越的性能。
💻 计算机科学
Complete Patient-Level Leakage Among Traceable Images in a Widely Used Brain Tumor MRI Benchmark
本文揭示了一个广泛使用的脑肿瘤 MRI 基准测试存在完全的患者级数据泄露问题，即高报告准确率反映的是模型识别先前见过患者切片的能力，而非其对未见个体的真实泛化能力。