3869 篇论文
这项针对 685 项研究（2016–2026 年）的系统性文献综述分析了人工智能驱动的股票市场预测在演变、可复现性及评估差距方面的现状，揭示了由于广泛存在的诸如数据泄露、缺乏代码共享以及统计检验不足等问题，导致报告的模型准确率与实际交易效用之间存在严重的脱节。
本文提出了 LEAP，这是一个受监督的自主机器人摄影系统，它成功地将学习到的美学规则与在动态城市环境中的安全、自适应导航相结合，在计算美学评分和人类美学评分方面均优于现有基准模型，同时展示了在不同场景下的鲁棒泛化能力。
Neuro-JEPA 是一个可扩展的多模态基础模型，它利用稀疏混合专家架构和在 155 万份临床 MRI 扫描上的潜变量预测学习，实现了在多种神经影像任务和医疗系统中卓越的鲁棒泛化能力，且其表现往往优于预训练数据量显著更多的更大规模模型。
本文认为，人类行为与现代大语言模型的推理能力，最佳的解释方式都是一种中介理论，即看似派生或涌现出的智能，其底层是由逐步的、经强化的中介过程（例如思维链）所构成的。
本文提出了一种文化遗产感知评估框架，该框架利用涵盖语义、构图、色彩和线条的十个加权指标，对各种人工智能模型生成的合成克孜尔石窟壁画图像进行评估与筛选，并最终确定 Midjourney 是创建高质量训练数据集的最佳模型。
本文提出了自适应知识编排理论（Adaptive Knowledge Orchestration Theory, AKOT），这是一个中层解释性框架，旨在通过定义团队如何通过认知卸载、输出协商和问责重构等机制，在人类与人工智能之间动态地重新分配认知责任，从而解决敏捷软件开发中的理论空白。
本文提出了 D3Seg，一种新型脑肿瘤分割模型，该模型利用多跳模态图融合、潜空间扩散填补以及概率空间决策优化，在 MRI 模态缺失时仍能保持稳健性能并超越现有最先进的方法。
本文提出了小波扩散协同修复框架（WDCRF），该框架将小波分解与在小波域内运行的条件扩散模型相结合，通过平衡结构连贯性与纹理保真度，在克服现有方法计算局限性的同时，实现对高分辨率古代壁画的高效且有效的修复。
本文提出了一种严谨的、离线的、泄漏控制的四阶段顺序门控协议，以确保对自适应网络入侵检测系统进行有效的预期重放评估，证明了特定的更新策略能显著提高标准化数据集上的恢复能力和新类别的召回率，同时明确界定了该协议在独立安全性测试和通用获取排名方面的局限性。
本文对希腊的集成数字化税务生态系统进行了技术分析，识别了在财政设备、ERP系统与EFTPOS终端交互过程中导致偷税漏税的具体漏洞，并提出了一种结合加密增强、监管统一以及人工智能驱动的对账技术的多层缓解策略，以确保端到端的支付完整性。