3878 篇论文
本研究提出了一种基于深度学习的多任务框架，该框架利用用于性别分类的秩融合集成（Rank-Fusion Ensemble）以及采用新型三元损失（Tri-Loss）策略的 ConvNeXt-Tiny 模型进行年代组年龄估计，从而在膝关节放射影像的人口统计学特征分析中实现了高准确度。
本文介绍了 ICU-REACT，这是一个通过人类医生在环（clinician-in-the-loop）方式训练大型语言模型以学习专家级 ICU 推理过程的数据集，由此产生的 Clin-REACT 模型在多种临床推理任务中展现出了比现有医学及通用大语言模型更优越的泛化能力。
本文提出了一种结合线程级并行与分布式执行的两级并行架构，旨在显著加速复杂路网上的大规模 SUMO 交通仿真，在实现高达 13.32 倍加速的同时，验证了该方法的准确性并确定了全局同步是主要的扩展性瓶颈。
本文提出了一种双层框架，通过将基于区块链的元数据认证与链下分片存储解耦，实现在不损害数据隐私或模型完整性的前提下，进行可信、高性价比且可验证的跨组织大语言模型联邦微调。
本文提出了一种去中心化的“集群感知社会学习”方法，该方法使异构传感网络中的智能体仅通过局部测量和邻居交换即可准确推断全局隐藏状态，从而在保持可靠决策的同时降低通信开销。
本文提出了位置-资源耦合动态 NSGA-II（LRC-DNSGA-II）算法，该算法具有一种专门的变异算子和一种任务特征匹配响应机制，旨在有效解决移动边缘计算中按批次进行的任务分配与资源配置的双目标动态优化问题。
本研究表明，将检索增强生成（RAG）与临床指南相结合，能够显著提升大语言模型智能体在多种医疗场景下的诊断准确性、治疗一致性及透明度。
本文介绍了 TimeTabler，这是一款开源、具备离线能力的桌面应用程序，它利用加权求和遗传算法来自动化课程排表，并为资源受限的孟加拉国教育机构优化空间利用率，通过在一项大学案例研究中成功展示了在提升设施使用率和消除教室类型不匹配方面的显著改进。
本系统综述通过分析 124 项研究，建立了将大语言模型与智能体 AI 集成到空中及地面机器人中的六种架构模式分类法，并提供了优先考虑任务动态、安全性及部署约束而非基准测试得分的设计指南，同时强调了当前在机载推理与物理验证方面的局限性。
这项探索性研究揭示了在两个 Transformer 模型中，具有特定文化属性的日语概念呈现出一种非单调、依赖于层级的模式，即相对于英语基准的表征距离逐渐增加，尽管由于提示词设计中的混杂变量，研究结果未能将文化不对称性确定为独立的诱因。