cs 篇论文 | Gist.Science

该论文介绍了 MedTruth，一种确定性的双模态框架，它通过固定参数和严格的输出模式来约束多模态 AI 模型，从而将幻觉率从 15% 降低至 2% 以下，实现了可靠的药品真实性验证和安全的患者交互。

本文提出了一种用于分层车载雾计算的延迟感知且能效型工作负载分配框架，该框架利用改进的粒子群优化（MPSO）算法来优化任务卸载与资源分配，并证明了与传统方法相比，在延迟、能耗和执行时间方面具有显著改善。

本文提出一个以动态能力理论为基础的整合性框架，旨在探讨人工智能治理如何通过区分操作层面的人工智能使用与确保问责制、透明度和实质性人类控制的治理安排，从而重塑网络安全领域的组织监督。

本研究通过开发一种可量化的语言特征框架，利用经SHAP增强的机器学习分析，识别出归纳为三种认知机制的八个核心特征，旨在解决缺乏系统化方法来表征虚假新闻的问题，从而为理解、检测和治理误导性信息提供新视角。

本系统性文献综述分析了 50 项关于 LoRaWAN 安全与隐私的近期研究，旨在提出一种新型多轴分类法，识别如缺乏动态伪名化和自动重密钥机制等关键研究空白，并概述包括后量子密码学和基于机器学习的入侵检测在内的未来研究方向。

EthnoPulse 是一个多任务深度学习框架，它在部分标签设置下利用不相交语料库，对传统音乐情感识别和在线参与度预测进行联合建模，实现了最先进的性能，并强调了在跨文化音乐分析中进行基于作品分组的评估和针对特定维度的报告的重要性。

本文提出了一种用于将异构安全日志映射到统一模式的模块化三阶段流水线，并通过对韩国教育领域数据的广泛评估证明，将结构规范化与局部及基于代理的语义匹配器相结合，在显著提高映射准确性的同时，也揭示了不同厂商环境下精度与部署延迟之间的关键权衡。

本文提出了一种在边缘-云-IoMT架构下，集成自适应聚合多尺度融合网络（AAMF-Net）的基于信任的认证框架，通过先进的数据预处理、特征选择以及结合自注意力机制与多尺度融合的混合深度学习模型，有效解决了边缘资源受限问题，从而实现对心脏疾病的有效检测，并达到了96.37%的准确率。

本文提出了一种由选择性元启发式优化与集成生成式-合成数据平衡增强的新型门控胶囊变换器网络（GCT-Net）框架，旨在克服可穿戴传感器医疗保健中的数据异质性、可扩展性及不平衡问题，从而显著提高实时临床诊断的准确率、精确率和灵敏度。

这项实证研究表明，由大语言模型驱动的代码智能体在系统集成过程中，由于拆分规范中缺失关键事实，经常会出现静默失败，这证明了流水线设计——特别是提出澄清性问题或执行严格测试的能力——在防止这些未检测到的错误方面，比模型选择更为关键。