3881 篇论文
本文提出了一种用于数字广告预算分配的新型优化框架，该框架在基于云端的、保护隐私的分布式系统中，集成了联邦分布自适应 Q-强化学习与联邦自适应 NSGA-II，旨在同时实现广告支出回报率（ROAS）、点击率（CTR）和成本效率的最大化，并获得比现有方法更优的准确性、可扩展性和经济回报。
本文提出了一种由元学习驱动的深度强化学习框架，该框架结合了 MAML 和 PPO，旨在实现 5G/6G 网络中能效感知资源编排的快速自适应，在保持服务质量的同时，显著提升了能源效率并降低了碳足迹。
本文提出了一种 GPU 加速框架，该框架将 TenSEAL 库与针对 Troy CKKS 库的自定义 CUDA 后端相结合，实现了在紧凑型及边缘设备上高效的张量级加密 CNN 推理，其性能显著优于高端 CPU 服务器和操作级 GPU 基准。
GLaDViT 是一个轻量级、可解释的文档分类模型，它通过一个可训练的门控头融合了冻结的 CLIP、BERT 以及源自 Tesseract 的布局特征，在实现高准确度的同时，能够将决策精确归因于各个模态，并证明了尽管布局特征获得的门控权重较低，但其仍提供了显著的互补价值。
MedLitSearch 研究验证了一个确定性的、可复现的且可审计的自然语言处理（NLP）框架，用于从 PubMed 中提取临床试验特征，证明了该框架在自动化检索、基准测试和专家标注数据集方面具有极高的准确性和可靠性，同时强调了人工监督的必要性。
本文表明，随着 Transformer 接近其记忆容量，权重量化导致的性能退化会被放大，因为存储事实的余量收缩与主要由网络下游层增益驱动的量化噪声增加相重合。
本文介绍了一种名为努比亚狞羊优化算法（NIO）的新型启发式自然算法，该算法在解决 23 个基准函数和 8 个工程设计挑战中的复杂优化问题时，展现出了卓越的收敛性、鲁棒性和适应性。
本文提出了一种认知数字孪生驱动的可解释人工智能框架，通过持续建模安全状态并提供可解释的预测，增强了自适应零日网络威胁检测能力，在模拟评估中实现了优于静态模型的性能指标，同时也强调了进行现实世界验证的必要性。
本文通过将长短期记忆网络（LSTM）建模为非线性随机状态空间系统，并推导其连续时间神经随机微分方程（SDE）极限，为该类网络建立了一个严谨的统计框架，同时在特定假设下提供了稳定性、估计量一致性以及预测风险界的理论保证。
本文对六种软件工作量估算分类法进行了系统性的文献综述，揭示了显著的结构性碎片化、对移动端和人工智能等新兴应用领域覆盖不足的问题，以及普遍缺乏外部验证的现状，从而强调了对统一且经过工业验证的分类法的迫切需求。