💻 computer science
When Does Channel Pruning Help Noise-Robust Pedestrian Detection? A Cross-Dataset Empirical Study
本文通过实证研究表明，通道剪枝仅在小数据、高冗余的场景下通过起到正则化器的作用来增强行人检测的噪声鲁棒性，但在多样化数据集上的泛化能力较差，且仅能提供有限的计算节省。
💻 Category
cs
2354 篇论文
💻 computer science
EEG-Based Depression Detection Using CNN–GRU and MRMR Feature Selection
本文提出了一种由 mRMR 特征选择增强的 CNN–GRU 混合深度学习框架，旨在通过 EEG 信号有效检测重度抑郁症，在 MODMA 数据集上实现了 96.74% 的平均准确率，同时强调了在多样化临床数据上进行进一步验证的必要性。
💻 computer science
Mechanistic Circuit Tracking Causal Activation Patching and Formation Trajectories in Transformer Architectures
本文介绍了机械电路追踪（Mechanistic Circuit Tracking），这是一个结合了直接 Logit 归因、因果激活修补以及消融技术的模块化框架，旨在追踪预训练过程中注意力电路的出现过程，并通过一种新的电路稳定性指数来量化其因果鲁棒性，从而增强 AI 安全与对齐。
💻 computer science
Beyond F1: A Study of LLM Reliability in Smart Contract Vulnerability Detection
本研究评估了 14 个大型语言模型在智能合约漏洞检测方面的表现，结果表明，模型选择比提示策略或增加推理时计算更为关键，因为规模较大的前沿模型展现出更优越的可靠性，而较小的模型和扩展推理技术反而可能降低性能。
💻 computer science
Perceive AI: A Dual-Head Parametric Prototype Architecture with Adversarial Consistency Guardrails for Automated Short Answer Assessment
本文介绍了 Perceive AI，一种用于自动化简答题评分的新型端到端框架，该框架利用双头参数化原型架构和对抗一致性护栏，在实现鲁棒且具备提示感知能力的评分的同时，有效地过滤离题提交。
💻 computer science
Spectral Basis Interpretable Unit: A Learned Orthogonal Projection Module for Interpretable Function Approximation and Unsupervised Regime Discovery
本文介绍了谱基可解释单元（Spectral Basis Interpretable Unit, SBIU），这是一种受经典启发并以量子力学为动机的神经模块，它通过学习正交投影来实现通用函数逼近和无监督机制发现，并在合成数据集和真实临床数据集上均展现出高可解释性和具有竞争力的性能。
💻 computer science
Dictionary-KAN: Resolving the Optimization Paradox of Kolmogorov-Arnold Networks via Complex RKHS, Machine-Verified Theory, and Discrete Hierarchical Refinement
本文介绍了字典式 KAN（Dictionary-KAN, DKAN），这是一种经过机器验证的架构，它通过采用复系数径向基函数（RBF）字典和离散分层细化技术，解决了 Kolmogorov-Arnold 网络中的优化悖论，从而在实现卓越的多变量回归、偏微分方程（PDE）系数恢复以及硬件高效的可解释性的同时，避免了基于连续样条的 KAN 所存在的内存和收敛问题。
💻 computer science
CONCORDAT: Trustworthy multimodal federated learning for autism research under incomplete, heterogeneous and privacy-constrained health data
CONCORDAT 是一个跨孤岛的联邦学习框架，通过整合来自多个站点的异构且不完整的健康数据，同时解决缺失性、差分隐私和子群公平性方面的挑战，从而实现可信且保护隐私的多模态自闭症研究。
💻 computer science
Fixed Point Theory Beyond Contractions for Deep Equilibrium Models
本文通过建立一个放宽了严格收缩限制的不动点理论，证明了在 Wardowski -收缩下的存在性与唯一性，展示了 Krasnoselskii–Mann 迭代对非扩张算子的收敛性，并推导了用于鲁棒训练的 Lipschitz 稳定性界限，从而推进了深度均衡模型（Deep Equilibrium Models）的发展。
💻 computer science
Adversarial Robustness in AI-Powered Intrusion Detection Systems
本文提出了一种结合对抗训练与梯度掩码的防御框架，旨在显著增强基于深度学习的入侵检测系统针对对抗性攻击的鲁棒性，同时保持对良性流量的高准确率。