cs 篇论文 | Gist.Science

本文通过全球和区域案例研究，回顾了人工智能与物联网在工业4.0供应链中的变革潜力与挑战，并最终提出了一个将试点项目与治理机制相结合的可扩展框架，以实现生产力与可持续性的双重目标。

本文提出了一种加密遏制架构，通过在指令与数据之间强制执行高熵、令牌认证的句法边界，来保护智能体化大语言模型系统免受提示词注入攻击，从而使注入尝试在极低的失败率和极小的运行时开销下，在结构上变得无效。

本文提出了 AWMCEL，一种结合了判别最小二乘回归与自适应加权以及 $\mathbf{G}_{1,2}$ -范数正则化的新型多视图集成框架，旨在根据分类器的性能自动分配最优权重，从而在无需复杂参数调优的情况下，有效地利用来自不同数据视图的互补信息。

本文提出了一种面向大语言模型的源感知推理框架，该框架将推理范围扩展到数据生产者及其上游上下文，从而能够更准确地辨别真实的系统异常与数据伪影，同时显著提高检测精度并减少时间误差。

本文综述了关键的图像去噪算法，分析了高斯、线性及非线性各向同性平滑技术的性能，并得出结论指出，线性与非线性平滑均能为减轻噪声引起的信息丢失提供有效的解决方案。

本文介绍了一种完全可复现、开源的检索增强流水线，该流水线结合了微调与零样本大语言模型，通过全新的任务就绪训练语料库和具有挑战性的领域外基准测试进行了验证，在低资源拉丁语翻译方面实现了 GPT-5.1 级的性能。

本文提出了 DuTLR-Net，一种深度展开张量低秩网络，该网络通过跨尺度流形对齐模块和基于 ADMM 的迭代优化主干结构整合了物理先验，旨在即使在小样本场景下也能实现具有高空谱一致性的卓越且可解释的高光谱图像分类。

本文提出了一种用于碳市场的可持续区块链框架，该框架将适用于中小规模应用的混合权益证明（Proof-of-Stake）与工作量证明（Proof-of-Work）共识机制与用于大规模运营的 Osmosis DeFi 平台相结合，证明了与传统系统相比，在能源效率、吞吐量和延迟方面具有显著改进。

本文提出了一种用于检测电子邮件钓鱼的来源验证方法，该方法结合了利用自然语言处理（NLP）提取目标机构的技术，以及通过网络挖掘将提供的 URL 和内容与官方网站进行对比的技术，实现了 96% 的准确率，并优于现有的检测服务。

本研究提出了一套集成了增强现实与嵌入式电子技术的工具包，通过将同步的物理-虚拟可视化、触觉交互与上下文叠加相结合，显著提升了本科阶段 STEM 专业学生对复杂网络图的理解，并使初始信心较低的学生从中获益。