3891 篇论文
该论文介绍了 CLEAR，这是一个结合了层级化标记压缩、稀疏注意力编排以及动态内存管理的统一框架，旨在实现大语言模型高效的长上下文推理，在保持长上下文基准测试高准确度的同时，显著降低了计算复杂度和内存占用。
本研究分析了五十年的科学标题数据，旨在证明虽然冒号的使用是一种长期存在的惯例且其流行程度正在上升，但大语言模型生成的标题中冒号出现频率显著高于人类作者，这一模式对提示词敏感，并会影响检索排序性能。
本文提出了一种基于 ResNet 的检测方法，通过分析流量的行为变化来区分正常流与异常流，从而识别 Tor 网络中的主动网络流水印（ANFW）攻击，以此增强 Tor 抵御追踪的匿名性。
本文介绍了 PACE，这是一个用于智能合约的框架，它通过一种两轮格基签名方案将集体决策与活动策略和执行上下文绑定，从而确保状态一致的多方授权，进而保证策略、决策、请求与执行之间的一致性，同时保持稳定的验证成本。
本文提出了 CGH-DehazeNet，这是一种轻量级单幅图像去雾网络，它结合了用于提高计算效率的通道分组半卷积块（Channel Grouping Half-Convolution block）和用于抑制伪影的交叉注意力精细化融合模块（Cross-Attention Refinement Fusion module），在仅有 1.932M 参数的情况下实现了最先进的性能。
本文提出了一种结合非线性两级安全流行病模型与深度神经网络的混合框架，用于分析、预测并高效模拟恶意软件传播动力学，展示了在网络安全应用中的高准确度与计算效率。
本研究表明，虽然受保护的本地大语言模型（LLM）流水线在生成正确答案方面显著优于直接提示，但其内部一致性检查无法防止选择不当的临床计算器，这凸显了在部署前进行独立适用性验证的紧迫需求。
本文通过一份证据图谱表明，尽管现有的元数据规范具备追踪文件级许可与来源的技术能力，但在 29 个研究语料库中仍存在采用与验证方面的关键差距，并据此提出了一套最小化证据包及九项旨在弥合这一鸿沟的可操作性建议。
本研究表明，决策模型的概率输出能有效识别医学执照考试题目中的错误，从而实现一种高成本效益的混合策略，即通过将置信度最低的 20% 的答案提交给更强大的生成式模型，在显著提升整体准确率的同时，捕捉到了从理想预言机（oracle）中可获得的绝大部分潜在收益。
本文证明了对单个决策树分类器应用严格的数据预处理技术（包括 SMOTE 过采样和特征选择），能够显著提高在不平衡的欧洲信用卡数据集上的欺诈检测召回率（77.46%），尽管其精确度较低，但仍提供了一种计算高效且具有可解释性的解决方案。