cs 篇论文 | Gist.Science

本文介绍了 CLASP，一种自适应约束强化学习调度器，它通过 PID 控制的拉格朗日价格和价格调节策略来强制执行显式的延迟约束，从而在传统固定权重奖励方法失效的各种变化工作负载下，保持稳定的能效和违规目标。

本文提出并评估了一种多层自适应零信任框架，该框架利用上下文感知信任评分机制和严密的数学建模，旨在证明与传统的基于周边的安全防护相比，该框架能显著降低云环境中的攻击成功率和横向移动。

RadioAI 展示了一个具有可复现性、基于物理原理的多模态深度学习系统，该系统集成了用于胸部 CT、乳腺超声和脑部 MRI 分类的专门架构，并配备了自动模态路由门控器（Gatekeeper）及可解释的可视化工具，通过受控消融研究验证了物理启发式设计组件在经验上的必要性。

该论文介绍了 QuantumRAG，一种通用的、低延迟的检索系统，它将文本嵌入映射到希尔伯特空间中的复杂量子态，从而在标准 CPU 硬件上实现 BERT 级别的准确度并提升 3.6 倍的推理速度，同时对文本、数学和视频等数据模态保持无关性。

本文介绍了 MAANG-AI-450 数据集，用于分析大型科技公司 AI 研究人员的教育背景和引用影响力，揭示了尽管博士训练集中在精英机构，但引用成功呈现高度偏斜，且往往是由当前工作环境而非仅仅由博士学术门第所驱动。

本文介绍了深度几何与量子几何网络（DGN/QGN），这是一种神经符号架构，通过从运动中提取显式的、可解释的微分几何特征并将其直接映射到量子电路参数，实现了具有竞争力的手势识别，证明了当前性能的局限性源于硬件约束而非算法缺陷。

本研究将文献计量分析与人工智能范式视角相结合，以绘制行人检测研究的结构演进图谱，揭示了该领域从手工特征向深度学习和 Transformer 的转变是通过渐进式的知识整合而非突发性转变实现的，从而为理解人工智能的发展提供了一个全新的理论框架。

本研究展示了一个设计科学原型，该原型是一种智能学习管理系统，它利用 ESCO 本体和自然语言处理（NLP）技术来检测中小企业（SMEs）的劳动力技能差距并生成针对性的再培训建议，从而解决在向工业 4.0 和 5.0 转型过程中至关重要的人力资本与技术互补性约束问题。

本研究表明，一种结合了灵活容量约束的蚁群优化方法在实际的哥伦比亚入境物流网络中显著优于地理聚类基准模型，在实现车队规模、行驶距离和运营成本大幅降低的同时，最大化了车辆利用率。

本研究表明，在基于 DistilBERT 的自动作文评分模型中，将人口统计学元数据与文本输入进行天真的拼接，与仅使用文本的基准模型相比，会显著降低预测准确性、增加训练损失并加剧评分偏差。