981 篇论文
本文介绍了 StainSolver，这是一种通过使用高效的 DPM-Solver++ 替换 StainFuser 扩散模型中的 PNDM 调度器，并利用一种新颖的染色标准化质量评分（SNQS）进行性能评估，从而在无需重新训练的情况下实现显著加速并提升质量的方法，用于病理组织染色标准化。
FlashSpec 是一个开源的自适应投机解码引擎，它通过一种用于设备端验证的新型 词表大小 Triton GPU 核函数，以及一种用于动态草稿模型选择的在线多臂老虎机机制，实现了对目标模型分布的精确保持，在显著加速大语言模型（LLM）推理的同时，消除了 CPU 瓶颈和人工调优的需求。
本文提出了一种结合自动编码器（Autoencoders）与孤立森林（Isolation Forests）的混合无监督异常检测框架，通过结合 TF-IDF 和 BERT 特征来有效识别虚假电子商务评论，通过消除对标注训练数据的需求，为监督学习方法提供了一种可扩展且具有成本效益的替代方案。
本文提出了一种创新的深度学习框架，该框架将长期的运动与认知双任务数据与分块重采样、SMOTE 数据增强以及 Transformer 模型相结合，以 80% 的精确度准确预测两年的认知下降，其表现优于传统的 MRI 和基于生物标志物的方法。
本文提出了一种可信且可解释的集体学习（TECL）方法，该方法并非简单地消除多视图数据中的冲突，而是主动利用这些冲突来评估个体一致性、优先排序视图，并生成可靠且具解释性的集体决策。
本文提出了一种基于词嵌入、利用邻近词替换的计算高效型数据增强策略，该策略显著提升了命名实体识别的性能，并在五种语言中为实体链接带来了适度的增益，从而解决了多语言健康信息学中标注临床文本有限的挑战。
本文介绍了 UD-Quran，它是对扩展古兰经树库（Extended Quranic Treebank）进行的 Universal Dependencies v2 转换，旨在将形态和句法标注标准化为两种可互操作的变体（表层形式与增强形式），从而在保持对原始语料库可追溯性的同时，实现与现代 NLP 工具一致的古兰经解析。
本文介绍了 TRNEWS-2025，这是一个涵盖截至 2025 年九个不同类别的大规模人工标注土耳其语新闻数据集，通过基于 Transformer 和经典深度学习模型的实验，该数据集已被验证可有效用于文本分类和自然语言处理研究。
本文提出了 MM-QLOF，这是一种去中心化的多指标 Q 学习目标函数，它整合了数据包成功率、预期传输次数和拥塞水平，以实现物联网网络中自主且自适应的父节点选择，与现有的 RPL 标准相比，显著提高了数据包交付率并降低了延迟。
本文对 2020 年至 2025 年间关于多案例全球网络攻击的文献进行了概念性叙述性综述，强调了传统安全模型的局限性，并提出了一个新的四层框架，以推进对网络韧性的理解与实现。