💻 计算机科学
Analyzing Artificial Intelligence in Education Discourse on Bluesky: A Computational Social Media Analysis
本研究采用混合方法计算扎根理论框架，分析了 2023 年至 2025 年间近 10 万条 Bluesky 帖子，揭示出关于人工智能在教育领域应用的公共讨论主要以怀疑论以及对学术诚信、伦理和教育者角色的担忧为特征，尽管其中偶尔也会出现关于创意和教学应用的正面讨论。
💻 Category
cs
3899 篇论文
💻 计算机科学
EPACE-FL: Efficient Privacy-Preserving And Communication in Edge Computing of Federated Learning
EPACE-FL 框架通过引入一种将模型参数进行联合压缩与加密的动态量化与混沌掩码（DQCM）算法，在显著降低通信开销的同时增强了针对恶意攻击的防护能力，从而解决了基于边缘的联邦学习中存在的隐私泄露和通信效率低下的挑战。
💻 计算机科学
Computational Acceleration of 3D Point-Cloud Algorithms for Embedded_Discover-format
本文提出了两种通用算法分解方案——轴向可分离的3D卷积以及用于邻域PCA的单次遍历积分统计方案，通过在钢筋网格交点检测中保持人工测量精度，实现了36倍的乘累加（MAC）次数减少以及30至280倍的加速，从而提升了嵌入式系统的3D点云处理性能。
💻 计算机科学
A multi-strategy depot-selection portfolio for the Capacitated Location Routing Problem
本文提出了一种针对带容量限制的选址路径问题（Capacitated Location Routing Problem）的多策略仓库选择组合方案，该方案结合了随机预选、迭代扫描、多起点以及重分配策略，并利用自适应大邻域搜索（Adaptive Large Neighborhood Search）和精确分配模型，在 30 个基准测试实例中的 29 个上超越了 Hexaly Optimizer 基准，尤其是在中等容量规模下表现尤为突出。
💻 计算机科学
Explainable graph-based meta-reinforcement learning for cognitive UAV swarms under partial observability and adaptive jamming
本文介绍了 XM-MADRL，一种用于无人机群的可解释图结构元强化学习框架，该框架在部分可观测性和自适应干扰条件下，在数据包传输率和抗干扰能力方面展现出了显著的性能提升，同时也揭示了其协调与元自适应组件在面对可预测干扰器或全可观测情况时并无益处。
💻 计算机科学
Point-Cloud Skeleton Quality Assessment for Robotic Perception and Planning
本文引入了一种定量的、无需真值的框架，通过采用拓扑连通性、有界性、中心性以及平滑性这四种互补的诊断指标来评估点云骨架质量，从而将表示失败特征化为一个任务相关的向量，而非单一的标量指标。
💻 计算机科学
Intelligent Test Case Scheduling Using Multi-Criteria Decision Making for Human–Machine Interface Testing
本文提出了一种时间加权效用评分模型（TWUSM），该模型利用多准则决策方法来自动化工业人机界面（HMI）系统的测试用例优先级排序，在确保100%检测出关键故障并实现近乎完美的故障检测效率的同时，减少了58.9%的测试时间。
💻 计算机科学
A Machine-Learning and Cybernetic Control Framework for RGB--Geometric UAV Navigation
本文提出了一种结合了 RGB 视觉感知与运动学及记忆变量的控制论无人机导航框架，该框架通过带有元梯度奖励重构的延迟深度确定性策略梯度（TD3）控制器进行优化，在河道廊道基准测试中实现了 88.5% 的任务完成率，显著优于传统的非线性模型预测控制和 RRT*-Replan 方法。
💻 计算机科学
Empirical Stability Assessment of SHAP-Based Feature Selection Across Controlled Model Complexities
本研究通过引入一种可扩展的自定义模型 ，并利用 CICIDS2017 数据集验证该方法，旨在实证评估基于 SHAP 的特征选择在不同模型复杂度下的稳定性和可靠性，以填补在理解复杂度如何影响黑盒模型中特征归因方面的研究空白。
💻 计算机科学
From Black Boxes to Formulas: Interpretable Kolmogorov-Arnold Networks for HF-3c-to-DFT Descriptor Prediction
本文证明了可解释的 Kolmogorov-Arnold 网络（KANs）能够通过坍缩为简单的单行修正公式，从而准确且透明地从廉价的 HF-3c 输入中预测超分子结构的高质量 DFT 描述符，并表现出优于现有黑盒模型的性能。