2354 篇论文
本文提出了一种两层级层次化评估框架，该框架通过将用于在 t=-1 时进行主动物理干预的非补偿性几何优化层，与向 t=0 时后果主义失效保护层的平滑过渡相结合，超越了经典电车难题中的静态权衡，从而将机器伦理从被动的旁观者计算重新定义为道德风险管理的积极协同设计。
本文提出了国家级规模灾难响应优化引擎（NSDR-OE），该系统利用八种先进数据结构的集成，实现了具有 O(log n) 复杂度的实时空间索引、紧急程度优先级排序及资源调度，在合成场景和实时地震事件场景中均展示了较线性基准提升 231 倍的速度以及低于 200 毫秒的延迟。
本文介绍了一种泄露感知的评估框架，用于将 Wazuh 主机入侵警报映射到 MITRE ATT&CK 战术与技术，证明了由于规则标识符和警报模板导致的结构化数据泄露，标准评估方法会高估性能，同时表明在控制这些偏差时，战术层级的预测仍然保持稳健。
本文介绍了 CARE，一种将伦理 AI 原则转化为技术控制（如数据边界强制执行和动态模型路由）的运行时治理架构，并通过基准测试模拟证明，工程化推理条件能显著减少数据暴露，并确保负责任的企业级大语言模型部署。
本研究提出并验证了一个基于可解释人工智能的框架，该框架整合了需求预测、生产率分析和多目标优化，旨在统一分布式运输网络中的劳动力规划决策，并证明了其在减少人员短缺和不必要劳动时长方面的能力，同时提供透明且易于管理者理解的建议。
本文通过实证评估了一个结合了针对记录级数据的语法隐私约束与针对聚合查询的差分隐私的两层匿名化流水线在面对现实记录链接攻击时的安全性，证明了由于缺乏统一的正式保证，必须针对多样化的数据集和知识场景进行直接的对抗性评估。
本文提出了一个新颖的框架，该框架通过在增强型 SMILE 流水线中引入基于语义不稳定性（semantic instability）和 SHAP 归因分析的幻觉严重度评分（HSS），以有效地检测、量化并解释基于大语言模型（LLM）的文本摘要中的幻觉现象。
本文通过使用自适应子集选择攻击（ASSA）启发式算法，研究了最大似然成对排序估计量在面对协同且受预算限制的扰动时的鲁棒性，揭示了排序脆弱性具有高度的数据依赖性和机制敏感性，而非普遍可预测的。
本文提出了 TDCO-Net，一种三重动态协同优化网络，通过集成动态模态辅助学习、基于 KAN 的视听极性校准以及置信度驱动的样本选择，通过有效解决模态可靠性变化和边界样本噪声问题，从而增强多模态情感分析。
本文提出了 CAMF-Zero，这是一个矛盾感知推理框架，它利用一种新颖的一致性感知矛盾评分（CACS）来检测联邦多云环境中的零日威胁，通过显式评估异构遥测源之间的语义分歧，从而显著提高了检测召回率并降低了现有方法的误报率。