cs 篇论文 | Gist.Science

本文提出了一种用于自主系统的鲁棒多传感器融合框架，该框架利用差分对编码和三级容错策略来减轻忆阻器硬件缺陷的影响，在保持高故障率下的准确度方面显著优于现有方法，同时实现了高效的实时边缘部署。

本文提出了 TRACE，这是一个多智能体框架，它通过针对性的证据检索与验证，动态地诊断并修复大语言模型的推理计划，从而增强知识图谱问答能力，以此缓解幻觉问题并提升其相对于现有静态方法的准确性。

LAC-Net 通过将轻量化注意力模块和类别感知重加权策略集成到 YOLOv11 中，增强了钢材表面缺陷检测，通过改进对微弱缺陷和类别不平衡的处理，在长尾分布的 GC10-DET 数据集上实现了卓越性能，尽管其有效性取决于特定的数据分布。

本文介绍了 ARES，这是一个自主多智能体框架，它通过整合微调的大型语言模型与强化学习，通过自适应、伦理化的红队测试，在发现复杂 Web 应用漏洞方面超越了传统工具。

本文提出并验证了一个结合了 Eisert–Wilkens–Lewetinsten 量子博弈论、由拉曼努金启发正则化增强的 QAOA 优化，以及 Rogers–Ramanujan 调制多智能体强化学习的集成框架，旨在显著提升供应链韧性与均衡收益，并优于经典方法。

这项准实验研究表明，将生成式人工智能整合进初中生结对编程中，能显著提升学生的编程知识水平和项目表现，并增加他们对人工智能的信任，尽管研究也揭示了一种过度依赖调试辅助而非主动进行问题分解的行为倾向。

这项基于种子复制的比较研究证实，拓扑数据分析可作为一种有效的经验诊断工具，用于检测几何流形和潜在流形数据集在低噪声水平下的预测鲁棒性与结构鲁棒性交越点，但在处理未嵌入的表格数据时无法提供有意义的见解。

这项批判性的综合综述通过分析半导体器件、存储层级与数据中心基础设施之间的相互作用，建立了一个可持续人工智能的决策框架，旨在识别出增加算力吞吐量无法改善延迟或降低环境影响的物理极限，并强调真正的加速需要最小化数据移动和隐含碳，而非仅仅最大化原始计算能力。

本文提出了一种用于智能交通系统的、基于亏格-2超椭圆曲线和一次性假名的无安全信道身份基签名方案，该方案确保了条件隐私性，能够抵御密钥替换攻击，并且与现有的椭圆曲线及配对方案相比，实现了显著更低的计算成本和更高的验证吞吐量。

本文提出了一种语义标签隐含狄利克雷分配（Semantic Hashtag LDA, SHLDA），这是一种通过按共享主题聚合短文本推文，并利用用户生成的标签来显著提高聚类性能并降低现有方法误差率的新型主题建模方法。