2358 篇论文
这项方法论评估表明，将基于个体化机器学习衍生的行为规则嵌入到大语言模型提示词中，能够增强对高血压前期成年人个体内部心理与身体活动模式的模拟，尽管这种混合方法在预测结构化运动结果方面并未超越专门的参与者特定机器学习模型。
本研究提出并评估了一种可审计且可复现的 AI 辅助工作流，该工作流利用标签共现与传播技术，有效地增强了数字文化遗产馆藏中稀疏且不均匀的元数据，在缺失的对象类型、材质、主题及分类标签方面实现了高召回率。
本文提出了一种用于雾辅助物联网网络的安全分层密钥预分发方案，该方案通过将基于残差设计的组合结构与随机置换机制相结合，以模糊加密块与物理节点之间的确定性映射关系，从而增强了针对物理节点捕获攻击的韧性，同时保持了低开销和高连通性。
本文提出了一种结合孤立森林、随机森林和 SHAP 可解释性的上下文感知机器学习框架，用于检测并解释医院设备的能源异常，通过在真实和合成数据集上的验证，实现了卓越的准确率和低误报率。
EffiFusion-GAN 是一种轻量级时频生成对抗网络，它利用深度可分离卷积、残差 Conformer 模块和非结构化剪枝，以显著少于现有模型的参数量，实现了接近最先进水平的语音增强质量。
本研究表明，一种由三个异构中文大语言模型迭代交换评分与理由的多模型审议框架，显著提高了自动化作文评分在不同体裁和评估场景下的稳定性和精准度，且由此产生的任何系统性偏差均可通过标准的以人为锚点的校准进行有效修正。
本研究利用来自178位泰国大学管理层的调查数据以及一种新型的SA-Optuna-Stack混合机器学习模型，旨在证明数字化转型和人工智能接受度是东南亚高等教育组织可持续性的重要预测驱动因素，同时将人员技能和外部网络识别为关键杠杆，并提供了一种用于监测符合联合国可持续发展目标之机构成果的高精度工具。
本文提出了一种基于 YOLOv11n 的高效几何自适应网络 GADE-YOLO，该网络集成了自适应多尺度特征增强、边缘强化以及可变形卷积模块，旨在有效克服木纹干扰和不规则缺陷形态，从而为实时工业木材表面缺陷检测实现卓越的精度与轻量化性能。
本文介绍了 Agri-GAC-CoC，这是一种针对生成式人工智能的特定领域思维链（Chain-of-Checks）框架，它通过优先考虑基于任务落地的领域检查而非表层流畅度，在为农业写作生成有效且具可操作性的反馈方面，显著优于零样本、基于评分标准的以及标准的思维链提示。
本文提出了 RGD-PLL，一种可靠性感知梯度解耦框架，该框架通过估计实例依赖的候选可靠性、通过熵加权抑制不确定监督，以及通过非对称投影移除冲突梯度分量，来增强部分标签学习，从而提高优化稳定性和鲁棒性。