cs 篇论文 | Gist.Science

本实证研究分析了 2020 年至 2026 年间的 AI 事件与主要监管框架的关系，旨在揭示在外部检测和影响评估方面显著的部署后问责差距，并提出主动式 AI 治理合规框架（PAGCF）以应对这些系统性失效。

本文提出了一种数据驱动的经典机器学习模型，该模型仅基于架构特征即可准确预测变分量子电路的可训练性并识别贫瘠高原，为筛选量子电路设计提供了一种替代昂贵梯度采样的具有成本效益的选择。

本研究利用来自巴西联邦公路警察（2020–2024年）的大规模数据集，旨在证明通过严格的时间分割验证和基于SHAP的可解释性处理后的成本敏感型LightGBM模型，在预测交通死亡人数方面优于其他集成方法，同时能够识别关键风险因素，以为前瞻性的安全政策提供参考。

本文提出了一种结合 RSA-OAEP 与 AES-128-CBC 加密并辅以 SHA-256 完整性校验的混合加密框架，该框架在确保医疗图像重建的安全性和无损性的同时，显著提升了计算效率（优于纯 RSA 算法），并展示了针对像素丢失损坏的鲁棒恢复能力。

该论文提出了 DL-TUS，这是一个频率感知的深度学习框架，它利用小波变换和多尺度空洞卷积来有效地对超声图像中的甲状腺结节进行分类，在应对噪声和微结节挑战方面实现了高准确率和鲁棒性。

本研究表明，应用此前在同策略 PPO 训练中起到稳定作用的回退锚定不确定性门控机制，对于离策略 TD3 并未提供统计学上的收益，这表明该机制的价值在于纠正同策略训练崩溃，而非作为一种通用的鲁棒性提升手段。

本文表明，评估协议中的最大生成长度通过截断思维链推理过程，关键性地决定了模型检查点表现为可区分还是不可区分，而这一因素在微调研究中经常被忽略，从而可能导致对模型性能和趋势的误导性结论。

本研究提出了一种集成 Stable Diffusion、ControlNet、MLSD 和 LoRA 的双重控制生成式设计框架，旨在平衡浙江历史街区的历史保护与商业振兴，从而针对多种商业业态的立面改造实现高结构保真度与功能响应性。

本文提出了一种针对克罗恩病的弱监督分割方法，该方法利用图像级标注，并通过辅助解剖先验数据集和目标重定位机制来增强标注，从而生成高质量的伪标签，在降低标注成本的同时显著提高了病灶分割的准确性。

本文提出了 SWH-SegFormer，这是一个集成了通道重校准、哈尔小波下采样和分层倒数注意力机制的信号保持框架，旨在克服分割挑战，并实现准确的视盘与视杯联合分割，从而通过杯盘比估计实现可靠的青光眼评估。