💻 计算机科学
RGDRec: Reliability-Guided Social Graph Denoising for Recommendation
本文提出了 RGDRec，一种通过估计关系可靠性以指导随机图去噪，并利用跨域对比学习来对齐社交与交互表示，从而减轻噪声社交连接的负面影响，进而提升推荐性能与鲁棒性的社交推荐框架。
💻 Category
cs
3900 篇论文
💻 计算机科学
Anomaly Detection under Class Imbalance: A Survey of Methods, Evaluation Pitfalls, and Open Challenges
本综述系统地综合了针对极端类别不平衡下五个高风险领域的异常检测所涉及的数据、算法、生成式及自监督方法论，同时批判性地揭示了评估陷阱并概述了关键挑战，旨在为未来的研究提供指导。
💻 计算机科学
Lightweight Deep Learning for Mobile Dog Breed Identification: A Mobile-Focused Comparison
本研究评估了四种用于移动端犬种识别的深度学习模型，并确定 MobileNetV2 是最佳选择，它在分类准确率、推理速度和模型大小之间实现了平衡的权衡，同时成功地展示了在离线 Android 应用程序中的实时部署。
💻 计算机科学
Part-Coverage and Faithfulness Decouple in ViT Token Pruning for Fine-Grained Visual Categorization
本文引入了 MIDAS 框架，旨在证明在针对细粒度视觉分类的小型 Vision Transformer 中，针对部分覆盖率（保留物体细节）和忠实度（解释分类器决策）进行优化的 Token 修剪策略在本质上是解耦的，这意味着其中一项指标的提升并不保证另一项指标的同步提升。
💻 计算机科学
Executable Chain-of-Thought Symbolic Regression with Large Language Models for Automated Physical Discovery
本文介绍了 \ours，这是一个带有验证功能的框架，它通过将基于大语言模型的符号回归转化为执行为类型化符号推导图（Symbolic Derivation Graph）的思维链推理过程，通过强制执行硬约束和软验证信号，从而将该过程转变为一个严谨的过程，以生成具有可执行推导轨迹的紧凑且可由机器检查的物理定律。
💻 计算机科学
Robust Multi-Sensor Fusion via Memristive Deep Reservoir Computing With Differential-Pair Fault Tolerance
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。
💻 计算机科学
A Multi-Agent Framework for Diagnosis and Plan Repair in Knowledge Graph Question Answering
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。
💻 计算机科学
LAC-Net: A Lightweight Attention and Category-Aware Reweighting Network for Steel Surface Defect Detection
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。
💻 计算机科学
A Multi-Agent Large Language Model Framework for Autonomous Web Application Penetration Testing
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。
💻 计算机科学
Quantum Game-Theoretic Optimization with Ramanujan-Inspired Regularization for AI-Driven Supply Chain Resilience
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。