2358 篇论文
本文提出了一种改进的混合 IACO-SFLA 算法，用于优化全球教育资源的并行调度，并通过仿真和实证分析证明，该方法通过减少任务延迟并支持多维教育机制，有效地促进了国际人才培养的协同发展。
这篇概念性论文介绍了 KAIROS，这是一个神经符号多智能体框架，它通过在受限的决策过程中将教学决策与文化呈现进行形式化解耦，从而确保人工智能辅导具有文化响应性、公平性和可解释性，同时还规定了一套严谨的评估协议，用以在不展示实证结果的情况下验证其理论保证。
本文介绍了 PriseBot，这是一种利用自然语言处理（NLP）和检索增强生成（RAG）技术来引导用户完成用于开发 iStar 扩展的 PRISE 过程的 AI 驱动型对话代理，并通过创建 iStar4Bot 扩展以及涉及新手和资深研究人员的验证研究，证明了其有效性和可用性。
本文提出了一种无需训练、自校准的盲反卷积理论，该理论通过利用自然图像的极值统计特性和核半径的加性属性，推导出了模糊核尺度的闭式估计量，从而实现了比现有启发式方法和监督基准更高的准确度以及下游去模糊性能。
本文介绍了一种名为 Q-PDPL 的量子-经典混合优化框架，该框架将 VQE、QAOA 和量子图注意力网络集成到 Dantzig-Wolfe 分解方案中，以高效解决大规模随机带储物柜取送货问题（Pickup and Delivery Problems with Lockers），并证明了其相比于经典算法在降低成本和可扩展性方面的优越性。
本文提出了语义检索推理流水线（SRRP），这是一种混合大语言模型框架，通过检测多意图用户需求，生成具有人类对齐命名与推理过程的、多样化、可解释且规模最优的商品捆绑包，从而增强生鲜杂货捆绑推荐。
本文提出了解耦扩散-生成对抗网络修复框架（D2R），这是一种结合了结构重建与纹理细化的两阶段方法，通过强制执行其刚性几何规则性，有效地修复中国古代山纹铜镜，从而优于通用的修复模型，并为考古分析提供了一种非侵入式工具。
本文介绍了 MPC-SNN，这是一种新型卷积脉冲神经网络，它通过使神经元能够通过学习到的侧向权重矩阵来预测同伴的前馈输入，从而在严格局部且无需反向传播的学习机制下，在 DVS128 Gesture 基准测试上实现了最先进的准确率。
本文提出了一种联邦模型优化（FMO）框架，该框架集成了梯度压缩、可靠性加权聚合以及硬件感知神经架构，旨在为智能药物输送边缘设备实现保护隐私、低延迟的实时异常检测，从而克服传统以云为中心的方法所存在的局限性。
该论文提出了 UniPAS，一种策略级强化学习框架，通过将紧迫性感知直接嵌入奖励函数中，消除了数据库同步中的分类器瓶颈，使深度 Q 网络能够在不依赖粗粒度事件分类的情况下，动态地在公平性与紧迫性之间的帕累托前沿进行导航。