本页收录的每篇论文,都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误,或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书,但说明该解释已经过论文作者的审视。

568 篇论文已由作者审阅 · 101–110 / 568

A Multiscale Network with Supervised Contrastive Learning for Real-Time Facial Emotion Recognition

本文提出了一种基于深度学习的系统,该系统利用多尺度网络和监督对比学习来通过对连续表情变化进行建模以实现实时面部表情识别,并在标准数据集上展示了令人满意的性能,可用于心理咨询等应用。

Rejoy Chakraborty, Archisman Adhikary, Chayan Halder, Payel Rakshit, Sanchita Ghosh, Kaushik Roy2026-06-02✓ Author reviewed 💻 cs

Individual Shrinkage for Random Effects

本文提出了一类针对微型面板数据(micropanel data)的个体权重(Individual Weight, IW)收缩估计量,该类估计量通过利用个人历史而非横截面信息,优先考虑个体层面的准确性而非总体表现,从而克服了詹姆斯-斯坦(James-Stein)和经验贝叶斯(Empirical Bayes)等传统方法中固有的“多数人暴政”。

Raffaella Giacomini, Sokbae Lee, Silvia Sarpietro2026-06-02✓ Author reviewed 📈 econ

A Communication-Centric 6G-LLM Architecture for Scalable Tactical Autonomous Defense Vehicle Networks

本文提出了一种面向战术自主防御车辆网络的、集成边缘辅助大语言模型与6G语义通信以通信为中心的层级架构,并通过仿真证明该方法在30辆车的规模下,通过降低75.2%的延迟、提高68.7个百分点的任务成功率以及减少88.6%的通信开销,显著优于传统的基于5G的AI基准方案。

Kiran Khurshid, Shumaila Javaid, Nasir Saeed2026-06-02✓ Author reviewed ⚡ eess

AXIOM: A Trust-First Neuro-Symbolic Execution Architecture for Verifiable Mathematical Reasoning

该论文介绍了 AXIOM,一种“信任优先”的神经符号架构,它仅利用语言模型将自然语言问题规范化为确定性的计算机代数系统流水线,在数学基准测试中实现了 94.36% 的正确率和 100% 的信任度(零置信错误),同时确保系统的改进永远不会导致先前已验证结果的回退。

Alessio Bruno2026-06-02✓ Author reviewed 🤖 cs.AI