服务器遭遇流量攻击，CPU 负载达到 100%。使用阿里云 ESA 防护，通过自定义规则拦截广东 IP 的无效请求，但 JS 挑战未能有效阻挡攻击。升级套餐成本高，小网站生存堪忧。

本研究解决了酶促反应预测这一复杂且资源密集的问题，采用大型语言模型（LLMs）评估其在多个生化任务中的能力。研究发现，通过多任务学习，模型在反向合成和正向合成预测上表现优越，显示出在酶信息共享方面的潜力，并指出了现有EC分类方案中的挑战，为进一步改进LLM驱动的生化建模奠定了基础。

本研究分析了大规模语言模型在CPU-GPU耦合架构下的推理特征，结果显示紧耦合系统在大批量处理时性能优于松耦合系统，但在小批量时受限于CPU。内核融合技术能够缓解低批量的延迟瓶颈。

本文介绍了泰坦尼克号生存预测的数据预处理过程，强调数据处理的重要性。通过分析特征与生存率的关系，提取新特征并进行数据清洗，最终构建预测模型。

本研究针对自动驾驶车辆（AVs）在开放道路测试中频繁发生的碰撞问题，进行深入分析，以填补目前对AV碰撞分析的研究空白。通过对最新加州AV碰撞报告的分析，我们提出了一套自动提取碰撞前场景的映射规则，成功识别出24种场景并获取了关键的碰撞情景，为改善AV性能提供了潜在的优化建议，更有助于政府制定相关监管政策。

本文分析了社交媒体上匿名作者的性别和年龄特征，并介绍了新的孟加拉语作者特征数据集BN-AuthProf。研究表明，性别和年龄分类的准确率分别为80%和91%，显示了机器学习在该领域的应用潜力。

本研究探讨语言模型在属性继承中的作用，发现分类知识与相似性计算相互关联，促进新属性在类别间的投射。这为理解语言模型的概念结构提供了新的视角。

本研究提出了SubjECTive-QA数据集，以解决收益电话会议记录中主观回答透明性不足的问题。分析了49,446条问答对，结果显示最佳预训练语言模型在高主观性特征上表现优于低主观性特征，表明该方法在金融领域外也具有广泛适用性。

本研究通过主成分分析（PCA）研究ResNet-18在CIFAR-10上的特征表示对分类性能的影响。结果表明，仅需20%的特征空间方差即可实现高精度分类，前100个主成分决定了k-NN和NCC的性能。研究还与神经崩溃现象相关联，并通过线性仿射模型展示了三种可解释的特征表示，其中仿射线性模型效果最佳。

本研究探讨了图神经网络中引入注意机制后出现的一个未被充分研究的问题：大量激活（MAs），提出了一种新的检测和分析方法，重点关注不同图变换器架构中的边特征，并发现注意机制与MAs的产生之间存在直接联系，提出显性偏差项（EBT）作为潜在对策。揭示了注意机制、模型架构和数据集特征之间的复杂关系，为开发更稳健的图模型提供了重要见解。

近年来，解释性计算机视觉技术受到关注。类激活映射（CAMs）被广泛使用，以增强深度学习模型的可解释性和洞察力。本文概述了CAMs的演变、评估标准和改善方法，并提出了未来研究方向。

GotFunding是一个基于过去资助记录的推荐系统，通过排序学习分析特征，考虑年份差异、信息量和相关性。

该研究探讨了深度神经网络训练及其与网络参数之间的复杂动力学关系。研究发现训练网络往往呈现漂移模式，沿着单一方向进行训练，并提出了指数级缓慢衰减的潜在值。通过分解权重矩阵和识别 Hessian 特征向量，揭示了网络内的参数方向。基于这些发现，提出了一种有效的策略来缓解神经网络在学习新任务时遗忘之前任务知识的挑战。

国际指纹活体检测竞赛（LivDet）每两年举办一次，评估指纹表示攻击检测（PAD）进展。本届竞赛有活体检测、指纹表示和隐藏挑战。参与者提供真实指纹样本，报告并评估算法性能。

本论文提出了一种全面的深度伪造图像生成与识别的方法，并创建了名为DeepFakeFace (DFF)的数据集用于训练和测试算法。通过对DFF数据集的评估，提出了两种评估方法来测试深度伪造识别工具的强度和适应性。该研究突显了对深度伪造检测器的需求，并旨在促进更有效的抵御深度伪造的工具的发展。

该研究提出了一种端到端的多通道说话人归属自动语音识别系统，结合了基于 Conformer 的编码器和基于说话人归属的 Transformer 解码器。该模型在语音识别中表现出色，尤其是在多通道会议转录中。研究还探讨了不同输入特征对ASR性能的影响。

该研究提出了两组新颖特征用于帕金森病严重度分类，分别是基于单频滤波方法的SFF倒谱系数和基于SFF的MFCC。实验结果表明，这些特征在三个语音任务中均优于传统的MFCC特征，相对提高了5.8%至7.0%。