New York University（纽约大学）

From One Attack Domain to Another: Contrastive Transfer Learning with Siamese Networks for APT Detection

从一个攻击领域到另一个：基于Siamese网络的对比迁移学习用于APT检测

Sidahmed Benabderrahmane, Talal Rahwan

机构 * New York University, NYUAD, Division of Science.（纽约大学、NYUAD科学学院） 纠错

AI总结 本文提出基于Siamese网络和对比学习的混合迁移框架，通过注意力自编码器和SHAP特征选择提升APT检测的跨域泛化能力与可解释性。

Ranking-Enhanced Anomaly Detection Using Active Learning-Assisted Attention Adversarial Dual AutoEncoders

基于排名的异常检测：利用主动学习辅助的注意力对抗双自编码器

Sidahmed Benabderrahmane, James Cheney, Talal Rahwan

机构 * New York University（纽约大学） ； NYUAD, Division of Science（纽约大学亚当分校，科学学院） ； The University of Edinburgh（爱丁堡大学） ； School of Informatics（信息学院） 纠错

AI总结 本文提出一种结合主动学习和注意力对抗双自编码器的异常检测方法，通过减少标注成本提升检测精度，适用于APT检测的不平衡数据集。

MXtalTools: A Toolkit for Machine Learning on Molecular Crystals

MXtalTools: 一种用于分子晶体机器学习的工具包

Michael Kilgour, Mark E. Tuckerman, Jutta Rogal

机构 * Department of Chemistry, New York University（纽约大学化学系） ； Department of Physics, New York University（纽约大学物理系） ； NYU–ECNU Center for Computational Chemistry at NYU Shanghai（纽约上海纽约大学-复旦大学计算化学中心） ； Simons Center for Computational Physical Chemistry at New York University（纽约大学Simons计算物理化学中心） ； Initiative for Computational Catalysis, Flatiron Institute（Flatiron研究所计算催化计划） 纠错

AI总结 MXtalTools是一个用于分子晶体机器学习的工具包，提供数据驱动建模、晶体结构采样与优化等功能，支持高通量晶体建模和开放源代码。

Comments 16 pages, 11 figures

Computational Turing Test Reveals Systematic Differences Between Human and AI Language

计算图灵测试揭示人类与人工智能语言之间的系统性差异

Nicolò Pagan, Petter Törnberg, Christopher A. Bail, Anikó Hannák, Christopher Barrie

机构 * University of Zurich, Department of Informatics（苏黎世大学信息学院） ； University of Amsterdam, Institute for Logic, Language and Computation (ILLC)（阿姆斯特丹大学逻辑、语言与计算研究所） ； Duke University（杜克大学） ； New York University, Department of Sociology（纽约大学社会学系） 纠错

AI总结 本文通过计算图灵测试系统比较了九个LLM在不同校准策略下的表现，揭示了LLM在人类相似性与语义忠实性之间的权衡。

How to Find Fantastic AI Papers: Self-Rankings as a Powerful Predictor of Scientific Impact Beyond Peer Review

如何找到非凡的AI论文：自我排名作为预测科学影响的强大指标超越同行评审

Buxin Su, Natalie Collina, Garrett Wen, Didong Li, Kyunghyun Cho, Jianqing Fan, Bingxin Zhao, Weijie Su

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； New York University（纽约大学） ； Princeton University（普林斯顿大学） 纠错

AI总结 本文通过研究作者自我排名发现其能有效预测AI领域高影响力论文，优于同行评审。