SEMA-GUARD: Semantic and Graph-Based Vulnerability Detection in Assembly Code
SEMA-GUARD利用语义分析和图神经网络在汇编代码中检测漏洞，通过增强控制流图表示，包括栈操作、内存访问等信息，实现了85.1%的准确率。
0 citationsRead paper
Selected work
Representative Papers
CiteGuard-RAG: A Validation-Centered AI System for Evidence-Grounded Question Answering
该研究通过引入CiteGuard-RAG系统，采用混合语义-词汇检索、引用约束生成等方法解决证据支撑问答中的答案验证问题，确保回答准确可靠。
0 citationsRead paper
Deep Learning-Based Detection of Electrical Faults and Power Quality Disturbances in Aerospace Power Systems
本文提出了一种基于深度学习的框架，用于检测400 Hz航空航天电力系统中的电气故障和电能质量问题，通过多种模型比较，ResNet模型在准确性和复杂性之间提供了最佳平衡。
0 citationsRead paper
Testing Between the Test Cases: Proving End-to-End Steering in Conditions You Never Drove
研究使用形式验证方法解决AI自动驾驶模型在未测试条件下可能失败的问题，通过边界传播技术评估模型在不同干扰强度下的表现。
0 citationsRead paper
Commonsense Reasoning in Computer Vision: Foundations, Recent Advancements, and Future Directions
本文探讨了将常识知识融入计算机视觉以提高场景理解和物体间关系推理的问题，通过知识图谱、场景图等方法，并指出了当前局限性和未来研究方向。
0 citationsRead paper
Recent publications
Latest Papers
SEMA-GUARD: Semantic and Graph-Based Vulnerability Detection in Assembly Code
SEMA-GUARD利用语义分析和图神经网络在汇编代码中检测漏洞，通过增强控制流图表示，包括栈操作、内存访问等信息，实现了85.1%的准确率。
0 citationsRead paper
CiteGuard-RAG: A Validation-Centered AI System for Evidence-Grounded Question Answering
该研究通过引入CiteGuard-RAG系统，采用混合语义-词汇检索、引用约束生成等方法解决证据支撑问答中的答案验证问题，确保回答准确可靠。
0 citationsRead paper
Deep Learning-Based Detection of Electrical Faults and Power Quality Disturbances in Aerospace Power Systems
本文提出了一种基于深度学习的框架，用于检测400 Hz航空航天电力系统中的电气故障和电能质量问题，通过多种模型比较，ResNet模型在准确性和复杂性之间提供了最佳平衡。
0 citationsRead paper
Testing Between the Test Cases: Proving End-to-End Steering in Conditions You Never Drove
研究使用形式验证方法解决AI自动驾驶模型在未测试条件下可能失败的问题，通过边界传播技术评估模型在不同干扰强度下的表现。
0 citationsRead paper
Commonsense Reasoning in Computer Vision: Foundations, Recent Advancements, and Future Directions
本文探讨了将常识知识融入计算机视觉以提高场景理解和物体间关系推理的问题，通过知识图谱、场景图等方法，并指出了当前局限性和未来研究方向。
0 citationsRead paper