🤖 Category

cs.AI

24509 Arbeiten

Die Schnittstelle zwischen Cäsium und Künstlicher Intelligenz eröffnet faszinierende neue Möglichkeiten in der Materialforschung und Sensorik. Während Cäsium als hochreaktives Alkalimetall längst in Atomuhren und präzisen Messgeräten etabliert ist, nutzen Forscher nun fortschrittliche KI-Algorithmen, um seine Eigenschaften zu simulieren, neue Anwendungen zu entdecken und experimentelle Daten schneller zu interpretieren. Dieser Bereich verbindet klassische Chemie mit moderner Datenwissenschaft, um präzise Vorhersagen zu treffen, die menschliche Intuition allein kaum leisten könnte.

Auf Gist.Science durchsuchen wir täglich den Preprint-Server arXiv nach allen neuen Arbeiten zu diesem spannenden Themenfeld. Für jeden eingegangenen Artikel erstellen wir nicht nur eine detaillierte technische Zusammenfassung für Fachleute, sondern auch eine verständliche Erklärung in einfacher Sprache, damit die wissenschaftlichen Durchbrüche für alle zugänglich werden.

Hier finden Sie die neuesten Veröffentlichungen aus dem Bereich Cäsium und Künstliche Intelligenz, direkt von arXiv aufbereitet für Sie.

🤖 machine learning

Optimizing Three Critical Factors for Practical and Effective OOD Detection Fine-Tuning

Dieses Paper schlägt ein praktisches und effektives OOD-Detektionsframework vor, das das Model-Reminder, das Data-Sampling und das Representation-Learning durch Self-Knowledge-Distillation, Semi-hard Outlier Sampling und Outlier-aware Supervised Contrastive Learning optimiert, um gleichzeitig die Detektionsleistung und die Klassifizierungsgenauigkeit zu verbessern und dabei bestehende Methoden über diverse Benchmarks hinweg zu übertreffen.

Hyunjun Choi, JaeHo Chung, Hawook Jeong2026-09-11
🤖 AI

Customized large language models can outperform Community Notes in correcting misinformation

Das Paper stellt MUSE vor, ein maßgeschneidertes Framework für große Sprachmodelle, das vertrauensbewusste Abfrage und multimodale Argumentation integriert, um Community Notes bei der Identifizierung und Korrektur von Fehlinformationen über verschiedene Inhaltstypen hinweg zu übertreffen und dadurch sowohl die Antwortqualität als auch die Erkennung falscher Informationen durch die Nutzer zu verbessern.

Xinyi Zhou, Ashish Sharma, Amy X. Zhang, Tim Althoff2026-09-11
💻 computer science

Towards AI-Driven Policing: Interdisciplinary Knowledge Discovery from Police Body-Worn Camera Footage

Dieses Paper schlägt ein neuartiges interdisziplinäres Framework vor, das fortschrittliche KI, einschließlich multimodaler Analyse und großer Sprachmodelle, nutzt, um Verhaltensdynamiken wie Eskalation und Respekt in Aufnahmen von Bodycams der Polizei automatisch zu erkennen, zu klassifizieren und zusammenzufassen, um die Rechenschaftspflicht und die Ausbildung im Strafvollzug zu verbessern.

Anita Srbinovska, Angela Srbinovska, Vivek Senthil, Jonathan Bateman, Adrian Martin, John McCluskey, Ernest Fokoué2026-09-11
🤖 machine learning

SG-Blend: Learning an Interpolation Between Improved Swish and GELU for Robust Neural Representations

Das Papier stellt SG-Blend vor, eine schichtweise adaptive Aktivierungsfunktion, die eine optimale Interpolation zwischen einer neuartigen, bias-korrigierten Swish-Variante (SSwish) und GELU lernt und im Vergleich zu standardmäßigen festen Aktivierungsfunktionen eine reduzierte Trainingsvarianz sowie eine überlegene Leistung bei Aufgaben der natürlichen Sprachverarbeitung und des Computer Vision demonstriert.

Gaurav Sarkar, Syed Affan Daimi, Jay Gala, Subarna Tripathi2026-09-11
💻 computer science

Discovering Temporal Structure: An Overview of Hierarchical Reinforcement Learning

Dieses Paper bietet einen Überblick über hierarchisches Reinforcement Learning, indem es dessen Vorteile für Entscheidungsfindungsprobleme definiert, Methoden zur Entdeckung zeitlicher Strukturen aus Online- und Offline-Daten bis hin zu großen Sprachmodellen kategorisiert und aktuelle Herausforderungen sowie geeignete Anwendungsbereiche skizziert.

Martin Klissarov, Akhil Bagaria, Ziyan Luo, George Konidaris, Doina Precup, Marlos C. Machado2026-09-11
🤖 machine learning

Learning Intrinsic Water-Quality Dynamics with Rainfall for Data-Driven Forecasting

Dieses Paper stellt RaiNet vor, ein datengesteuertes Framework, das LocTrend und XGateFusion nutzt, um multiskalige Wasserqualitätsdynamiken und Regeneffekte gemeinsam zu modellieren, wobei eine Leistungssteigerung von über 20 % gegenüber bestehenden Modellen erzielt wird, während gleichzeitig drei neue multimodale Datensätze für die Forschung veröffentlicht werden.

Ziqi Wang, Hailiang Zhao, Cheng Bao, Daojiang Hu, Wenzhuo Qian, Shuiguang Deng2026-09-11
💻 computer science

Timely Clinical Diagnosis through Active Test Selection

Das Papier stellt ACTMED vor, ein diagnostisches Framework, das Bayesianisches Versuchsdesign mit großen Sprachmodellen kombiniert, um eine adaptive, ressourcenbewusste Testauswahl zu ermöglichen, die klinische Entscheidungsfindung in der realen Welt nachahmt, die diagnostische Genauigkeit verbessert und die klinische Aufsicht aufrechterhält, ohne umfangreiche aufgabenspezifische Trainingsdaten zu erfordern.

Silas Ruhrberg Estévez, Nicolás Astorga, Mihaela van der Schaar2026-09-11