💻 Category

cs.MA

1307 Arbeiten

In der alphabetischen Reihe von C bis M finden Sie eine faszinierende Vielfalt an Forschungsthemen, die von der Chemie bis hin zu Mathematik und ihren Schnittstellen reichen. Diese Bereiche bilden das Rückgrat vieler moderner Entdeckungen und zeigen, wie grundlegende Prinzipien unser Verständnis der Welt prägen.

Gist.Science durchsucht kontinuierlich arXiv, um jede neue Vorabveröffentlichung in diesem breiten Spektrum zu erfassen. Wir verwandeln komplexe Fachtexte in verständliche Zusammenfassungen, bieten aber auch detaillierte technische Analysen für tiefgehende Einblicke. So machen wir die neuesten wissenschaftlichen Durchbrüche für jeden zugänglich.

Im Folgenden finden Sie die aktuellsten Arbeiten aus diesem Bereich, die wir gerade für Sie aufbereitet haben.

🤖 AI

Distribird: Literature-Informed Prior Distribution Design for Bayesian Model Calibration

Distribird ist eine agentenbasierte Webanwendung, die die Erstellung von literaturbasierten Prior-Verteilungen für die bayessche Modellkalibrierung automatisiert, indem sie eine Multi-Agenten-Pipeline einsetzt, um wissenschaftliche Arbeiten zu durchsuchen, Daten zu extrahieren und statistisch anzupassen, und somit eine transparente, lokal ausgeführte Alternative zu Uniform-Priors bietet, die Rückverfolgbarkeit gewährleistet und unbegründete Ergebnisse verhindert.

Patrik P. Süli, György Eigner, Roland Hollós2026-08-13
🤖 AI

MaSRead: Content-Addressed Reading of Replicated Latent Stores

MaSRead ermöglicht es unabhängigen Agenten, zuverlässig spezifische Fragmente aus einem konfliktfreien, replizierten latenten Speicher abzurufen, indem Abfragen durch inhaltsbasierte Tag-Sets geroutet und ausgewählte Fragmente unter einer Hard-Attention-Maske dekodiert werden, wodurch die Interferenzprobleme der Kolokation überwunden und ein skalierbares, inhaltsadressiertes Lesen unabhängig von der Speichergröße oder der Lieferreihenfolge ermöglicht wird.

Carlos Baquero, Luís Brito, João Resende2026-08-13
🤖 AI

Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning

Dieses Paper führt einen kohomologischen Rahmen ein, der demonstriert, dass lokale Verifikationsschutzmechanismen in agentiver KI strukturell nicht in der Lage sind, nicht-transportierbare Schlussfolgerungen zu erkennen, die aus harmonischen Evidenzkonflikten resultieren, und schlägt das Ksetra-Verfahren vor, um solche globalen Inkonsistenzen mittels zyklusbasierter Statistiken zu identifizieren und zu unterbinden.

Suyash Mishra2026-08-13
💻 computer science

When Do Institutions Beat Intelligence?

Diese Arbeit argumentiert, dass die Entscheidung zwischen der Steigerung der Intelligenz einzelner Akteure versus der Verbesserung institutioneller Strukturen von der Diagnose spezifischer kollektiver Denkfehler abhängt, da Institutionen dann am effektivsten sind, wenn sie reparieren, wie eine Gruppe öffentliche Informationen konstruiert und nach ihnen handelt, aber ihren Vorteil verlieren, wenn stärkere Intelligenz diese Transformationen direkt ausführen kann oder wenn institutionelle Signale nicht informativ sind.

Zhengye Han2026-08-13
🤖 AI

Beyond Memory: A Transactional Continuity Kernel for Long-Lived AI Agents

Dieses Paper führt den Continuity Kernel (CK) ein, eine transaktionale Steuerungsebene, die die sichere und autorisierte Evolution langlebiger KI-Agenten sicherstellt, indem sie nicht vertrauenswürdige Zustandsentwürfe von der atomaren Aktivierung entkoppelt und dadurch veraltete Überschreibungen sowie Privilegieneskalationen durch ein formal verifiziertes Protokoll verhindert, das eine ununterbrochene, auditierbare Linie von Zustandsänderungen garantiert.

Jun He, Deying Yu2026-08-13
🤖 AI

AgenticTwin: An Agentic LLM Framework Integrated with Digital Twin for Anomaly Detection

Dieses Paper schlägt AgenticTwin vor, ein Framework, das Large Language Models mit Digital-Twin-Systemen integriert, um die Anomalieerkennung und -diagnose in cyber-physischen Umgebungen durch fundiertes Schließen und Interaktion in natürlicher Sprache zu verbessern, validiert durch einen neuen Benchmark auf synthetischen Wettersensordaten.

Touseef Hasan, Mounika Ghanta, Souvika Sarkar, Ujjwal Guin2026-08-13
🤖 machine learning

Behavioral Inference at Scale: The Fundamental Asymmetry Between Motivations and Belief Systems

Diese Arbeit demonstriert eine fundamentale Asymmetrie in der Verhaltensinferenz, bei der die Motivationen von LLM-Agenten mit nahezu perfekter Genauigkeit rekonstruiert werden können, während ihre zugrunde liegenden Glaubenssysteme weitgehend opak bleiben und bei niedrigen Genauigkeitsraten stagnieren, was auf ein architektonisches oder intrinsisches Limit dessen hindeutet, was beobachtbare Handlungen über interne Werte offenbaren.

Jason Starace, Terence Soule2026-08-12
💬 NLP

TRIBE: Predicting Team Performance via Communication Behavior Ensembles

Das Papier stellt TRIBE vor, ein domänenunabhängiges Framework, das die Teamleistung frühzeitig in Aufgaben vorhersagt, indem es Kommunikationsmuster analysiert, um verhaltensbasierte „Tribes“ zu identifizieren, und zeigt auf, dass diese Muster effektiver als traditionelle Metriken sind und im Vergleich zu Modellen wie Llama hinsichtlich Geschwindigkeit und Genauigkeit optimiert werden können.

Ali Jalal-Kamali, Nikolos Gurney, David V. Pynadath, Fred Morstatter2026-08-12