💻 Category

cs

3657 Arbeiten

💻 Informatik

The Generalist Strikes Back:\\A General LLM Agent Outperforms Specialist Bioinformatics Agents on Free-Form, End-to-End Benchmark Analysis

Diese Arbeit zeigt auf, dass ein vielseitiger Frontier-LLM-Agent (Claude Opus 5.5), der ausschließlich handelsübliche Coding-Tools nutzt, spezialisierte Bioinformatik-Agenten auf einem umfassenden Benchmark übertrifft, was offenbart, dass die derzeitigen Einschränkungen bei der Messung von Fortschritten primär auf Problemen mit der Zuverlässigkeit von Benchmarks beruhen und nicht auf der Leistungsfähigkeit der Agenten.

Xiaoyu Zhang2026-10-28
💻 Informatik

RAG-MedDx: A Preliminary Offline Prototype of a Citation-Traced Retrieval-Augmented Framework for Intelligent Medical Diagnosis Support

Dieses Paper stellt RAG-MedDx vor, einen vorläufigen Offline-Prototyp eines vierschichtigen Frameworks, das die medizinische Diagnoseunterstützung durch Abrufen aus einer lokalen Wissensbasis verbessert, um zitierfähige Antworten zu generieren oder explizit über das Fehlen von Treffern zu berichten, während es gleichzeitig seine derzeitigen Einschränkungen als nicht-klinisches Werkzeug mit nicht gemessener diagnostischer Genauigkeit anerkennt.

AKANKSHA Gaikwad2026-10-28
💻 Informatik

TGSE-DFN: Text-guided Generative Semantic Enhancement and Disentangled Adaptive Fusion Network for Multimodal Sentiment Analysis

Das Papier schlägt TGSE-DFN vor, ein neuartiges Framework zur multimodalen Sentiment-Analyse, das textgestützte generative semantische Erweiterung und disentangled adaptive Fusion nutzt, um die semantische Lücke zwischen den Modalitäten zu schließen und effektiv sowohl globale Sentiment-Trends als auch feingliedrige zeitliche Dynamiken zu erfassen.

Kejian Dong, Zhenzhen He, Tiquan Gu, Yaling Wan, Xiaochao Fan, Bowen Gu2026-10-28
💻 Informatik

MedTrustGraph: Purpose-Aware Temporal Heterogeneous Graph Learning for Zero-Trust Authorization of Autonomous Clinical LLM Agents

MedTrustGraph ist ein zweckorientiertes temporales heterogenes Graphlern-Framework, das statische und sequentielle Modelle bei der Erkennung unbefugter Aktionen durch autonome klinische LLM-Agenten signifikant übertrifft, indem es durch die Integration von Patienten- und Zweckkontext mit einer deterministischen Zero-Trust-Policy-Engine eine hohe Genauigkeit erreicht.

KAMRUL ISLAM, SHARMIN SULTANA2026-10-28
💻 Informatik

Comparing Four Explanation Methods for Melanoma Classification: Fidelity, Utility and Trust

Diese Studie evaluiert vier Post-hoc-Erklärungsmethoden für die Melanomklassifizierung hinsichtlich der Achsen Treue, Nutzen und Vertrauen, wobei signifikante Diskrepanzen in deren Rankings aufgedeckt werden, und kommt zu dem Schluss, dass eine Multi-Achsen-Evaluierung mit einem Faithfulness-Gate essenziell für die Auswahl der am besten geeigneten Erklärungstechnik ist.

Okoi Michael Obeten, Christiana Uchenna Ezeanya2026-10-27
💻 Informatik

XGBoost-Based Optimal Transport Dataset Distance-Guided Temporal Domain Transfer for Flood Prediction Under Concept Drift

Diese Studie schlägt ein auf XGBoost basierendes Modell für das zeitliche Domain-Transfer-Learning vor, das durch die Optimal Transport Dataset Distance und Adaptive Windowing geleitet wird, um Concept Drift effektiv zu adressieren und die Genauigkeit der Hochwasservorhersage unter sich entwickelnden hydrologischen Bedingungen zu verbessern.

Sharifah Naluswata, Jackson Kisuule, David Kakeeto, Ali Najib, Anthony Bua2026-10-27
💻 Informatik

Evaluating Vision Transformers for Stain Robustness and Calibration in Low-Resource Digital Pathology

Diese Arbeit zeigt, dass unter einer beschränkten Low-Resource-Bedingung mit fixiertem ImageNet-Pretraining Vision Transformer (speziell ViT-B/16) verschiedene CNN-Architekturen in der Histopathologie übertreffen, indem sie eine überlegene Robustheit gegenüber Farb- und Färbevariationen, eine bessere Wahrscheinlichkeitskalibrierung und einen grazileren Leistungsabfall während des Cross-Task-Transfers erreichen, während sie gleichzeitig eine wettbewerbsfähige In-Domain-Diskriminierung beibehalten.

Abir Hasan, Sadia Yasmin, Ripa Akter, Md. Abdul Awal2026-10-27
💻 Informatik

Multimodal Weakly Supervised Learning of Epicardial and Pericoronary Adipose Tissuefor CCTA-Based Coronary Disease Phenotype Prediction: A Methodological Feasibility Study

Diese methodische Machbarkeitsstudie zeigt, dass ein schwach überwachtes multimodales Framework, das die Bildgebung des epikardialen und perikoronaren Fettgewebes mit klinischen Variablen integriert, die Vorhersage von mittels CCTA definierten koronaren Arterienerkrankungsphänotypen im Vergleich zu klinischen Daten allein signifikant verbessert, während es gleichzeitig aufzeigt, dass parametereffiziente Shared-Backbone-Architekturen in kleinen Kohorten vergleichbar mit komplexeren Dual-Backbone-Modellen abschneiden.

Hanene Guesmi, Haifa Harrouch, Muna O. Alamoudi, Karim Gasmi2026-10-27
💻 Informatik

MLHKP-MCD: Evidence-Preserving Digital Infrastructure for Munda Living Heritage

Das Papier präsentiert MLHKP-MCD, eine herkunftsbewusste digitale Infrastruktur und einen Datensatz, die darauf ausgelegt sind, die evidenzbasierten Beziehungen, den kulturellen Kontext und die gemeinschaftliche Autorität des lebendigen Erbes der Munda zu bewahren, indem sie distinkte, aber abfragbar verknüpfte Datensätze von Quellen, Behauptungen und Verifizierungsbedingungen aufrechterhalten.

Mohammad Amir Khusru Akhtar, Arvind Hans, Rajan Pahan2026-10-27