2559 Arbeiten
CogBlender ist ein Framework, das durch die Interpolation von Geschwindigkeitsfeldern zwischen kognitiven Ankerpunkten eine kontinuierliche und multidimensionale Steuerung kognitiver Bildattribute wie Valenz, Erregung, Dominanz und Merkfähigkeit während der Text-zu-Bild-Generierung ermöglicht.
Die Arbeit stellt MDTrack vor, einen neuartigen Multimodal-Objektverfolger, der durch modalspezifische Expertenfusion und eine entkoppelte zeitliche Propagation mittels separater State-Space-Modelle sowie Cross-Attention-Mechanismen den aktuellen Stand der Technik auf fünf Benchmarks erreicht.
Das Paper stellt ToolRosetta vor, ein Framework, das Open-Source-Repositories automatisch in standardisierte, sicherheitsgeprüfte MCP-Tools für LLM-Agenten übersetzt, um die Skalierbarkeit und Leistung bei der Aufgabenerfüllung ohne manuelle Eingriffe zu verbessern.
Das Paper stellt SPR (See, Plan, Rewind) vor, einen fortschrittsbewussten Vision-Language-Action-Rahmen, der durch dynamische Unterteilung von Aufgaben in räumliche Teilziele und einen geschlossenen Regelkreis aus Beobachtung, Planung und Rücksetzfunktion bei Fehlern die Robustheit und Generalisierung robotischer Manipulation signifikant verbessert.
Diese Studie untersucht systematisch, wie Latenz die pragmatische und hedonische Qualität der Erfahrung (QoE) in netzwerkbasierten VR-Whiteboards beeinflusst, indem sie verschiedene Kollaborationsmodi und Plattformen (mit und ohne Avatare) im Vergleich zu PC-basierten Systemen analysiert, um praktische Optimierungsrichtlinien zu entwickeln.
Die Arbeit stellt CORAL vor, ein skalierbares Framework, das durch das Anbringen eines spezialisierten LoRA-Experten pro Aufgabe an einen eingefrorenen VLA-Hintergrund und eine dynamische Laufzeit-Routing-Strategie Interferenzen im Multi-Task-Learning vermeidet und so eine effiziente, lebenslange Robotik-Lernfähigkeit ohne Katastrophisches Vergessen ermöglicht.
Diese Studie stellt ein paralinguistisches und emotionsbewusstes Modell vor, das ohne Textkontext den optimalen Zeitpunkt für emotionale Validierung in japanischen empathischen Dialogen allein anhand von Sprachmerkmalen erkennt und so die Mensch-Roboter-Interaktion verbessert.
Die vorgestellte Arbeit löst das Problem der unzureichenden Entropieversorgung bei ressourcenbeschränkten IoT-Geräten durch die Implementierung eines externen, auf RISC-V-basierten Trusted Execution Environment (TEE)-Diensts, der über eine initiale Verbindung hinweg kryptografisch starke Zufallszahlen bereitstellt.
Die Arbeit stellt IntroSVG vor, einen introspektiven Generator-Kritiker-Rahmen, der durch Supervised Fine-Tuning und Direct Preference Optimization visuelle Rückmeldungen in den Generierungsprozess integriert, um die Qualität von Text-zu-SVG-Generierung durch einen iterativen „Erstellen-Überprüfen-Verfeinern"-Zyklus signifikant zu verbessern.
Die Arbeit stellt NLiPsCalib vor, ein effizientes Kalibrierungsframework für gekrümmte visuotaktile Sensoren, das mithilfe von Near-Light Photometric Stereo und alltäglichen Objekten eine hochpräzise 3D-Rekonstruktion ohne aufwendige Spezialgeräte ermöglicht.
Die Arbeit stellt OddGridBench vor, einen Benchmark zur Bewertung der Sensitivität multimodaler großer Sprachmodelle für feingranulare visuelle Diskrepanzen, und schlägt mit OddGrid-GRPO ein verstärkendes Lernframework vor, das durch Curriculum-Learning und abstandsabhängige Belohnungen die Wahrnehmungsfähigkeit dieser Modelle signifikant verbessert.
Diese Studie nutzt Honeypot-Onion-Websites, die über verschiedene Kanäle verbreitet wurden, um nachzuweisen, dass menschliche Nutzer fast ausschließlich über die Ahmia-Suchmaschine entdeckt werden und dass englischsprachige, mit CSAM-Thematik versehene Seiten im Vergleich zu anderen illegalen Kategorien die höchste Interaktionsrate aufweisen.
Diese Arbeit stellt einen dynamischen Präzisions-Rechenmotor für ESP32-Mikrocontroller vor, der durch die Kombination von Q16.16-Festkomma-Arithmetik, einem CORDIC-Trigonometriemodul und einem cache-optimierten Matrixmultiplikationskern die Rechengeschwindigkeit für lineare Algebra und Trigonometrie im Vergleich zur Standard-Bibliothek um das 18- bis 25-fache steigert, während eine Laufzeit-Precision-Schaltung den nahtlosen Wechsel zwischen fester und Gleitkommapräzision ermöglicht.
Die Studie zeigt, dass ChatGPT zwar in der Lage ist, realistische synthetische Systemanforderungsspezifikationen zu generieren, jedoch LLM-basierte Qualitätsbewertungen keine vollständige Ersatz für gründliche Expertenbewertungen darstellen können.
Die Arbeit stellt Predictive Spectral Calibration (PSC) vor, einen quellfreien Testzeit-Anpassungsrahmen für Bildregression, der durch Block-Spektralanpassung und die Kalibrierung verbleibender spektraler Abweichungen die Leistung unter starken Verteilungsverschiebungen verbessert.
Dieser Tutorial-Übersichtsartikel aus ICDE 2026 beleuchtet die sich gegenseitig verstärkende Beziehung zwischen KI und Vektorsuche, bei der KI die Effizienz der Suche optimiert und Vektorsuche durch RAG-Frameworks die Fähigkeiten von Sprachmodellen erweitert, um gemeinsam einen „tugendhaften Kreislauf" intelligenter Informationssysteme zu schaffen.
Die Arbeit stellt ein robustes und nachweislich sicheres Bild-Steganographie-Framework vor, das auf latenter iterativer Optimierung basiert und durch die schrittweise Verfeinerung latenter Variablen die Extraktionsgenauigkeit unter verschiedenen Bildverarbeitungsbedingungen signifikant verbessert, ohne die Sicherheit zu beeinträchtigen.
Die Arbeit stellt ProvAgent vor, ein Framework, das durch die Kombination von traditioneller Anomalieerkennung, graphenbasiertem Identitäts-Verhaltens-Binding und einem kollaborativen Multi-Agenten-System die Erkennung von Advanced Persistent Threats verbessert und autonome, kosteneffiziente Angriffsermittlungen ermöglicht.
Die Studie stellt EPPINN vor, einen evidenzbasierten physikinformierten neuronalen Netzwerk-Ansatz zur zuverlässigen und unsicherheitsbewussten Schätzung von Perfusionsparametern in der CT-Perfusionsbildgebung bei Schlaganfällen, der durch die Modellierung von physikalischen Restfehlern mittels Normal-Inverse-Gamma-Verteilungen sowohl die Genauigkeit als auch die Zuverlässigkeit der Diagnose verbessert.
Die Arbeit stellt SinGeo vor, ein einfaches Framework, das durch ein duales diskriminatives Lernverfahren und eine Curriculum-Learning-Strategie ein einzelnes Modell für eine robuste, feld-of-view-unabhängige Geolokalisierung befähigt und dabei den aktuellen Stand der Technik auf mehreren Benchmarks übertrifft.