3841 Arbeiten
Dieses Paper schlägt ein Multi-Perturbations-Stabilitätsframework vor, das die Robustheit der Gemeinschaftsstruktur durch einen zusammengesetzten Score quantifiziert, der aus Kanten- und Knotenperturbationen abgeleitet und gegen ein graderhaltendes Nullmodell validiert wurde, um dessen komplementäre Rolle zur Modularität bei der Bewertung der Netzwerkstabilität zu demonstrieren.
Dieses Paper schlägt einen neuartigen Ansatz zur Erkennung von objektorientierten Code Smells vor, indem es Softwarekomponenten und deren Interaktionen als soziale Netzwerke modelliert und Metriken der sozialen Netzwerkanalyse (Social Network Analysis, SNA) auf vier Java-Open-Source-Projekten anwendet, um verborgene Designfehler aufzudecken.
Dieses Paper schlägt MAF-LSTM vor, ein Multi-Skalen-LSTM-Prognose-Framework mit aufmerksamkeitsbasierter Merkmalsfusion und Mahalanobis-Distanz-Scoring, welches Anomalien in multivariaten Monitoring-Daten effektiv durch das Erfassen zeitlicher Abhängigkeiten über variierende Skalen hinweg detektiert und bestehende Baselines auf mehreren Benchmark-Datensätzen übertrifft.
Dieses Paper stellt StakeSight vor, ein interaktives System, das multimodale große Sprachmodelle und eine auf tausenden von urbanen Narrativen trainierte Retrieval-Augmented-Generation-Pipeline nutzt, um vielfältige Stakeholder-Perspektiven zu simulieren und somit eine inklusivere sowie effizientere frühe Phase der Stadtplanung zu unterstützen.
Dieses Paper schlägt ein neuartiges, durch erklärbare KI gesteuertes multimodales Framework vor und evaluiert dieses, welches diverse forensische Evidenzquellen integriert, um die Genauigkeit, Interpretierbarkeit und Rechenschaftspflicht der langfristigen Identifizierung vermisster Personen im Vergleich zu traditionellen Einzelquellenmethoden zu verbessern.
Dieses Paper stellt eine kalibrierte Multi-Evidence-Fusion-Methode vor, die einen neuartigen Language-Model-Junction-Score integriert, um Kandidaten-Nachbarn für das Zusammensetzen fragmentierter Chu-Bambusstreifen objektiv zu ranken, was die Zufallswahrscheinlichkeit bei kontinuierlichen Texten signifikant übertrifft, während es gleichzeitig zeigt, dass eine vollständige Ordnung weiterhin eine physische Nummerierung erfordert.
Diese Forschung schlägt ein hybrides biometrisches Sicherheitsframework vor, das Quantenschlüsselaustausch für sichere Kommunikation und Quanten-neuronale Netze mit Soft-Computing-Techniken zur verbesserten Merkmalsanalyse integriert, wobei eine Erkennungsgenauigkeit von 99,5 % bei niedrigen Fehlerraten erreicht wird, während gleichzeitig Skalierbarkeit und Robustheit gegenüber adversen Bedingungen nachgewiesen werden.
Dieses Paper schlägt PsyMIND vor, ein interpretierbares Framework zur frühzeitigen Vorhersage der Gehabsicht von Fußgängern, das psychologiebasierte semantische Bewegungsrepräsentationen, kontextuelle Hinweise und kognitive Interaktionsmodellierung integriert, um die Sicherheit und Zuverlässigkeit von Entscheidungen des autonomen Fahrens zu verbessern.
Diese qualitative Fallstudie führt das Konzept der „Downstream-Abhängigkeit“ ein, um zu erklären, wie Ingenieure in der Robotikentwicklung LLM-generierte Outputs nicht nach isolierter Qualität, sondern nach deren Inspizierbarkeit, Kontrollierbarkeit und Reversibilität innerhalb mehrstufiger Workflows beurteilen, wodurch sich die Vertrauensforschung von der Output-Verifizierung hin zum Workflow-basierten soziotechnischen Management verschiebt.
JailBreakGuard ist ein kosteneffizientes, dynamisches Verteidigungsframework, das vielfältige Jailbreak-Angriffe auf große Sprachmodelle durch den Einsatz eines Perplexitäts-basierten Mechanismus zur selektiven Anwendung von Zeichen- oder Satzebenen-Prompt-Perturbationen mildert und dabei eine signifikante Reduktion der Erfolgsraten von Angriffen bei minimaler Auswirkung auf die Leistung legitimer Anfragen erreicht.