cs Arbeiten | Gist.Science

From Value Alignment to Directional Resonance: A Practical Path of Care Transmission in Human-AI Symbiosis

Diese Studie stellt die Vorstellung infrage, dass die strukturelle Indifferenz der KI echte Fürsorge ausschließt, indem sie durch klinische Praxis und theoretische Kollaboration aufzeigt, dass eine authentische Mensch-KI-Symbiose nicht durch algorithmische Wertausrichtung, sondern durch die Übertragung und Sedimentierung menschlicher gerichteter Fürsorge innerhalb langfristiger relationaler Dynamiken erreicht werden kann, um eine stabile, wertausgerichtete Resonanz zu erzeugen.

Chunmei Liu2026-08-10

💻 computer science

Frequency-Aware Gradient Correction for Unified Facial Landmark Detection

Dieses Paper schlägt FGC-UFLD vor, ein vereinheitlichtes Framework für die Gesichtslanken-Detektion, das frequenzbewusste Repräsentationsmodule (DiC-Wave und PFAM) zur Verbesserung der strukturellen Modellierung sowie eine Anchor-Guided Gradient Correction (AGGC)-Strategie zur Lösung von Optimierungskonflikten integriert, um dadurch mit einem einzigen Modell eine State-of-the-Art-Leistung über heterogene Datensätze hinweg zu erzielen.

Shun Ren, Qingjia Li, Hang Sun, Xu Wu, Beihang Song, Jun Wan2026-08-10

💻 computer science

A high-efficiency adaptive Genghis Khan shark optimizer using novel strategies for static and dynamic complex engineering optimization

Dieses Paper schlägt IGKSO vor, einen verbesserten Genghis-Khan-Haifisch-Optimierer, der neuartige Überlebensbindungen, eine Licht-Dunkel-Interaktionsstrategie, einen adaptiven Parameter und Fischaggregationsgeräte einbezieht, um komplexe statische und dynamische technische Optimierungsprobleme mit verbesserter Genauigkeit und globalen Suchfähigkeiten effektiv zu lösen.

Yuxuan Guo, Gang Hu, Mahmoud Abdel-salam2026-08-10

💻 computer science

Risk-Aware Degraded-Mode Orchestration for Resilient Cloud–Edge AI Agents: From Containerized Fault Injection to Heterogeneous Kubernetes Validation

Dieses Paper stellt DMO-AI vor, einen risikobewussten Orchestrator, der basierend auf dem Aufgabenrisiko und dem Gesundheitszustand der Abhängigkeiten dynamisch degradierte Ausführungsmodi für Cloud-Edge-KI-Agenten auswählt und durch umfangreiche containerisierte sowie heterogene Kubernetes-Validierungen demonstriert, dass er die sicheren Abschlussraten signifikant verbessert (93,95 % gegenüber 64,70 %) im Vergleich zu Standard-Resilienz auf Transportebene, während gleichzeitig eine strikte Richtlinienkonformität gewahrt bleibt.

Albert Adusei Brobbey¹˒², Narayan Bhosale¹, Dan Bamfo³2026-08-10

💻 computer science

IR-PowerDet: An Infrared Power Equipment Detection Algorithm Based on Multi-Scale Feature Fusion and Dynamic Environment Adaptation

Dieses Paper schlägt IR-PowerDet vor, ein auf YOLOv12s basierendes Framework, das Multi-Skalen-Merkmalsfusion, dynamische Umgebungsanpassung und Module zur Verbesserung der Objekterkennung bei kleinen Objekten integriert, um eine robuste, hochpräzise Detektion von Infrarot-Leistungskomponenten in komplexen und verdeckten Szenarien zu erreichen und dabei eine mAP von 96,8 % zu erzielen.

Yongbo Tang, Huicong Sun, Zijun Zhong, Miao Li2026-08-10

💻 computer science

A Hybrid Machine Learning Framework for Robust Detection of Malicious DNS-over-HTTPS Tunneling Traffic

Dieses Paper schlägt ein statistisch validiertes, dichte-bewusstes Hybrid-Framework vor, das XGBoost mit unüberwachter Anomalie-Bewertung kombiniert, um bösartiges DNS-over-HTTPS-Tunneling robust zu detektieren, wobei signifikante Verbesserungen bei der Recall und der Reduktion von False Negatives gegenüber Baselines nachgewiesen werden, während gleichzeitig bestätigt wird, dass tiefe generative Komponenten keinen zusätzlichen Nutzen bieten.

Enas Selem¹, Rania Salama¹2026-08-10

💻 computer science

An Adaptive Resource-Aware MK-CKKS Framework with Linear- Complexity Multi-Key Aggregation for Privacy-Preserving Federated Learning in Resource-Constrained IoT Environments

Dieses Paper präsentiert ein adaptives, ressourcenbewusstes MK-CKKS-Framework für privatsphäreerhaltendes föderiertes Lernen im IoT, das eine Aggregation mit Multi-Key über lineare Komplexität sowie signifikante Leistungssteigerungen durch reale Experimente auf MNIST und CIFAR-10 erreicht, während es transparent anerkennt, dass die Konstruktion mit unabhängigen Schlüsseln sowie die Validierung an physischer Hardware zukünftige Arbeiten bleiben.

Nasir Ahmad Jalali, Hongsong Chen2026-08-10

💻 computer science

τ-Guard: Recalibration-Invariant, Label-Free Drift Detection for Visual Recognition Systems via Cross-Signal Rank-Agreement Decay

Das Papier stellt $(\tau)$ -Guard vor, eine labelfreie Drift-Erkennungsmethode für visuelle Erkennungssysteme, die durch die Überwachung der Rangübereinstimmung zwischen prädiktiver Entropie und Novelty-Scores im Merkmalsraum eine beweisbare Invarianz gegenüber Modell-Rekalibrierung erreicht und dadurch die falsch-positiven Ergebnisse vermeidet, die bestehende konfidenzbasierte Monitore plagen, während sie gleichzeitig die Sensitivität gegenüber echten Verteilungsverschiebungen beibehält.

Md Hasibuzzaman2026-08-10

💻 computer science

Too Symmetric to See: Diagnosing Over-Invariance in Finite-Symmetry Geometric Learning

Diese Arbeit identifiziert und quantifiziert „Over-Invariance“-Fehler im geometrischen Lernen, bei denen übermäßige Symmetrie kritische Phaseninformationen verwirft, und schlägt Projective Character Pooling (PCP) als gezielten Reparaturmechanismus vor, der effektiv Phasenkanäle wiederherstellt und die diagnostische Flachheit im Vergleich zu Standardmodellen, die nur auf Amplituden basieren, verbessert, wenngleich es eine begrenzte Lösung bleibt und keinen universellen Ersatz für das Orbit-Averaging darstellt.

D Yang Eng2026-08-10

💻 computer science

Adaptive Data Partitioning for Energy-Efficient Federated and Distributed Learning on Heterogeneous Systems

Dieses Papier schlägt einen messungsgesteuerten adaptiven Datenpartitionierungs-Controller vor, der Stichprobenbudgets basierend auf Echtzeit-Trainingszeit- und Energiemetriken dynamisch neu verteilt, um Stragglers zu mildern, den Energieverbrauch zu senken und die Trainingseffizienz über heterogene verteilte und föderierte Lernsysteme hinweg zu verbessern.

Daniel Suárez Labena, Vicente José Blanco Pérez, Pedro Antonio Toledo Delgado, Francisco Carmelo Almeida Rodríguez2026-08-10

← Zurück Weiter →