3854 Arbeiten
Diese Studie schlägt ein hybrides Framework vor, das TF-IDF, GloVe und Sentence-BERT integriert, um die Schwankungen des Journal-Rankings in der Informatik zu analysieren und Strategien zur Auswahl von Journalen zu optimieren, indem Forschungsthemen unabhängig von linguistischen Variationen effektiv den entsprechenden Q1–Q4-Publikationen zugeordnet werden.
Diese Arbeit evaluiert die Zensurumgehungssysteme UPGen und Proteus und zeigt auf, dass obgleich UPGen's „Collateral Damage Trap“ theoretisch eine Blockierung ohne massiven Kollateralschaden verhindert, die experimentelle Reproduktion zeigt, dass öffentlich verfügbare Artefakte diese Resistenz nicht erreichen, da Standard-Klassifikatoren deren Traffic zuverlässig von gutartigen Protokollen unterscheiden können.
Diese Studie stellt ein neuartiges, zweistufiges, symptomorientiertes Framework vor, das MentalMARBERT und eine auf der DSM-5-TR basierende Maskierung nutzt, um eine erstklassige feingliedrige Klassifizierung von fünf arabischen psychischen Störungen sowie eine signifikante Verbesserung der Symptomextraktion zu erreichen und damit die Einschränkungen bisheriger binärer Detektionsansätze zu adressieren.
Dieses Paper präsentiert ein praktisches, wartbares Framework zur Evaluierung von Multi-Turn-Business-Agenten, das modulare LLM-Judges, absichtserhaltende Nutzersimulation und Human-in-the-Loop-Governance integriert, um eine zuverlässige, handlungsrelevante Messung der Agentenleistung und geschäftlichen Wissenslücken zu gewährleisten.
Dieses Paper präsentiert ein Gedächtnissystem für eingefrorene Sprachmodelle, das ein externes Logbuch mit periodischer LoRA-basierter Konsolidierung kombiniert und dabei eine hohe Genauigkeit sowie Stabilität über die Zeit erreicht, während es die Rechenkosten im Vergleich zu Knowledge-Editing- und RAG-Methoden signifikant reduziert, wenngleich es noch mit scheinbarer Komposition bei ungelehrten Relationen zu kämpfen hat.
Dieses Paper stellt die Chestnut Strategy (CS-GA) vor, einen naturinspirierten genetischen Algorithmus, der neun aus dem Lebenszyklus des chinesischen Kastanienbaums abgeleitete Operatoren integriert, um die Populationsdiversität effektiv zu steuern und klassische genetische Algorithmen sowohl bei kontinuierlichen Optimierungs-Benchmarks als auch bei kombinatorischen 2D-Rucksackproblemen signifikant zu übertreffen.
Dieses Paper schlägt ein auf Transformern basierendes Single-Image-Dehazing-Netzwerk vor, das physikalische Prior-Leitlinien mit adaptiver Merkmalsmodulation integriert, um räumlich nicht-uniformen Dunst effektiv zu bewältigen und gleichzeitig feine strukturelle Details zu bewahren, wobei es eine State-of-the-Art-Leistung auf mehreren Benchmark-Datensätzen erzielt.
Dieses Papier schlägt das Predictive Synchronization-Externality-Aware Rolling Online Scheduling (P-SEAROS) vor, eine Methode, die direkte Auftragskosten von nachgelagerten Synchronisationsbelastungen entkoppelt, um die Systemkosten bei der autonomen RoboVan-Drohnen-kollaborativen Zustellung signifikant zu senken und gleichzeitig die Echtzeit-Recheneffizienz aufrechterhalten.
Dieses Papier mit dem Titel „Persistence Landscapes Across Privacy Budgets for Explanation Methods Across Differential Privacy Mechanisms“ wurde von seinen Autoren am 29. September 2026 zurückgezogen, da sie seine Ergebnisse und Schlussfolgerungen nicht mehr unterstützen und darum bitten, dass es nicht zitiert wird.
RepShard ist ein reputationsbasiertes Blockchain-Sharding-Schema, das ein sigmoidales Wachstumsmodell, einen Anreizmechanismus und ein hybrides PBFT-PoR-Konsensprotokoll einsetzt, um den Durchsatz zu erhöhen, Bestätigungsverzögerungen zu reduzieren und die Sicherheit gegen verschiedene Angriffe zu stärken, während gleichzeitig die Komplexität der Shard-Rekonstruktion von O(n²) auf O(n) gesenkt wird.