2363 Arbeiten
Dieses Papier führt die Quantum General Public License (QGPL) v3.0 ein, welche die post-quanten-kryptographische Integrität für Open-Science-Distributionen vorschreibt, und demonstriert deren praktische Durchführbarkeit durch ein hybrides Signaturverfahren, das die langfristige Authentizität von Artefakten auf handelsüblicher Hardware ohne zentralisierte Infrastruktur gewährleistet.
Dieses Paper schlägt ein Industrie-4.0-Framework vor, das die auf Deep Learning basierende Vorhersage der Restlebensdauer (Remaining Useful Life) mit der TOPSIS-Multikriterien-Entscheidungsmethode integriert, um die vorausschauende Wartungsplanung zu optimieren, wobei statistisch signifikante Verbesserungen der Ressourceneffizienz und der Ausfallpriorisierung über Turbofan- und Lagerfehler-Datensätze hinweg nachgewiesen werden.
TongGuOCR ist ein neuartiges, layoutbewusstes und Token-augmentiertes OCR-Framework, das zur präzisen Transkription historischer chinesischer Dokumente entwickelt wurde, indem es ein Vorverarbeitungsmodul für kohärente Erkennungsblöcke sowie ein Token-augmentiertes Erkennungsmodul einsetzt, welches den Wortschatz für seltene Zeichen erweitert und räumliche Übergänge modelliert, wodurch es bestehende traditionelle und multimodale Modelle auf anspruchsvollen Benchmarks signifikant übertrifft.
Diese Studie zeigt, dass Gemini 2.5 Flash zwar durch 10-Shot-Prompting eine menschliche Übereinstimmung bei der Bewertung des gesprochenen Englischen von EFL-Lernenden erreichen kann, wenn menschliche Bewerter eine moderate Konsistenz aufweisen, seine Leistung jedoch abnimmt, wenn die menschliche Übereinstimmung exzellent ist, was die Notwendigkeit einer sorgfältigen Kalibrierung und menschlicher Aufsicht unterstreicht, ungeachtet seiner Fähigkeit, über die bloße Wortgenauigkeit hinaus zu bewerten.
Diese Übersicht synthetisiert die Forschung zu energieeffizienten Retrieval-Augmented-Generation-Systemen (RAG) für ressourcenbeschränkte Edge-Geräte, indem sie Modellkompression, leichtgewichtige Architekturen und Nachhaltigkeitsmetriken überprüft, während sie gleichzeitig das ALEMC-Framework einführt, um das Design nachhaltiger On-Device-Intelligenz zu leiten.
StableEval Arena ist ein kostenbewusstes Benchmark-Framework, das LLM-gestützte agentische Systeme bei der Vorhersage von Stablecoin-Peg-Risiken evaluiert, indem es ein gemeinsames Spektrum aus Prognosequalität, operativer Zuverlässigkeit und Rechenkosten misst und dabei aufzeigt, dass Agenten zwar zuverlässig strukturierte Ausgaben erzeugen, jedoch Schwierigkeiten haben, seltene schwere Stressereignisse sowie anhaltende Depeg-Ereignisse präzise vorherzusagen.
Dieses Paper stellt HERMES vor, ein vereinheitlichtes Framework, das durch die Nutzung von commitment-kohärenter Verschlüsselung unter der Decisional-Diffie-Hellman-Annahme ohne die Notwendigkeit eines vertrauenswürdigen Setups ein Gleichgewicht zwischen Privatsphäre, Ununterscheidbarkeit der Transaktionsbeträge und Unverknüpfbarkeit von Sender und Empfänger für Account-Modell-Blockchains erreicht.
Dieses Papier präsentiert ein modulares visuelles Transformationsmodell, das Computer Vision und regelbasiertes Matching integriert, um die Verarbeitung digitaler Kulturerbe-Ressourcen, wie etwa der Dunhuang-Wandmalereien, in automatisierte Kunstlehrplanaufgaben und -bewertungen zu standardisieren, wobei signifikante Verbesserungen der Lernergebnisse der Schüler sowie eine hohe Übereinstimmung mit den Einschätzungen der Lehrkräfte im Kontext einer Junior High School nachgewiesen werden.
Diese Studie zeigt, dass validierungsäquivalente JSON-Schema-Serialisierungen statistisch signifikante und praktisch bedeutsame Änderungen in den Output-Verteilungen von Sprachmodellen induzieren können, was offenbart, dass die Validierungsäquivalenz allein ein unzureichender Regressionsorakel zur Gewährleistung der distributionalen Robustheit in eingesetzten Systemen ist.
Dieses Paper schlägt BRB-GNN vor, ein hybrides Framework, das Graph Neural Networks zur räumlichen Merkmalsextraktion und eine Belief Rule Base für eine interpretierbare Klassifizierung kombiniert, um mehrere gleichzeitige Fehler in drahtlosen Sensornetzwerken effektiv zu diagnostizieren, was durch die demonstrierte Leistung sowohl auf synthetischen als auch auf realen Datensätzen belegt wird.