💻 Category

cs

3854 Arbeiten

💻 Informatik

Evaluating and Mitigating Hallucinations in Retrieval-Augmented Question Answering over Uzbek School Textbooks

Diese Studie führt den UzHistQA-Datensatz ein und zeigt auf, dass, während die durch Retrieval-gestützte Generierung die Halluzinationen bei der Beantwortung von Fragen zur usbekischen Geschichte signifikant reduziert, die Durchsetzung von Zitier- und Abstinenzmechanismen notwendig ist, um fabrikierte Antworten vollständig zu eliminieren, was die Notwendigkeit unterstreicht, die Retrieval-Qualität und die Treue der Generierung in ressourcenarmen Sprachen separat zu bewerten.

Ruzimboy Azimjonovich Kholmurotov2026-09-23
💻 Informatik

Automated Brachial Plexus Localization in Ultrasound Using Lightweight Convolutional Neural Networks

Diese Studie zeigt, dass leichte faltende neuronale Netze, insbesondere MobileNetV2 und EfficientNetB0, eine recheneffiziente und zuverlässige Lösung für die automatisierte Lokalisierung des Plexus brachialis in Ultraschallbildern bieten, wodurch sie trotz einer vergleichbaren Leistung zur schwereren ResNet34-Architektur besonders gut für ressourcenbeschränkte Point-of-Care-Umgebungen geeignet sind.

Akhil Shiju, Jeffrey Britto2026-09-23
💻 Informatik

Lifecycle Cyber-Resilience for Communication and IoT Systems in High-Risk Environments: A Simulation-Validated Architecture for Supply-Chain Assurance, Secure Access Governance, and Explainable Adaptive Operation

Diese Arbeit präsentiert und validiert die Lifecycle Cyber-Resilience Architecture (LCRA) durch groß angelegte Simulationen und zeigt auf, dass die Integration von Lieferketten-Absicherung, identitätszentrierter Zugangsverwaltung und erklärbarem adaptiven Betrieb die Eindämmung bösartiger Vorfälle sowie die operative Stabilität in Hochrisiko-IoT-Umgebungen im Vergleich zu Basisansätzen signifikant verbessert.

Cedric Alexander Thornvale2026-09-23
💻 Informatik

Benchmarking Stylometric Metrics for AI Authorship Verification: A Glass-Box Forensic Framework Across Language Models

Dieses Paper schlägt ein transparentes „Glass-Box“-Forensik-Framework vor, das vierzig interpretierbare stilometrische Metriken nutzt, um zu demonstrieren, dass trotz lexikalischer Konvergenz distinkte und sich weitende Divergenzen in der informationstheoretischen Vorhersagbarkeit, den strukturellen Eigenschaften und der natürlichen Variabilität zwischen von Menschen und KI generierten Texten über verschiedene Datensätze hinweg bestehen bleiben und somit eine robuste Grundlage für die Autorenschaftsverifizierung bieten.

Abhay Srivastava, Lovish Bhatia, V.S. Pandey, Ajay K. Sharma2026-09-23✓ Author reviewed ⓘ
💻 Informatik

Longitudinal Component Level Analysis of Neural Network Training Dynamics Beyond Accuracy and Loss

Diese Studie führt ein nicht-intrusives Framework zur Analyse der Dynamik neuronaler Netzwerkkomponenten auf Epochenebene ein, das aufzeigt, dass Modelle mit ähnlicher Genauigkeit oft unterschiedliche interne Verhaltensweisen aufweisen, und demonstriert, dass deskriptor-gesteuerte Pruning-Verfahren ein Random Pruning übertreffen können, während gleichzeitig bestätigt wird, dass interne Metriken einen komplementären diagnostischen Wert bieten, ohne jedoch bereits die kriterien der Größenordnung-basierten Auswahl zu übertreffen.

Sharon Yalov Handzel, Din Kosberg2026-09-23
💻 Informatik

Mosaic: Modular Orchestration of Specialised AI Components

Das Papier schlägt MOSAIC vor, eine modulare Architektur, die teure Frontier-Sprachmodelle durch eine strikte Hierarchie aus fest codierter Orchestrierungslogik und spezialisierten kleineren Komponenten ersetzt, um durch Mechanismen wie Modellskalierungs-Substitution, vorzeitigen Abbruch und kumulative Teilauflösung eine vergleichbare Genauigkeit bei signifikant reduzierten Inferenzkosten zu erreichen.

NABIL ISLAM2026-09-23
💻 Informatik

Privacy-Preserving Continual Learning for Detecting Concept Drift in Distributed Artificial Intelligence Systems

Dieses Paper schlägt ein Framework für datenschutzwahrendes kontinuierliches Lernen für verteilte KI-Systeme vor und evaluiert dieses, welches effektiv Konzeptdrift erkennt und katastrophales Vergessen mittels differenziell privater Signale und regularisierter Rehearsal mildert, wobei es zeigt, dass eine präzise Drift-Erkennung trotz eines moderaten Anstiegs der Erkennungsverzögerung bei moderaten Datenschutzbudgets machbar ist.

SAI DOONDI KOTHAPALLI2026-09-23
💻 Informatik

When high AUROC does not travel: internal-to-external performance differences in machine-learning models for antimicrobial resistance

Diese Meta-Forschungsstudie zeigt auf, dass Machine-Learning-Modelle für antimikrobielle Resistenzen häufig einen signifikanten Leistungsabfall aufweisen, wenn sie von der internen zur externen Validierung übergehen, wobei die Größenordnung dieser Lücke stark variiert und die Verwendung eines universellen Korrekturfaktors für berichtete AUROCs ausschließt.

Dripto Roy2026-09-23