💻 Category

cs

2365 Arbeiten

💻 computer science

An Agentic OODA Framework for Transparent End to End Clinical Decision Support

Dieses Paper schlägt ein Agentic OODA Framework vor und evaluiert dieses, welches Multi-Agenten-Systeme mit Human-in-the-Loop-Validierung nutzt, um die Variabilität und Vertrauensprobleme von Standard-LLMs zu überwinden, wobei es eine signifikant höhere Ausgabekonsistenz und Zuverlässigkeit für transparente, sicherheitskritische klinische Entscheidungsunterstützung in der Schlaganfallversorgung nachweist.

Brock Young, Jamil Ur Reza, Nijati Abulizi, Yasin Mamatjan2026-08-03
💻 computer science

An Integrative Assistive Tool for Depression Severity Estimation: Cross-Cultural Robustness of Facial Dynamics in Diverse Clinical Interviews

Dieses Paper stellt MMANet vor, ein datenschutzwahrendes, rein videobasiertes Deep-Learning-Framework, das eine Mikro-Makro-zeitliche Ausrichtung nutzt, um die Schwere von Depressionen über diverse kulturelle Datensätze hinweg robust zu schätzen und dabei eine hohe Genauigkeit ohne die Abhängigkeit von verrauschten oder invasiven Audio- und Textmodalitäten zu erreichen.

Shu Liu, Yilin Huang, Weiqing Deng, Zhuo Shu, Lan Li2026-08-03
💻 computer science

Molten mark classification using multi-scale directional cross-scale attention fusion

Dieses Paper schlägt eine Methode zur Klassifizierung von Schmelzspuren für die Untersuchung elektrischer Brände vor, die einen Swin-Transformer und ein bidirektionales Feature-Pyramid-Netzwerk mit gerichteter Cross-Scale-Attention-Fusion nutzt, um im Vergleich zu bestehenden CNN-basierten Ansätzen eine überlegene Genauigkeit und Robustheit gegenüber Bilddegradierung zu erreichen.

Taehi Kim, Jonghwa Shim, Eenjun Hwang2026-08-03
💻 computer science

FactLink: A Cross-Domain Benchmark for Link Role Classification for Fact-Checking

Dieses Paper stellt FactLink vor, den ersten Benchmark für die Aufgabe der Fact-checking Link Role Classification, der aus zwei mehrsprachigen Datensätzen annotierter Links besteht und zeigt, dass feingetunte Transformer in datenreichen Umgebungen exzellieren, während Few-Shot Large Language Models eine überlegene Robustheit in ressourcenarmen und domänenübergreifenden Szenarien bieten.

Andrey Tagarev, Fatima Haouari, Carolina Scarton, Kalina Bontcheva2026-08-03
💻 computer science

OPERA: Enabling Inter-node Concurrency in Byzantine Fault Tolerant Blockchains

Dieses Paper stellt OPERA vor, ein Byzantinisches fehlertolerantes Ausführungsmodell, das die Nebenläufigkeit über Knoten hinweg durch partielle Replikation und Inter-Knoten-Parallelismus erweitert und dadurch die Ausführungskosten in Blockchains signifikant reduziert sowie den Durchsatz steigert, ohne die Sicherheit oder die Anwendungssemantik zu beeinträchtigen.

Sungwook Chung, Jinwoo Yang, Hyunwoo Kim, Wonjae Lee, Minsoo Ryu2026-08-03
💻 computer science

Graph-Aware Reinforcement Learning for Reusable Prompt Compression in Black-Box LLMs

Dieses Paper schlägt ein aufgabenbewusstes Graph-Reinforcement-Learning-Framework vor, das wiederverwendbare Reasoning-Kontexte in Black-Box-LLMs komprimiert, indem eine leichtgewichtige Policy trainiert wird, um extraktive Keep-or-Drop-Entscheidungen über graphstrukturierte Reasoning-Einheiten zu treffen, wodurch signifikante Einsparungen bei den Input-Kosten bei gleichbleibender Reasoning-Genauigkeit erzielt werden.

Mehrshad Eskandarpour, Parmida Haddadnejad, Mohammadjavad Jannati2026-08-03
💻 computer science

An SO(3)-equivariant reciprocal space neural potential for long-range interactions

Das Papier stellt EquiEwald vor, ein neuartiges SO(3)-äquivariantes neuronales interatomares Potenzial, das die Ewald-Summation in den reziproken Raum erweitert, um weitreichende elektrostatische und Polarisationswechselwirkungen effektiv zu erfassen und gleichzeitig orientierungsabhängige Informationen zu bewahren, wodurch die Genauigkeit und Dateneffizienz von Modellen des maschinellen Lernens für periodische und aperiodische Systeme signifikant verbessert wird.

Taoyong Cui, Lingfeng Zhang, Dongzhan Zhou, Lei Bai, Shufei Zhang, Luca Rossi, Mao Su, Wanli Ouyang, Pheng Ann Heng2026-08-03
💻 computer science

Nonequilibrium training dynamics and scaling laws of language models

Dieses Papier schlägt eine stochastische Multiskalen-Theorie vor, die in der Nichtgleichgewichtsphysik verwurzelt ist, um den mechanistischen Ursprung der Skalierungsgesetze von Sprachmodellen zu erklären, wobei das Training als ein skalenabhängiger, verzerrter Random Walk modelliert wird, der analytisch abgeleitete Potenzgesetze für den Verlust gegenüber Daten und Modellgröße liefert, während er gleichzeitig eine bifurkierte Zwei-Phasen-Dynamik aus Kontextkompression und Frontabsorption identifiziert.

Zhijie Xu2026-08-03
💻 computer science

Knowledge-Constrained Reasoner: Attempting to Enable LLMs to Parse Knowledge for Question Answering

Dieses Paper stellt den Knowledge-Constrained Reasoner vor, einen neuartigen Ansatz, der eine einzige Alignment-Phase nutzt, um essenzielle Reasoning-Fähigkeiten in Large Language Models zu internalisieren, wodurch die rigorose und korrekte Nutzung externen Wissens für die Beantwortung von Fragen sichergestellt wird und die Zuverlässigkeit traditioneller Expertensysteme mit der Flexibilität nicht-parametrischen kontinuierlichen Lernens überbrückt wird.

Zhiqiang Gan2026-08-03
💻 computer science

An Explainable MoE-Based Decision-Support System for Mental Health Risk Prediction in Engineering and Medical Students

Diese Studie präsentiert ein erklärbares, auf einer gewichteten Mixture of Experts basierendes Entscheidungsunterstützungssystem, das durch duale Metaheuristiken optimiert wurde und eine hohe Genauigkeit bei der Vorhersage der Schwere der psychischen Belastung unter Ingenieurs- und Medizinstudierenden in Ländern mit niedrigem und mittlerem Einkommen erreicht, während es gleichzeitig unterschiedliche Risikofaktoren über die Disziplinen hinweg aufzeigt.

Md. Salehin Seyam2026-08-03