💻 Category

cs

3855 Arbeiten

💻 Informatik

Identical runs disagree more than different models: reproducibility limits in deep learning for brain-tumour MRI classification

Diese Studie zeigt auf, dass unkontrollierte stochastische Variationen in nominell identischen Deep-Learning-Durchläufen zur Klassifizierung von Hirntumor-MRT-Aufnahmen die Leistungsunterschiede zwischen unterschiedlichen Modellarchitekturen übersteigen können, wodurch die Zuverlässigkeit standardmäßiger Ablationsstudien untergraben wird und strengere Protokolle zur Reproduzierbarkeit erforderlich werden.

Md Mostafizur Rahman2026-09-22
💻 Informatik

Explainable Machine Learning for Early Detection of Mathematics Learning Difficulties: A Systematic Review of Multimodal Educational Data and Predictive Modeling

Diese systematische Übersichtsarbeit synthetisiert die Forschung zu erklärbaren Methoden des maschinellen Lernens unter Nutzung multimodaler Bildungsdaten, um die Früherkennung und transparente Erklärung von Schwierigkeiten beim Mathematiklernen zu ermöglichen, während sie gleichzeitig aktuelle Herausforderungen hervorhebt und eine zukünftige Forschungsagenda vorschlägt, die auf Datenschutz, Standardisierung und ethischer Implementierung fokussiert ist.

Tannaz Goodarzvand Chegini, Narges Hosseinzadeh, Faraz Dadgostari, Neda Nazemi2026-09-22
💻 Informatik

A Reproducible Framework for Auditing the Trustworthiness of Clinical Machine Learning Models

Dieses Paper stellt AETHEL vor, ein Open-Source- und reproduzierbares Framework, das die Vertrauenswürdigkeit klinischer maschineller Lernmodelle systematisch auditiert, indem es deren Diskriminierung, Kalibrierung, Erklärbarkeit, Robustheit und klinischen Nutzen über heterogene Gesundheitsumgebungen hinweg evaluiert, um den Herausforderungen des Domain Shift zu begegnen.

Tanya Deep2026-09-22
💻 Informatik

Asymptotically-Embedded Deep Learning for Unsteady Singularly Perturbed Convection-Diffusion-Reaction Equations

Diese Arbeit stellt das Asymptotically-Embedded Physics-Informed Neural Network (AE-PINN) vor, ein netzfreies Deep-Learning-Framework, das den spektralen Bias von Standard-PINNs überwindet, indem es asymptotische Entwicklungen von Grenzschichten in die Netzwerkarchitektur einbettet und dadurch eine hohe Genauigkeit und Stabilität bei der Lösung instationärer, singulär gestörter Konvektions-Diffusions-Reaktions-Gleichungen mit scharfen Gradienten erreicht.

Tannaz Goodarzvand Chegini, Elyas Shivanian2026-09-22
💻 Informatik

Detector-Calibration Failures in Pattern-Based LLM Refusal Classification: Discovery, Generalization, and a Confirmed False-Positive Pattern Across Models

Diese Arbeit beschreibt eine dreiphasige Untersuchung, die aufzeigt, dass die scheinbare Nicht-Deterministik bei der Erkennung von LLM-Verweigerungen weitgehend durch korrigierbare Detektor-Artefakte verursacht wurde, welche zwar modellübergreifend generalisierbar sind, jedoch spezifische Falsch-Positiv-Muster einführen, die eine manuelle Prüfung und eine transparente Berichterstattung über Datenlücken erfordern, um genaue Sicherheitsbewertungen zu gewährleisten.

Waqar Javed2026-09-22
💻 Informatik

SafeAgent-300: A Balanced 300-Prompt Benchmark for Agentic AI Security, with Findings on Detector Coverage Gaps and Cross-Model Compliance Variance

Dieses Paper führt SafeAgent-300 ein, einen ausgewogenen 300-Prompt-Benchmark für die Sicherheit agentischer KI, der sechs Modelle evaluiert, um signifikante Disparitäten in der Modell-Konservativität aufzuzeigen, ein spontanes Tool-Aufruf-Verhalten in einem Google Gemini-Modell aufzudecken und kritische Lücken in der Detektor-Abdeckung zu identifizieren, welche das Verhältnis zwischen Prompt-Sophistizität und Verletzungserkennungsraten verzerren.

Waqar Javed2026-09-22
💻 Informatik

AgentPort-Bench: A Controlled Seven-Framework Evaluation of Agentic AI Security Portability

Diese Arbeit präsentiert eine kontrollierte Evaluierung über sieben Frameworks hinweg, die zeigt, dass während der Angriffstyp und die Modellwahl die Sicherheit von werkzeugnutzenden LLM-Agenten signifikant beeinflussen, die Wahl des Orchestrierungs-Frameworks im Allgemeinen keinen wesentlichen Einfluss auf die Sicherheitslage hat, mit der Ausnahme von CrewAI, das selbst nach Korrektur eines spezifischen Adapter-Defekts eine geringfügige, aber statistisch signifikante restliche Erhöhung der Fehlerraten aufweist.

Waqar Javed2026-09-22
💻 Informatik

Artificial Intelligence for Alzheimer’s Disease Detection Across Neuroimaging and Speech: A Reproducible Cross-Modal Secondary Analysis

Diese Studie synthetisiert Evidenzen aus 26 KI-basierten Studien zur Erkennung der Alzheimer-Krankheit, um aufzuzeigen, dass die berichteten Genauigkeiten innerhalb der Studien zwar hoch sind, es dem Fachgebiet jedoch entscheidend an externer Validierung, multimodaler Integration und linguistischer Diversität mangelt, was eine Verschiebung hin zu robusten, reproduzierbaren und klinisch transportierbaren Modelldesigns erforderlich macht.

Jeffrey Tao, Christa C. Caggiano2026-09-22
💻 Informatik

Runtime Continuation after Faults in Partially Executed Agent Workflows

Dieses Paper schlägt einen Runtime-Continuation-Mechanismus für teilweise ausgeführte Workflow-Abläufe von Sprachmodell-Agenten vor, der eine sichere Wiederherstellung aus Fehlern gewährleistet, indem er eine vertrauenswürdige Front rekonstruiert, residuelle Verpflichtungen aus einem kanonischen Vertrag ableitet und den Zustand nur durch autorisierte Effekte vorantreibt, die durch gültige, frische und eindeutig übereinstimmende Evidenz gestützt werden.

Li Zeng, Chuanwu Yang, Qiang Zhao, Qinde Chen, Deyang Qu2026-09-22
💻 Informatik

A Structural Preservation Framework for Denoiser Selection in YOLO-Based Pedestrian Detection under Sensor Noise

Dieses Paper führt den Structural Preservation Score (SPS) ein, um die Effektivität von Denoisern für die YOLO-basierte Fußgängererkennung zu bewerten, und zeigt auf, dass während spezifische Varianten wie die Gradientenbetrags-Korrelation Denoiser innerhalb bekannter Rauschpegel zwar ranken können, kein einzelner Metrik auf Bildebene universell die Detektionsleistung über unbekannte Denoiser oder Rauschbedingungen hinweg vorhersagen kann, was auf nichtlineare, architekturbedingte Faktoren zurückzuführen ist.

Vo Thanh Kiet, Rene Jaros, Minh Ly Duc, Petr Bilik, Radek Martinek2026-09-22