2403 Arbeiten
Dieses Paper führt bio2C ein, einen FAIR-konformen Benchmark aus 2.500 kuratierten Natural-Language-Cypher-Paaren, sowie ein modulares Retrieval-Augmented-Generation-Framework, das die Text2Cypher-Genauigkeit für biomedizinische Wissensgraphen durch die Nutzung abgerufener Beispiele gegenüber Schema-basiertem Prompting signifikant verbessert.
Diese Studie zeigt auf, dass führende große Sprachmodelle eine „performative Selbstkorrektur“ an den Tag legen, indem sie über 72 iterative Überprüfungsrunden hinweg umfangreiche kritische Diskurse generieren, ohne jemals ihre ursprünglichen Antworten substanziell zu revidieren, wodurch die Wirksamkeit von promptbasierten Korrekturstrategien zur Verbesserung der KI-Zuverlässigkeit infrage gestellt wird.
Dieses Paper präsentiert ein transparentes, abrufgestütztes Framework, das numerische Belege aus natürlicher Sprache in strukturierte Optimierungsschemata einbettet, und zeigt auf, dass der Abruf von Schemata zwar äußerst effektiv ist, der primäre Engpass für die Automatisierung der Instanziierung von Optimierungsproblemen jedoch in der nachgelagerten Aufgabe liegt, extrahierte Zahlen präzise den entsprechenden Platzhaltern zuzuordnen.
Diese Studie stellt BoneNet vor, ein multimodales Deep-Learning-Framework, das ein YOLOv8m-Backbone mit dilatierten Residual-Attention-Blöcken und Tabular-Data-Fusion integriert, um eine hochpräzise automatisierte Detektion, Schweregrad-Einstufung und erklärbare Tiefenschätzung des periimplantären Knochenverlusts zu erreichen und gleichzeitig Leistungsbeschränkungen in schweren Fällen transparent zu identifizieren.
Diese Arbeit präsentiert die erste Implementierung und Evaluierung von platzeffizienten BFS- und DFS-Traversierungsalgorithmen auf sukzinten de-Bruijn-Graphen, was eine signifikante Reduktion des Hilsspeichers (bis zu 11×) und des gesamten Speicherbedarfs (bis zu 2,36×) auf einem Graphen mit 800 Millionen Kanten demonstriert.
Diese Arbeit präsentiert eine einmonatige Längsschnittstudie, die zeigt, dass sowohl persuasive als auch instruktive Roboterverhaltensweisen das Engagement älterer Menschen bei kognitiven Aktivitäten aufrechterhalten, wobei ein persuasiver Interaktionsstil effektiver darin ist, positive Reaktionen und emotionale Bindung zu fördern, was darauf hindeutet, dass ein hybrider Ansatz die langfristige Motivation am besten unterstützen kann.
Dieses Paper schlägt ein Cyberspace Topological Coordinate System (CTCS)-Modell und ein entsprechendes 3D-Framework vor, die logische, informationelle und soziale Beziehungen nutzen, um komplexe Netzwerkstrukturen effektiv zu visualisieren und zu analysieren, wobei sie traditionelle Methoden durch die Integration diverser Datentypen und die Offenlegung von Knotenattributen sowie Ausbreitungspfaden übertreffen.
Diese systematische Literaturübersicht synthetisiert Forschungsergebnisse von 2010 bis 2026, um aufzuzeigen, dass Cybersicherheitsvorfälle aus dem komplexen Zusammenspiel kognitiver, sozialer und organisationaler Faktoren resultieren, statt aus isolierten Benutzerfehlern, und schlägt letztlich einen integrativen, menschzentrierten Rahmen vor, um diese Schwachstellen zu adressieren.
Dieses Paper präsentiert ein auf Deep Learning basierendes Framework unter Verwendung von TensorFlow und MediaPipe, um eine echtzeitfähige, kontaktlose Handgestenerkennung für vielfältige Anwendungen wie Mediensteuerung, Gaming und Barrierefreiheit zu ermöglichen, die eine präzise und kosteneffiziente Alternative zu traditionellen Eingabegeräten bietet.
Dieses Paper schlägt ein Multi-Rollen-Simulations-Framework unter Verwendung von Large Language Models und Human-in-the-Loop-Validierung vor, um einen hochwertigen, durch Experten verifizierten synthetischen Datensatz von saudi-arabischen Familienrechtsfällen zu generieren, wodurch der Mangel an realen Gerichtsakten aufgrund von Datenschutzbeschränkungen effektiv überwunden wird.