💻 Category

cs

3657 Arbeiten

💻 Informatik

Attribution Consistency in Fine Tuning Makes Refusal Less Sensitive to Paraphrase in a Small Tool Using LLM Agent

Diese vorläufige Studie zeigt, dass die Anwendung von Latent Attribution Regularization (LAR) während des Fine-Tunings die Attributionskonsistenz eines kleinen, werkzeugnutzenden LLM-Agenten verbessert, wodurch dessen Sensitivität gegenüber paraphasierten schädlichen Anfragen reduziert und die Entscheidungen zur Verweigerung stabilisiert werden, ohne die Detektionsleistung signifikant zu beeinträchtigen, wenngleich das Risiko einer übermäßigen Verweigerung besteht, falls sie auf harmlose Beispiele angewendet wird.

Junaid Hassan2026-10-26
💻 Informatik

BPA-Assisted Screened Poisson Reconstruction of Sparse Point Clouds: Disentangling Support-Conditioned Resampling, Densification, and Normal Processing

Diese Arbeit zeigt auf, dass die mehrskalige Ball-Pivoting-Unterstützung zwar eine Voraussetzung für die Screened-Poisson-Rekonstruktion auf dünnbesetzten Punktwolken ist, der primäre Treiber für die Verbesserung der Genauigkeit jedoch das nachfolgende hochdichte Resampling dieser Unterstützung ist, welches den Fehler und die Sensitivität gegenüber Normalenorientierungen signifikant reduziert, obgleich die Pipeline im Vergleich zu einem Oracle fundamental durch die Qualität der geschätzten Normalen begrenzt bleibt.

Huiting Chen, Bo Hu, Shui Liu, Jian He2026-10-26
💻 Informatik

Adversarial robustness and confidence miscalibration in emotion-based HRI systems

Diese Arbeit zeigt auf, dass Gesichtsausdruckserkennungssysteme für die Robotik, obgleich sie eine hohe Genauigkeit bei sauberen Datensätzen erreichen, unter adversen Angriffen eine katastrophale und strukturell nicht kalibrierbare Konfidenz-Fehlkalibrierung erleiden, was sie trotz eines scheinbar hohen Vertrauensgrades fundamental unsicher für die physische Steuerung macht.

Ezekiel Olayide Tolulope, Franklin Tchakounté, Derrick Méthode BAGAZA, Shanay Rab, Almas Baimagambetov2026-10-26
💻 Informatik

Fine-Grained Remote Sensing Semantic Segmentation via Optical–DSM Collaborative Enhancement and Frequency-Guided Decoding

Dieses Paper schlägt ein neuartiges Framework zur semantischen Segmentierung in der Fernerkundung vor, das optische Bilddaten und digitale Oberflächenmodelle durch modalspezifische Kodierung, hierarchische kreuzmodale Interaktion und frequenzgesteuerte Dekodierung integriert, um Herausforderungen bei der Erkennung feingliedriger Strukturen, der Präzision von Grenzen und der Detektion kleiner Objekte effektiv zu bewältigen.

Xuebo Jin, Zexin Zhai, Jianlei Kong, Tingli Su, Yuting Bai2026-10-26
💻 Informatik

Background-Robust Static Hand Gesture Recognition]{Background-Robust Static Hand Gesture Recognition with Synthetic Scene Compositing: A Grouped Fivefold Ablation Across Five CNN Backbones

Diese Studie zeigt, dass eine Pipeline zur synthetischen Szenenkomposition, die mittels eines Leakage-bewussten gruppierten Fünffach-Protokolls über fünf CNN-Backbones evaluiert wurde, die hintergrundrobuste Genauigkeit der statischen Handgestenerkennung signifikant von 48,0 % auf 97,1 % verbessert, während eine sichtbare Transferlücke bei externen Datensätzen bestehen bleibt.

Cemal Tatlı, Ramin Abbaszadi2026-10-26
💻 Informatik

Evaluating Evidence Sensitivity and Robustness of Hallucination Detectors in Retrieval- Augmented Generation

Diese Studie zeigt auf, dass Halluzinationsdetektoren zwar eine starke In-Domain-Performance erreichen, ihre Zuverlässigkeit sich jedoch unter Verteilungsverschiebungen, Evidenz-Perturbationen und erhöhtem kontextuellem Rauschen signifikant verschlechtert, was verdeutlicht, dass die aggregierte Benchmark-Genauigkeit allein nicht ausreicht, um ihre Robustheit und Generalisierung zu bewerten.

Ramana Kulanthaivelu2026-10-26
💻 Informatik

Evaluating the Safety Tolerances of Speech Recognition AI for Look-Alike/Sound-Alike (LASA) Clinical Nomenclature under Acoustic Stress

Diese Studie zeigt auf, dass standardmäßige Word Error Rate-Metriken versagen, die kritischen Sicherheitsrisiken von Open-Source-Spracherkennungsmodellen in klinischen Umgebungen zu erfassen, da diese Modelle unter akustischer Belastung nicht-lineare Leistungszusammenbrüche sowie gefährliche Look-Alike/Sound-Alike-Medikamententranskriptionsfehler aufweisen.

Lokesh Chakrabarti2026-10-26
💻 Informatik

ArguGenCourt: Courtroom Argument Generation using Judicial Multi-agent Large Language Models

Das Papier schlägt ArguGenCourt vor, ein Multi-Agenten-LLM-System, das Gerichtsprozesse für US-Supreme-Court-Fälle durch die Abfrage lokaler Präzedenzfälle simuliert, um die Argumentqualität und die Genauigkeit der nachgeschalteten Urteilsvorhersage signifikant zu verbessern, zusammen mit der Einführung einer neuen Evaluationsmetrik namens ArguEval.

Subinay Adhikary, Gourish Majamdur, Saurab Mishra, Debasis Ganguly, Dwaipayan Roy, Souvik Kumar Guha, Kripabandhu Ghosh2026-10-26
💻 Informatik

Quantifying Uncertainty in LLM-Extracted Causal Relations for Safety-Critical Decision Support

Diese Forschung schlägt ein umfassendes Framework vor und evaluiert dieses, welches die Unsicherheit in aus sicherheitskritischen Narrativen durch LLMs extrahierten kausalen Relationen mittels Multi-Source-Signalen und Conformal Prediction quantifiziert, wobei nachgewiesen wird, dass kalibrierte Konfidenzschätzungen die Extraktionspräzision signifikant verbessern und eine kosteneffiziente Experten-Triage für eine vertrauenswürdige, risikobasierte Entscheidungsfindung ermöglichen.

Jim Dorsey2026-10-26