💻 Category

cs

2403 Arbeiten

💻 computer science

Predictable Emergence: An Empirical Analysis of Whether Sharp Capability Jumps Follow from Smooth Per-Token Scaling Laws

Diese Arbeit zeigt, dass die scharfen „emergenten“ Sprünge in der Genauigkeit bei der exakten Übereinstimmung (exact-match accuracy), die bei der Addition mehrstelliger Ganzzahlen beobachtet werden, keine echten Diskontinuitäten in der Modellkapazität sind, sondern stattdessen vollkommen vorhersehbare Artefakte, die aus glatten, Potenzgesetz-basierten Verbesserungen der pro-Token-Genauigkeit resultieren, welche durch die Nichtlinearität der Anforderung, dass alle Ziffern korrekt sein müssen, kumuliert werden.

Alexander Memming2026-07-22
💻 computer science

The Three-Force Phase Diagram of Mixture-of Experts: Gradient Alignment Theory and Causal Veri cation on Mixtral 8×7B

Dieses Paper führt die Metrik der Cross-Expert-Gradienten-Ausrichtung (Γ) ein, um zu demonstrieren, dass das Standardtraining von Mixture-of-Experts, insbesondere bei Mixtral 8×7B, fundamental durch einen strukturellen Nullsummen-Wettbewerb getrieben wird, der durch die kombinierten negativen Effekte von Softmax-Kopplung und Top-k-Normalisierung verursacht wird, was einen persistenten negativen Ausrichtungsattraktor schafft, der nur durch die Entfernung dieser spezifischen architektonischen Einschränkungen überwunden werden kann.

庆君 张2026-07-22
💻 computer science

An Effective Inter and Intra-Layerdependencies Based Communitydetection Model Using S-NOA and S2ASD-Munet.

Dieses Paper schlägt ein neuartiges Community-Detection-Modell vor, das den Skellam Nutcracker Optimization Algorithm (S-NOA) und eine SwishSERF Attention Spatial Drop-Macro Unit CNN (S2ASD-MUNet) nutzt, um Inter- und Intra-Layer-Abhängigkeiten effektiv zu analysieren und dabei einen hohen Modularitätswert von 0,962 zu erreichen.

Dheeraj Kumar Dubey, John Paul Martin, Keshab Nath2026-07-22
💻 computer science

MESH for Incremental Digital-physical system (MESH4ID): A Headset-Centred Virtual Reality Pipeline

Dieses Paper stellt MESH4ID vor, eine Headset-zentrierte Virtual-Reality-Pipeline auf Basis von Unity/OpenXR, die es Nutzern ermöglicht, Innenräume zu erfassen, zu verwalten und zu rekonstruieren, indem Live-LiDAR-Streams in nachverfolgbare Snapshots eingefroren werden, um eine interaktive Inspektion sowie eine bedarfsgerechte Mesh-Generierung innerhalb einer immersiven VR-Umgebung zu ermöglichen.

Simone Cantarelli, Daniela Francia, Gian Maria Santi, Alfredo Liverani2026-07-22
💻 computer science

SMPD: Self-Supervised Meta-Learning for Predictive IoT Compromise Detection with Few-Shot Adaptation

Das Paper schlägt SMPD vor, ein neuartiges selbstüberwachtes Meta-Learning-Framework, das multimodale temporale Daten und kontrastives Pre-Training nutzt, um Kompromittierungen von IoT-Geräten 24–48 Stunden im Voraus mit hoher Genauigkeit und Few-Shot-Adaptivität vorherzusagen, wobei es bestehende Intrusion-Detection-Baselines in ressourcenbeschränkten Umgebungen signifikant übertrifft.

Anwer KALGHOUM, Sofien MHATLI2026-07-22
💻 computer science

Interpretable Audio Pattern Discovery in Keyword-Spotting Models via Waveform Optimization and Segment-Level Analysis

Dieses Paper stellt GRADV vor, einen reproduzierbaren Signalanalyse-Workflow, der Zielklassen-Audiomuster in Keyword-Spotting-Modellen durch die Optimierung von Wellenformen und Segment-Analyse-Verfahren entdeckt und evaluiert und dabei hohe Erfolgsraten erzielt, ohne neue Spracherkennungsarchitekturen vorzuschlagen.

Aleksandr Gertsen, Aleksandr Lenshin2026-07-21✓ Author reviewed ⓘ
💻 computer science

Recovering Engineering-Change Traceability from Legacy CNC Work Orders: A Pydantic Schema and Few-Shot LLM Extraction Baseline

Dieses Paper schlägt ein Pydantic-Schema und eine Few-Shot-Baseline für ein Small Language Model vor, um die Rückverfolgbarkeit von Engineering Changes aus fragmentierten, bilingualen und gekürzten Legacy-CNC-Arbeitsaufträgen zu extrahieren, wobei eine hohe Schema-Validität nachgewiesen wird, während gleichzeitig aufgezeigt wird, dass kontextuell fundierte Pre-Prompts die Leistung verschlechtern und deterministische Post-Filter die Präzision verbessern, ohne den Recall zu beeinflussen.

Chien-Yu Lin, Yuan-Ping Luh, YUH-WEN CHEN2026-07-21
💻 computer science

OptiVerse AI: Explainable Deep Learning and Three-Dimensional Retinal Reconstruction from Fundus Images for Early Retinal Disease Detection

OptiVerse AI ist ein erklärbares Deep-Learning-System, das EfficientNetB7 und Grad-CAM nutzt, um diabetische Retinopathie zu klassifizieren und 3D-Retinstrukturen aus Standard-Fundusbildern zu rekonstruieren, wobei es über 95 % Genauigkeit erreicht, um die Früherkennung von Krankheiten und die klinische Entscheidungsfindung zu verbessern.

ABDELRAHMAN Elwelely2026-07-21
💻 computer science

RECON: A Recipe-Driven, Evidence-Fused, Neuro-Symbolic Multi-Agent Architecture for Autonomous Document Compliance Auditing across Heterogeneous Enterprise Repositories

Dieses Paper stellt RECON vor, eine neuro-symbolische Multi-Agenten-Architektur, die deterministische Regeln, Fuzzy-Detection und LLM-Reasoning mit einem YAML-gesteuerten Rezeptsystem und manipulationssicherer Auditierung kombiniert, um reproduzierbare, verteidigbare und evidenzgefügte Dokumenten-Compliance-Prüfungen über heterogene Unternehmens-Repositories hinweg zu liefern.

Swapnil2026-07-21
💻 computer science

For foundation-model registration in correlative microscopy, cross-modal appearance matters more than field of view

Diese Arbeit zeigt, dass für die korrelative mikroskopische Registrierung die Ähnlichkeit des modalitätsübergreifenden Erscheinungsbilds ein entscheidenderer Bestimmungsfaktor für den Erfolg ist als die Handhabung der Skalierung des Sichtfeldes, wie die überlegene Leistung kreuzmodal trainierter Backbones und das Scheitern naiver skalenbewusster Wrapper bei der Überwindung von Erscheinungsunterschieden belegen.

Frank Cai2026-07-21