💻 Category

cs

3729 Arbeiten

💻 Informatik

The Locality Gap: Bell-Inequality Audits for Covert Coordination Between Ostensibly Isolated AI Agents

Dieses Paper schlägt die Verwendung von Bellsche Ungleichheits-Audits, spezifisch des CHSH-Spiels, vor, um als modellfreies Instrument eine verdeckte Koordination zwischen scheinbar isolierten KI-Agenten zu detektieren, indem zwischen echter Kommunikation und bloßer statistischer Korrelation unterschieden wird, während gleichzeitig hervorgehoben wird, dass die Validität der Methode entscheidend von der Unvorhersehbarkeit der Einstellungen des Auditors abhängt, um falsch-positive Ergebnisse zu vermeiden.

Alfredo Merlet2026-10-20
💻 Informatik

EviNav: Evidence-Driven Grounding and Validated Termination for Zero-Shot Instance Navigation

EviNav ist ein trainingsfreies, evidenzbasiertes Framework für die Zero-Shot-Instanznavigation, das multivisuellen und semantischen Evidenzen akkumuliert, um Ziele robust zu unterscheiden und den Abbruch zu bestimmen, wodurch es Spitzenleistungen bei den Erfolgsraten sowohl in Bild- als auch in Textziel-Navigationsaufgaben erzielt.

Juzhou Chen, Gaojing Zhang, Phil Birch, Bao Nguyen2026-10-20
💻 Informatik

Lightweight, Autonomous Security Agents for Operator Workstations: An Explainable XGBoost-Driven Authentication Policy

Dieses Papier präsentiert einen leichtgewichtigen, autonomen Sicherheitsagenten für Operator-Workstations, der ein effizientes, auf XGBoost basierendes Tastatur-Dynamik-Modul nutzt, um eine Authentifizierungsgenauigkeit von 99,8 % bei minimalem Ressourcenverbrauch zu erreichen, während er gleichzeitig SHAP-gesteuerte Erklärbarkeit und gestufte Human-in-the-Loop-Richtlinien einsetzt, um eine nachhaltige, großflächige Edge-Bereitstellung zu ermöglichen.

Erik Pál, Róbert Lakatos, András Hajdu2026-10-20
💻 Informatik

Haar-CFR: Solving Imperfect-Information Games with Applications in Data Analytics and Finance

Haar-CFR ist ein neuartiges hybrides Framework, das die diskrete Haar-Wavelet-Regularisierung mit dem CFR+-Algorithmus integriert, um eine massive Speicherkompression und eine schnellere Konvergenz als bestehende Methoden zu erreichen, wodurch eine skalierbare und interpretierbare Lösung für das Lösen groß angelegter Spiele mit unvollständiger Information in Bereichen wie Finanzen und Poker geboten wird.

Florian Fey, Sergei Gorlatch2026-10-19
💻 Informatik

Machine translation of modern Chinese poetry into Japanese: A comparative evaluation of LLMs, neural machine translation systems, and prompt strategies

Diese Studie evaluiert die Leistungsfähigkeit von auf LLMs basierenden Systemen (ChatGPT und DeepSeek) im Vergleich zu traditionellen NMT-Systemen (Google Translate und DeepL) bei der Übersetzung moderner chinesischer Poesie ins Japanische und stellt fest, dass LLMs herkömmliche NMTs in Bezug auf Treue, Flüssigkeit und Stil generell übertreffen, während sie gleichzeitig aufzeigen, dass Prompt-Strategien die Übersetzungsqualität in einer modellabhängigen Weise signifikant beeinflussen können.

Yuhuan Wang, Qilong Yu, Lianghong Hui, Guanglu Peng2026-10-19
💻 Informatik

Novel Transparent Machine Learning Algorithm - Predicting Sepsis from Routine ED Data.

Diese retrospektive Kohortenstudie stellt einen neuartigen, vollkommen transparenten Machine-Learning-Algorithmus (ShAproxRef) vor, der ein „Black-Box“-neuronales Netzwerk approximiert, um Sepsis aus Routine-Notaufnahme-Daten mit vergleichbarer Genauigkeit (0,82 AUC bei externer Testung) vorherzusagen und dadurch das klinische Vertrauen zu stärken sowie die Implementierung zu erleichtern.

Alf Timney, Kate Honeyford, Céire Costello2026-10-19
💻 Informatik

Enhancing Structural Quality in Medical X-ray Super-Resolution via Domain-Aware Loss

Diese Arbeit schlägt vor und validiert domänenspezifische Verlustfunktionen (USELoss), die herkömmliche perzeptuelle Verluste ersetzen, um die strukturelle Treue und die Erhaltung von Grenzen bei der medizinischen Röntgenbild-Superauflösung signifikant zu verbessern und bestehende Methoden wie SRGAN, ESRGAN und HAT auf dem PadChest-Datensatz zu übertreffen.

Aryan Tyagi, Neeraj Sharma, Prachi Pant, Mohini Manav2026-10-19
💻 Informatik

Loss-Guided Density Control and Efficient Backward Optimisation for Compact Gaussian Splatting

Dieses Paper präsentiert ein effizientes Trainingsframework für kompaktes Gaussian Splatting, das die Konvergenz beschleunigt und die Anzahl der Primitive reduziert, indem es eine verlustgesteuerte Verdichtungsstrategie, einen auf Opazitätsgradienten basierenden Pruning-Mechanismus sowie einen optimierten CUDA-Backward-Pass implementiert, während gleichzeitig eine wettbewerbsfähige Rendering-Qualität beibehalten wird.

Xiaofeng Che, Chen Wang, Haoran Zhou, Guangle Yao, Xulong Liu, Shaoze Ye2026-10-19
💻 Informatik

Asymmetric Effects of Cross-Segment Contextualization in Long Legal Document Classification: An Empirical Study on ECtHR Violation Classification

Diese empirische Studie zur Klassifizierung von EGMR-Verletzungen zeigt, dass die sequentielle kontextuelle Verknüpfung über Segmente mittels BiGRU zwar den Recall verbessert, jedoch unter einheitlicher Aggregation einen Precision-Recall-Trade-off erzeugt, welcher erst durch die Kombination von Kontextualisierung mit selektiver aufmerksamkeitsbasierter Aggregation aufgelöst wird, um den höchsten Makro-F1-Wert zu erreichen.

Meng-Luen Wu, Chao-Wei Liu2026-10-19