💻 Category

cs

929 Arbeiten

💻 computer science

Restricted Multimodal Oncology AI: Role-Aware Evidence Organisation and Cross-Domain Transfer Boundaries

Diese Arbeit zeigt, dass in eingeschränkten multimodalen Onkologie-Settings mit begrenzten und heterogenen Daten eine prüfbare Evidenz-Rollen-Organisation – die Zuweisung spezifischer, kompakter Rollen für molekulare, phänotypische und klinische Inputs – ein entscheidenderer Faktor für die domänenübergreifende Transferleistung ist als die bloße Erhöhung der Repräsentationsskalierung.

Jianhua Hu, Xinche Jin, yan Song, zhi chen, lin Xing2026-07-10
💻 computer science

Automated Meta-Analysis of Transcranial Magnetic Stimulation Based on GraphRAG: A Methodology Study

Diese Studie schlägt eine auf GraphRAG basierende Methodik zur automatisierten Meta-Analyse der Literatur zur transkraniellen Magnetstimulation (TMS) vor, welche ein titelbasiertes Chunking, die Konstruktion von Wissensgraphen auf Paper-Ebene sowie hybride Retrieval-Verfahren nutzt, um eine hochgenaue Parameterextraktion zu erreichen und die Zeit für die Evidenzsynthese signifikant zu reduzieren.

Yu Zhong, Jingna Jin, Xin Wang, Wang He, Tao Yin2026-07-10
💻 computer science

StructFix: A Structure-Aware Reasoning Framework for Automated Program Repair with Code Property Graphs

StructFix ist ein struktur-bewusstes Framework zur automatisierten Programmbereparatur, das Masked Language Models durch die Integration von Code Property Graphs verbessert, um Kontroll- und Datenabhängigkeiten besser zu erfassen und dadurch die Effektivität der Reparatur sowie die sprachübergreifende Robustheit im Vergleich zu bestehenden, auf Token-Sequenzen basierenden Ansätzen zu steigern.

Mengtian Cui, Yangfan Liu, Zhibo Lu, Yancui Hu, Peican Zhu2026-07-10✓ Author reviewed ⓘ
💻 computer science

FedVIB–AGP: Defending Against Distributed Backdoor Attacks in Federated Learning via Variational Information Bottleneck and Activation-Gap Pruning

Das Paper schlägt FedVIB–AGP vor, ein Post-Aggregation-Repair-Framework für föderiertes Lernen, das während des Trainings eine Variational Information Bottleneck-Regularisierung mit Activation-Gap Pruning während der Reparatur kombiniert, um verteilte Backdoor-Angriffe effektiv zu unterdrücken und gleichzeitig eine hohe Genauigkeit bei der Clean-Task aufrechtzuerhalten.

Hanlei Zhou, Jie Kong, Yongjun Li2026-07-10
💻 computer science

Navigating the Prompt Space: Improving LLM Classification of Social Science Texts Through Prompt Engineering

Diese Arbeit zeigt, dass die systematische Variation von Prompt-Engineering-Elementen wie Label-Beschreibungen, instruktiven Nudges und Few-Shot-Beispielen zwar die Klassifizierungsgenauigkeit von LLMs für sozialwissenschaftliche Texte signifikant verbessern kann, die Leistungssteigerungen jedoch oft nach minimalen Kontextvergrößerungen nur noch marginal ausfallen, bei übermäßig viel Kontext sogar zurückgehen können und je nach Modell sowie Aufgabe erheblich variieren, was eine individuelle Validierung statt einer bloßen Verlassenschaft auf allgemeine Regeln erforderlich macht.

Erkan Gunes, Christoffer Florczak, Tevfik Murat Yildirim2026-07-10
💻 computer science

Detecting Cybersecurity Threats using Deep Learning: A Practical Approach

Dieses Paper schlägt ein praktisches, mehrschichtiges Deep-Learning-Framework unter Verwendung von CNNs und LSTMs vor, um fortschrittliche Cybersicherheitsbedrohungen zu erkennen, indem es kritische technische Herausforderungen wie Datenimbalancen adressiert und einen Leitfaden für eine skalierbare Echtzeitimplementierung in Security Operations Centers bereitstellt.

Jamal Khouya, Abdelkrim El Mouatasim2026-07-10
💻 computer science

An Intelligent YOLO26-Based Early Warning Framework for Drone Detection in Critical Infrastructure Surveillance

Dieses Paper schlägt ein intelligentes Echtzeit-Framework zur Drohnenerkennung und Frühwarnung für die Überwachung kritischer Infrastrukturen unter Verwendung des Deep-Learning-Modells YOLO26 vor, welches auf einer benutzerdefinierten Multi-Szenario-Datenbank trainiert und gegenüber Baseline-Modellen evaluiert wurde, um eine überlegene Genauigkeit und Geschwindigkeit bei der Identifizierung kleiner, entfernter und anspruchsvoller Drohnenziele zu demonstrieren.

Younis Arrabi2026-07-10✓ Author reviewed ⓘ
💻 computer science

Recursive Transport Topology Detects Structural Regime Transitions Associated with Behavioral Failure in World Models

Diese Arbeit zeigt, dass die Analyse der rekursiven Indizierung (RIX) der latenten Transporttopologie strukturelle Regimewechsel in Weltmodellen detektieren kann, die einem Verhaltensversagen vorausgehen, und offenlegt, dass Repräsentationen punktweise stabil bleiben können, während ihre zugrunde liegende Organisationsstruktur unter Belastung kollabiert.

Jeffery Scott Allbright2026-07-10
💻 computer science

Tamarin (HSQ): Reversible Hierarchical KV-Cache Compression for LLM Inference

Tamarin (HSQ) führt ein reversibles, dreistufiges hierarchisches KV-Cache-Kompressionsverfahren ein, das Token in eine fokale Ebene, gelernte Zusammenfassungsvektoren und ein CPU-basiertes Archiv leitet, um eine 12- bis 28-fache Reduzierung des GPU-Speichers für die LLM-Inferenz bei langen Kontexten zu erreichen, während die Perplexität und die Genauigkeit beim Abruf nahezu auf Baseline-Niveau gehalten werden.

Alikhan Bazakov, Kirill Kiselev2026-07-10
💻 computer science

A Graded Autonomy Framework for Governing Agentic AI in Health Care

Dieses Paper schlägt ein Framework für abgestufte Autonomie vor, das in Anlehnung an den Automobilstandard J3016 entwickelt wurde, um agentische KI im Gesundheitswesen zu steuern, indem es Systeme über drei Domänen und sechs Ebenen klassifiziert, um Fähigkeit von Autorisierung zu trennen, und dadurch Sicherheitslücken in aktuellen Evaluationsmetriken durch ein Anwendungsbeispiel des autonomen Sepsis-Managements adressiert.

Sing Chee Tan, Vlada Rozova, Rebecca Jessup, Daniel Capurro2026-07-10