💻 Category

cs

929 Arbeiten

💻 computer science

Adaptive-Hazard Bayesian Online Change-Point Detection for Text Streams: A Dirichlet-Multinomial Formulation

Dieses Paper schlägt eine adaptive Hazard-Bayesianische Online-Change-Point-Detection-Methode für Textströme vor, die Reset-Wahrscheinlichkeiten basierend auf dem Drift der lexikalischen Verteilung mittels einer Dirichlet-Multinomial-Formulierung dynamisch anpasst und dadurch eine verbesserte Detektionsleistung sowie reduzierte Verzögerungen zeigt, insbesondere in Szenarien mit graduellen oder schwachen lexikalischen Änderungen.

Muhammad Ali Gunawan, Amalia Fitri2026-07-10
💻 computer science

Large scale IoT Intrusion Detection using Isolation Forest and Mutual Information based Feature Selection

Diese Arbeit zeigt, dass ein Isolation-Forest-Algorithmus in Kombination mit einer auf Mutual Information basierenden Merkmalsauswahl Autoencoder- und Ensemble-Methoden bei der groß angelegten IoT-Intrusion-Detection übertrifft, indem er eine überlegene Genauigkeit, einen überlegenen F1-Score und einen überlegenen AUC erzielt, während er gleichzeitig eine geringere Rechenkomplexität auf dem NF-ToN-IoT-v3-Datensatz beibehält.

siddharth Ghansela2026-07-10
💻 computer science

Temporal Multi-Signal Fusion for Token-Level Hallucination Detection

Dieses Paper schlägt einen zeitlichen Multi-Signal-Fusionsansatz vor, der Halluzination als ein Sequenz-Labeling-Problem behandelt, indem ein BiGRU verwendet wird, um Textstatistiken, NLI-Entailment und Language-Model-Surprisal zu kombinieren, wobei durch die Nutzung des zeitlichen Kontextes anstatt der Modellkapazität eine signifikante AUC-Verbesserung von 0,840 auf RAGTruth erzielt wird, während gleichzeitig die Effektivität bei Closed-Source- und unbekannten Modellen beibehalten wird.

Igor Itkin2026-07-10
💻 computer science

A Risk-Oriented Verification and Validation Framework for Hallucination Detection in Public-Sector LLM Systems

Dieses Paper schlägt ein risikoorientiertes Verifizierungs- und Validierungsframework vor, das die Halluzinationserkennung in LLMs des öffentlichen Sektors von einer rein technischen Herausforderung in ein Governance-Thema transformiert, indem es einen zusammengesetzten Risikoindex einführt, um operative Entscheidungen wie Aufschub oder menschliche Eskalation zu steuern und dadurch Rechtssicherheit sowie administrative Rechenschaftspflicht zu gewährleisten.

Nguyen Binh2026-07-10✓ Author reviewed ⓘ
💻 computer science

Forecasting the Onset of Hallucination: Causal, Token-Level, Black-Box Survival Analysis During Generation

Dieses Paper führt ein kausales Überlebensanalyse-Framework auf Token-Ebene ein, das den Beginn von Halluzinationen in großen Sprachmodellen erfolgreich vor deren Auftreten prognostiziert, indem es einen AUROC von 0,777 durch die Detektion von Text-Neuheitsdrift erreicht und Warnungen etwa 11 Token früher als herkömmliche Post-hoc-Detektoren bereitstellt.

Igor Itkin2026-07-10
💻 computer science

NPDO: Neural Prediction Direction Optimizer for Fast VVC Intra Coding

Dieses Paper schlägt NPDO vor, ein hybrides neuronales Framework, das eine multiskalige Merkmalsextraktion mit hierarchischen CNN- und Vision-Transformer-Architekturen kombiniert, um den Suchraum der VVC-Intra-Prädiktion intelligent zu beschneiden, wodurch eine Reduktion der Kodierzeit um 54,0 % bei nur 1,18 % BD-Rate-Zunahme im Vergleich zur VTM 23.0 Referenz erreicht wird.

Reka Sandaruwan Gallena Watthage, Anil Fernando2026-07-10
💻 computer science

ADONIS: Adaptive Digital Twin-Driven Orchestration for Network-Intelligent Slicing in 6G Edge Environments

Dieses Paper schlägt ADONIS vor, ein dezentrales Framework für 6G-Network-Slicing, das eine hierarchische, Edge-Federated-Digital-Twin-Architektur, einen Spatio-Temporal-Graph-Neural-Network-Scheduler und ein neuartiges Delta-Encoding-Protokoll nutzt, um den Synchronisationsoverhead und SLA-Verletzungen zu minimieren sowie die Konvergenz der Ressourcenallokation zu gewährleisten.

Aritrik Ghosh2026-07-10
💻 computer science

Mining Focus-Aware Dense Subgraphs in Dynamic Multilayer Networks with Adaptive Updates

Dieses Paper schlägt das Focus-Aware Adaptive Dense Subgraph (FAADS)-Framework vor, welches durch einen inkrementellen Update-Mechanismus effizient hochwertige dichte Subgraphen in dynamischen mehrschichtigen Netzwerken extrahiert und dabei signifikante Geschwindigkeitsverbesserungen gegenüber dem aktuellen Stand der Technik erzielt, während eine nahezu optimale Dichtequalität beibehalten wird.

Huang Qibao¹, Rao Linghong¹，2026-07-10✓ Author reviewed ⓘ
💻 computer science

Deep Learning for Student Outcomes Temporal Deep Learning for Student Outcome Prediction: Comparing Multi-Task and Single-Task Approaches on the OULAD Dataset

Unter Verwendung des OULAD-Datensatzes zeigt diese Studie, dass BiLSTM-Modelle zwar Gradient-Boosting-Baselines bei der Vorhersage von Bestehen/Nichtbestehen und Abbruch-Ergebnissen übertreffen, Multi-Task-Learning-Architekturen jedoch trotz moderater Aufgabenkorrelation keinen signifikanten Vorteil gegenüber Single-Task-Ansätzen bieten, was darauf hindeutet, dass diese Ergebnisse auf teilweise unterschiedlichen Verhaltensmustern beruhen.

Haili Qin, Chuanxia Zhang, Linkai qi2026-07-10