💻 Category

cs

3731 Arbeiten

💻 Informatik

Structure-Aware Behavioral Alignment of Large Language Models for Robust Time Series Forecasting

Dieses Paper stellt TSLLM-BO vor, ein zweistufiges Framework, das die Robustheit und strukturelle Treue der LLM-basierten Zeitreihenprognose durch die Kombination einer Zeit-Text-Ausrichtungsarchitektur mit einer differenzierbaren zusammengesetzten Belohnung und Dynamic Policy Clipping verbessert, um die Herausforderungen bei der Anwendung von Reinforcement Learning auf kontinuierliche, langfristige Vorhersageaufgaben zu bewältigen.

Mingliang Hu2026-10-14
💻 Informatik

Deep Learning-Based Sex Classification and Chronological Age-Group Estimation from Knee Radiographs Using a Multi-Task Framework with Rank-Fusion and Tri-Loss Learning

Diese Studie schlägt ein auf Deep Learning basierendes Multi-Task-Framework vor, das ein Rank-Fusion-Ensemble für die Geschlechtsklassifizierung und ein ConvNeXt-Tiny-Modell mit einer neuartigen Tri-Loss-Strategie zur Schätzung der chronologischen Altersgruppen verwendet und dabei eine hohe Genauigkeit bei der demografischen Profilierung aus Knie-Radiographien erreicht.

Mehmet Kurt, Zekeriya Katılmış, Selim Kestel, Doğukan Öcal2026-10-14
💻 Informatik

Teaching LLMs How ICU Physicians Approach Clinical Reasoning Through OMOP-Aligned Retrieval Improves Reasoning Across Clinical Domains

Dieses Paper führt ICU-REACT ein, einen Clinician-in-the-Loop-Datensatz, der Large Language Models auf Experten-Schlussfolgerungen auf der Intensivstation trainiert, was zu den Clin-REACT-Modellen führt, die im Vergleich zu bestehenden medizinischen und allgemeinen Sprachmodellen eine überlegene Generalisierung über diverse klinische Denkaufgaben hinweg demonstrieren.

Miguel Contreras, Scott Siegel, Subhash Nerella, Jessica Sena, Jiaqing Zhang, Heng Sun, Hruday Tej Akkaladevi, Peiyu Lu (…)2026-10-14
💻 Informatik

Road Network Partitioning with Distributed Threaded-Parallelism for Large-Scale SUMO Traffic Simulation

Dieses Papier präsentiert eine zweistufige parallele Architektur, die Thread-Level-Parallelität und verteilte Ausführung kombiniert, um groß angelegte SUMO-Verkehrssimulationen auf komplexen Straßennetzen signifikant zu beschleunigen, wobei eine bis zu 13,32-fache Beschleunigung erzielt wird, während gleichzeitig die Genauigkeit der Methode validiert und die globale Synchronisation als primären Skalierbarkeitshindernis identifiziert wurde.

Vicente R. Tomás, Iván Monzón-Catalán, Maribel Castillo, Luis A. García2026-10-14
💻 Informatik

Trustworthy Cross-Organizational Federated Fine-Tuning of Large Language Models via Blockchain Certification and Resilient Object Storage

Dieses Paper schlägt ein zweischichtiges Framework vor, das die Blockchain-basierte Metadaten-Zertifizierung von der Off-Chain-Sharding-Speicherung entkoppelt, um ein vertrauenswürdiges, kosteneffizientes und verifizierbares organisationsübergreifendes föderiertes Fine-Tuning von großen Sprachmodellen zu ermöglichen, ohne die Datenschutzkonformität oder die Modellintegrität zu gefährden.

Xiaoli Li, Yuhang Chen, Beiqiang Wang, Lin Zhou, Zhao Wu2026-10-14
💻 Informatik

Don’t Stop the Curious Neighbor: From Local Beliefs to Network-Wide Inference

Dieses Paper schlägt eine dezentrale „clusterbewusste soziale Lernmethode“ vor, die es Agenten in heterogenen Sensornetzwerken ermöglicht, globale verborgene Zustände unter Verwendung lediglich lokaler Messungen und des Austauschs mit Nachbarn präzise zu inferieren, wodurch der Kommunikationsaufwand reduziert wird, während gleichzeitig eine zuverlässige Entscheidungsfindung aufrechterhalten wird.

Malek Khammassi, Vincenzo Matta, Ali H. Sayed2026-10-14
💻 Informatik

Dynamic Multi-Objective Optimization for Batch-wise Task Assignment and Resource Allocation in Mobile Edge Computing

Dieses Paper schlägt den Location-Resource Coupled Dynamic NSGA-II (LRC-DNSGA-II) vor, einen Algorithmus, der einen spezialisierten Variationsoperator und einen auf Aufgabenmerkmale abgestimmten Reaktionsmechanismus nutzt, um das dynamische bi-objektive Optimierungsproblem der schubweisen Aufgabenzuweisung und Ressourcenallokation im Mobile Edge Computing effektiv zu lösen.

Yingying Sun, Zhiming Dong, Gongshu Wang2026-10-14
💻 Informatik

Towards guideline-grounded clinical decision-making: a multi-scale study of retrieval augmented generation based large language model agents

Diese Studie zeigt, dass die Integration von Retrieval-Augmented Generation (RAG) mit klinischen Leitlinien die diagnostische Genauigkeit, die Behandlungsübereinstimmung und die Transparenz von Large Language Model-Agenten über verschiedene medizinische Szenarien hinweg signifikant verbessert.

Romain André, John Hermans, J.P. Sedelaar, Henkjan Huisman2026-10-14
💻 Informatik

TimeTabler: A Software Framework for Automated Course Timetabling and Space Utilization Optimization in Resource-Constrained Institutions in Bangladesh

Dieses Paper stellt TimeTabler vor, eine Open-Source-, offline-fähige Desktop-Anwendung, die einen gewichteten Summen-Genetischen-Algorithmus nutzt, um die Erstellung von Stundenplänen zu automatisieren und die Raumausnutzung für ressourcenbeschränkte Bildungseinrichtungen in Bangladesch zu optimieren, wobei erfolgreich signifikante Verbesserungen bei der Nutzung von Einrichtungen sowie die Eliminierung von Raumtyp-Fehlpaarungen in einer universitären Fallstudie nachgewiesen wurden.

Md Abu Jubayer Bijoy2026-10-14
💻 Informatik

Large Language Models and Agentic AI Architectures for Aerial and Ground Robots: A Systematic Review, Taxonomy, and Design Guidelines

Diese systematische Übersichtsarbeit analysiert 124 Studien, um eine Taxonomie von sechs Architekturmustern für die Integration von großen Sprachmodellen und agentischer KI in Luft- und Bodenroboter zu erstellen, wobei sie Designrichtlinien anbietet, die Aufgabendynamik, Sicherheit und Einsatzbeschränkungen gegenüber Benchmark-Scores priorisieren, während sie gleichzeitig aktuelle Einschränkungen bei der Onboard-Inferenz und der physischen Validierung hervorhebt.

Abdelrahman Mahmoud2026-10-14