cs Arbeiten | Gist.Science

Context-Aware LLM Evaluators for Content Moderation Judgments in a Low-Resource Setting

Diese Studie zeigt, dass, während kontextsensitive Prompting-Verfahren und der Abruf früherer Entscheidungen die Leistungsfähigkeit von Large Language Model-Evaluatoren für die Moderation deutscher Zeitungsforen verbessern können, die Wahl der Modellkapazität entscheidender ist als die Prompting-Strategie, wobei das größte Modell über supervised Systeme bei seltenen Löschkategorien ohne die Notwendigkeit annotierter Trainingsdaten übertrifft.

Felix Krejca, Tobias Kietreiber, Michael Wiegand, Sebastian Neumaier2026-08-26

💻 computer science

A Priority-Guided Action-Masked Proximal Policy Optimization Framework for Dynamic Scheduling of Electric Power Material Verification Tasks

Dieses Paper schlägt PPO-TS vor, ein prioritätsgesteuertes, aktionsmaskiertes Proximal Policy Optimization-Framework, das eine statistisch signifikante Verbesserung in einem synthetischen Benchmark für die dynamische Verifizierung der Zeitplanung elektrischer Leistungsmaterialien demonstriert, obwohl es Einschränkungen bei der Gerätenutzung und den Generalisierungsgrenzen aufzeigt.

Zhaolei He, Ao He, Cong Lin, Jing Zhao, Liping Gao, Xiang Yin2026-08-26

💻 computer science

Learning efficient representations of complex constraints for scalable optimization

Das Papier stellt PolyFormer vor, ein physik-informiertes maschinelles Lernframework, das kompakte polytopische Repräsentationen komplexer Nebenbedingungen erlernt, um eine skalierbare, schnelle und präzise präskriptive Optimierung über diverse reale Problemstellungen hinweg zu ermöglichen.

Bo Zhao, Yilin Wen, Yi Guo, Wei Qi, Zechun Hu, Colin Jones, Jian Sun2026-08-26

💻 computer science

JarifNet: An Attention-Augmented Lightweight CNN for Highly Calibrated Edge Image Classification

Dieses Paper stellt JarifNet vor, eine leichtgewichtige CNN-Architektur, die Inverted Residual Bottlenecks, Squeeze-and-Excitation-Attention und Stochastic Depth kombiniert, um eine erstklassige Genauigkeit, Wahrscheinlichkeitskalibrierung und Recheneffizienz für die Bildklassifizierung auf Edge-Geräten für den CIFAR-10-Datensatz zu erreichen.

Sadik Al Jarif2026-08-26

💻 computer science

TITAN: A Diversity-Driven Stacked Ensemble with a Multi-Branch Neural Network for Predicting Live Birth in IVF

Das Papier stellt TITAN vor, ein diversitätsgetriebenes gestapeltes Ensemble-Modell, das fünf baumbasierte Lerner und ein benutzerdefiniertes Multi-Branch-Neuronales Netzwerk mit strenger Leakage-Detektion und Bayesscher Optimierung integriert, um eine erstklassige Genauigkeit bei der Vorhersage von Lebendgeburtsraten für IVF-Zyklen unter Verwendung des HFEA-Registers zu erreichen.

Bala Shiwangi¹, Shailesh D. Kamble², Brijesh Kumar¹2026-08-26

💻 computer science

Multi-classification of Brain Tumor MRI images using Convoluted Neural Network (CNN) based approach

Diese Studie schlägt ein maßgeschneidertes siebenschichtiges Convolutional Neural Network (CNN)-Modell vor, das eine Testgenauigkeit von 96,10 % bei der Klassifizierung von Gehirn-MRT-Bildern in die Kategorien Gliom, Meningiom, Pituitary und Normal erreicht und damit eine robuste Leistung für die computergestützte Diagnose demonstriert, ohne auf vortrainierte Modelle zurückzugreifen.

Bhavak Bajaj, PRIYA GOEL, Rajni Bala2026-08-26

💻 computer science

Construction of a Personalized Physical Fitness Training Recommendation System Based on Random Forest and Gradient Boosting Machine

Dieses Paper schlägt ein Domain-Knowledge-Driven Hierarchical Collaborative Learning (DKHCL)-Framework vor, das die Random-Forest-Merkmalsauswahl mit der Gradient-Boosting-Machine-Prädiktion und Acute-Chronic-Workload-Ratio-Beschränkungen integriert, um hochpräzise personalisierte körperliche Fitness-Empfehlungen zu erzielen, wobei es sowohl eine überlegene Offline-Leistung gegenüber fortgeschrittenen Baselines als auch signifikante reale Verbesserungen bei der Verletzungsreduktion und der Effizienz der Zielerreichung in einer prospektiven Feldvalidierung demonstriert.

Fuliang Geng, Mei Wei2026-08-26

💻 computer science

Enhanced EA-Transformer for Power Load Data Completion

Dieses Paper schlägt ein Enhanced EA-Transformer-Modell vor, das eine Dual-Baseline-Pre-Filling-Strategie, einen dynamisch abnehmenden evolutionären Algorithmus und eine mehrdimensionale gewichtete Verlustfunktion integriert, um eine hochpräzise Vervollständigung fehlender Zeitreihen von Lastprofilen unter verschiedenen Fehlmechanismen und Ausfallraten zu erreichen.

Chao Li, Yiyang meng, Ji Li, Yuzheng Liu, Changlong Lv2026-08-26

💻 computer science

Intention modeling mediates cooperative incompatibility via character separability

Diese Arbeit zeigt, dass die explizite Modellierung von Intentionen die kooperative Leistung gegenüber impliziten Methoden verbessert, insbesondere in Umgebungen, die distinkte Best-Responses pro Partner-Typ erfordern, indem eine Arbeitsteilung etabliert wird, die den stabilen Charakter eines Partners von seinem dynamischen mentalen Zustand trennt und dadurch Partner-Inkompatibilität reduziert.

Joonsong Lee, Jooyeon Kim2026-08-26

💻 computer science

A HamNoSys-Guided Dataset and Baselines for Fine-Grained Isolated Handshape Recognition in Sign Language

Dieses Paper führt einen groß angelegten, auf HamNoSys basierenden Datensatz von 144.000 RGB-Bildern von 15 Teilnehmern für 160 Handformklassen ein und etabliert die Baseline-Leistung unter Verwendung verschiedener Deep-Learning- und Machine-Learning-Modelle unter sowohl subjektabhängigen als auch Leave-One-Subject-Out-Evaluationsprotokollen, um die feingliedrige Gebärdenspracherkennung voranzutreiben.

Ushnish Sarkar, Suvajit Patra, Bhaswar Chattopadhyay, Pranab Singha Roy, Tapas Samanta2026-08-26

← Zurück Weiter →