💻 Category

cs

2354 Arbeiten

💻 computer science

Dual Soft-Adaptive Aggregation for Long-Context LLMs_ Mitigating Sequence-and-Depth Information Dilution

Dieses Paper schlägt ein einheitliches Framework für die weiche adaptive Aggregation vor, das die Verdünnung von Sequenz- und Tiefeninformationen in Long-Context-LLMs durch die Einführung von Soft-ChunkAttn für differenzierbares semantisches Chunking sowie Virtual Dynamic Block-AttnRes für input-adaptive Layer-Merging mildert, während gleichzeitig der ursprüngliche Rechengraph für eine effiziente GPU-Bereitstellung bewahrt wird.

Minzhe Liu2026-08-25
💻 computer science

A Hierarchical Opponent-Modeling,World-Model, and Risk-Adaptive Planning Framework for Fair Adaptive Character Intelligence in Soulsl ike and AAACombat

Dieses Paper stellt EIDOLON-RL vor, ein hybrides hierarchisches Reinforcement-Learning-Framework, das Gegnermodellierung, Weltmodellierung und risikoadaptive Planung integriert, um faire, lesbare und recheneffiziente KI-Charaktere für AAA-Actionspiele zu generieren, indem Produktionsbeschränkungen wie Animationsgültigkeit und intentionelle Unvollkommenheit mathematisch erzwingt, anstatt sie als nachträgliche technische Korrekturen zu behandeln.

Jayachandiran Udayakumar2026-08-25
💻 computer science

Control-aware training of physical neural networks for closed-loop regulation

Diese Arbeit zeigt, dass die Optimierung physikalischer neuronaler Netze mit steuerungsorientierten Zielsetzungen, welche die Erhaltung der Rangfolge von Kandidatenaktionen gegenüber der statischen Regressionsgenauigkeit priorisieren, die Leistung der Regelung im geschlossenen Regelkreis sowie die Robustheit gegenüber Störungen in Aufgaben wie der homöostatischen Regulation und der Cart-Pole-Stabilisierung signifikant verbessert.

Yuzhan Zhang2026-08-25
💻 computer science

Deep Learning for Anomaly Detection in Dynamic Graphs: A Verified Taxonomy, Survey, and Unified Benchmark

Diese Arbeit etabliert eine verifizierte Taxonomie und einen vereinheitlichten Benchmark für Deep-Learning-basierte Anomalieerkennung in dynamischen Graphen, wobei sie aufzeigt, dass einfache gradbasierte Heuristiken auf synthetischen Benchmarks oft komplexe Deep-Learning-Modelle übertreffen, während sie bei realen Daten versagen, und kritische Mängel in aktuellen Evaluierungspraktiken sowie veröffentlichten Implementierungen offenlegt.

Iyad Assaad NEKKA, Hamida Seba, Walid Khaled Hidouci, Karima Amrouche2026-08-25
💻 computer science

Zero-Degradation Post-Hoc Explanations with Identity Pass-Through for Recurrent Graph Anomaly Detection

Dieses Paper stellt X-StrGNN vor, eine Zero-Degradation Post-hoc-Erklärungsschicht für den StrGNN-Graph-Anomalie-Detektor, die stabile, kostengünstige strukturelle und zeitliche Attributionen für markierte Kanten bereitstellt, während sie die Detektionsleistung des ursprünglichen Modells bis auf Maschinenpräzision bewahrt.

Iyad Assaad NEKKA, Hamida Seba, Walid Khaled Hidouci, Karima Amrouche2026-08-25
💻 computer science

Dual Spatial-Temporal Shapley Attribution for Explainable Anomaly Detection in Dynamic Social Graphs

Dieses Paper führt ein Post-hoc-Erklärbarkeitsframework ein, das den leistungsstarken TADDY-Anomalie-Detektor für dynamische soziale Graphen durch die Generierung dualer räumlicher und zeitlicher Shapley-Attributionen zur Identifizierung einflussreicher Nachbarn und historischer Snapshots verbessert und dabei hohe Fidelity- und Suffizienzmetriken erreicht, ohne die Detektionsgenauigkeit zu beeinträchtigen.

Iyad Assaad NEKKA, Hamida seba, Walid Khaled Hidouci, Karima Amrouche2026-08-25
💻 computer science

Exact Deviation Attribution and Amortised Event Explanation for Semi-Supervised Anomaly Detection on Dynamic Graphs

Dieses Paper führt ein Framework für die halbüberwachte Anomalieerkennung auf dynamischen Graphen ein, das eine exakte, geschlossene Abweichungsattribution bereitstellt und eine amortisierte Ereignismaske lernt, um Entscheidungen ohne Auswirkungen auf die Detektionsleistung zu erklären, während es gleichzeitig offenlegt, dass Alarme oft gleichermaßen aus dem Verhalten einzelner Knoten und Verschiebungen der Populationsbasis resultieren.

Iyad Assaad NEKKA, Walid Khaled Hidouci, Karima Amrouche2026-08-25
💻 computer science

CitationGuard: A Multi-Evidence Framework for Bibliographic Metadata Integrity Assessment in Digital Libraries

Dieses Paper präsentiert CitationGuard, ein Multi-Evidence-Framework, das die Anomalieerkennung mittels Isolation Forest mit gewichteter Evidenzfusion kombiniert, um einen hybriden Verdachtswert (Hybrid Suspicion Score) zu generieren, der bibliografische Datensätze zur Priorisierung in digitalen Bibliotheken, die einer Verifizierung bedürfen, einordnet.

Md. Islam2026-08-25
💻 computer science

Overhead-Aware Multilayer Graph Learning for Network-Managed Multi-Attack Detection in RPL-Based Low-Power IoT Networks

Dieses Paper schlägt ein overhead-bewusstes mehrschichtiges Graph-Learning-Framework (Attn-ML-GCN) vor, das RPL-basierte IoT-Netzwerke als vierlagige Graphen modelliert, um durch die Erfassung der strukturellen und zeitlichen Angriffspropagierung mehrere Angriffsfamilien effektiv zu detektieren, wobei eine signifikant höhere Detektionsgenauigkeit als bei Flat-Feature-Baselines erreicht wird und gleichzeitig interpretierbare Einblicke in die Auswirkungen des Netzwerk-Overheads bietet.

Muhammad Kazim2026-08-25
💻 computer science

PVApp: A Cloud-Backed Mobile Framework for Real-Time Consumer Product Verification in Ghana

Dieses Papier präsentiert PVApp, ein Cloud-gestütztes mobiles Framework, das Firebase und QR-Code-Scanning nutzt, um eine Echtzeit-Verifizierung von Konsumgütern, die Überprüfung des Genehmigungsstatus und die Meldung von Vorfällen in Ghana zu ermöglichen, was durch Funktionstests erfolgreich validiert wurde, um die durch gefälschte und minderwertige Waren verursachten Herausforderungen zu bewältigen.

Ibrahim Tanko, Nana Kofi Ahoi Appiah-Badu, Siddique Abubakr Muntaka, Ajugu Simon2026-08-25