2354 Arbeiten
Dieses Paper schließt die Lücke zwischen den ergebnisorientierten Cybersicherheitsverpflichtungen des EU AI Act und des Cyber Resilience Act und der praktischen Umsetzung, indem es deren Bestimmungen auf konkrete technische Kontrollen und Verifizierungsnachweise abbildet, die spezifisch auf LLM-basierte autonome Agenten zugeschnitten sind.
Dieses Paper präsentiert ein leichtgewichtiges Echtzeit-System zur Gesichtsausdruckserkennung unter Verwendung eines benutzerdefinierten PyTorch „Mini-Xception“-Modells, das auf dem FERPlus-Datensatz mit einer Quadratwurzel-Inversfrequenz-Gewichtung trainiert wurde und eine ausgewogene Testgenauigkeit von 75,40 % sowie 30 FPS auf einem Apple M1 Pro erreicht, ohne signifikante GPU-Ressourcen zu benötigen.
Dieses Paper stellt die Task-Adaptive Calibration (TAC) vor, ein leichtgewichtiges Modul, das aufgabenbedingte, kreuzmodale Rektifizierung mit distanzbewusster Umverteilung kombiniert, um das Verständnis langer multimodaler Kontexte sowie die Genauigkeit der Evidenzlokalisierung signifikant zu verbessern und gleichzeitig einen minimalen Rechenaufwand beizubehalten.
Dieses Paper behauptet, ein revolutionäres „Reproduktives KI“-System realisiert zu haben, das die Energie- und Latenzgrenzen traditioneller generativer KI durch die Verwendung eines topologischen Mersenne-Gitters und phasenresonanter Schaltkreise umgeht, um eine deterministische, speicherlose Intelligenzabfrage mit null Halluzinationen und drastisch reduziertem Stromverbrauch zu erreichen.
MeMory führt ein neuartiges Langzeitgedächtnis-Paradigma für eingefrorene Mixture-of-Experts-Sprachmodelle ein, das nutzerspezifische Informationen als Routing-Bias speichert, um bestehende Fähigkeiten selektiv zu aktivieren, ohne neue Token oder Parameter zu injizieren, wodurch eine nahezu nullpunktmäßige Leckage in unzusammenhängende Abfragen erreicht wird, während es gleichzeitig orthogonal und komplementär zu traditionellen injektionsbasierten Gedächtnismethoden bleibt.
Diese grenzüberschreitende Studie (2020–2026) analysiert den rasanten Anstieg KI-generierter akademischer Einreichungen in Indien und weltweit, zeigt vergleichbare Anfälligkeitsraten, aber signifikante politische Lücken in Indien auf und schlägt evidenzbasierte, multimethodische Detektions- und institutionelle Rechenschaftsrahmen vor, um die Forschungsintegrität zu schützen.
Diese systematische Übersicht über 88 Studien, die YOLO-basierte Deep-Learning-Verfahren zur Erkennung und Ertragsschätzung von Zitrusfrüchten nutzen, zeigt auf, dass das Feld zwar zu einem gemeinsamen technischen Instrumentarium konvergiert ist, das eine hohe durchschnittliche Präzision erreicht, jedoch einen kritischen Mangel an standardisierten Benchmarks, diversen Datensätzen und strenger statistischer Validierung aufweist, was zu einem hohen Gesamtrisiko für Verzerrungen führt.
Dieses Paper stellt TIG-CDO vor, ein semantisches Cross-Layer-Defense-Orchestrierungsframework, das Transaktionsintent-Graphen konstruiert, um Composite Slow-Degradation Attacks (CSDA) in Microservices-Zahlungssystemen zu erkennen und zu entschärfen, indem die Analyse von einzelnen HTTP-Anfragen auf kausal geordnete Multi-Step-Transaktionen verschoben wird, wodurch eine SLA-Compliance von 99,9 % und signifikant reduzierte Falsch-Positiv-Raten im Vergleich zu traditionellen geschichteten Abwehrmechanismen erreicht werden.
Dieses Paper präsentiert eine umfassende Übersicht, die die Forschung zur Erkennung von nutzergenerierten toxischen Inhalten in chinesischen sozialen Medien sowie zum Schutz chinesischer großer Sprachmodelle vor LLM-generierter Toxizität systematisch rezensiert, mit dem Ziel, fragmentierte Fortschritte zu konsolidieren und zentrale Herausforderungen für die zukünftige Entwicklung zu identifizieren.
Das Papier schlägt EPDA vor, ein effizientes und datenschutzwahrendes duales Aggregationsschema für das föderierte Lernen in VANETs, das die Vertraulichkeit des Modells, Anonymität sowie Unverknüpfbarkeit gewährleistet und gleichzeitig den Rechen- und Kommunikationsaufwand erheblich reduziert.