2358 Arbeiten
Dieses Paper schlägt SETU vor, ein kulturell responsives und affektbewusstes konzeptionelles Framework, das Indiens multilinguale Klassenzimmer und formale Lehrpläne über die Integration von sechs Komponenten überbrückt, um Lehrkräfte zu unterstützen und KI-gestütztes Lernen mit der National Education Policy 2020 in Einklang zu bringen.
Diese Arbeit prüft eine Vergleichsstudie zu LoRA-Rängen, um aufzuzeigen, dass eine Regel zur inversen Rechennormierung größerer Ränge durch extremes Untertraining künstlich benachteiligt, was offenlegt, dass die beobachteten Leistungsrankings hochgradig von der spezifischen Budgetallokation statt von der inhärenten Modellkapazität abhängen.
Das Papier schlägt RAUDI vor, ein Dual-Head-Framework für die industrielle Anomalieerkennung, das unüberwachtes und überwachtes Lernen vereint, indem es flexibel entweder reale defekte Proben oder durch eine neuartige mehrstufige Superpixel-Methode (RASMS) synthetisierte, realistische Pseudo-Anomalien nutzt und damit eine State-of-the-Art-Leistung sowohl auf den MVTec AD- als auch auf den KolektorSDD2-Benchmarks erzielt.
Diese Arbeit prüft die ACL 2026 Proceedings und stellt fest, dass, obwohl fast alle zitierten Referenzen existieren, eine automatisierte Prüfung der Belegführung in einem einzelnen Durchlauf aufgrund einer nicht protokollierten Modellkonfiguration nicht repliziert werden konnte, was zeigt, dass eine rigorose Zitatverifizierung eine strikte operative Protokollierung erfordert, um die Reproduzierbarkeit zu gewährleisten.
Diese Arbeit untersucht die Integration von KI und ML in Cybersicherheitsoperationen und hebt deren Potenzial zur Verbesserung der Bedrohungserkennung und Effizienz hervor, während sie gleichzeitig betont, dass eine erfolgreiche Implementierung die Bewältigung von Herausforderungen wie adversarialen Angriffen und Datenqualität durch robuste Governance, Transparenz und Aufsicht erfordert.
Diese Arbeit schlägt ein erklärbares KI-basiertes hybrides Intrusion Detection System für IoT- und Computernetzwerke vor, das ADASYN zur Bewältigung von Datenimbalancen, Filtermethoden zur Merkmalsselektion, Ensemble-Lernen für Robustheit und SHAP für Interpretierbarkeit integriert und eine überlegene Leistung auf den Datensätzen CICIDS2017 und MQTT-IoT-IDS2020 demonstriert.
Dieses Paper schlägt ein schwach überwachtes Framework vor, das bildbasierte Annotationen nutzt, um mittels CAM und Grad-CAM verfeinerte Pseudo-Masken zu generieren, welche anschließend dazu verwendet werden, ein hybrides OUR-Net–U-Net-Modell für eine präzise, domänenübergreifende Segmentierung von Strukturrissen mit signifikant reduzierten Annotationskosten und überlegener Leistung im Vergleich zu bestehenden Methoden zu trainieren.
Diese Studie analysiert 849 KI-Zwischenfälle, um empirisch drei unterschiedliche Schadensprofile – autonom/verkörpert, visuelle Erkennung und generative KI – abzuleiten, und argumentiert für einen Übergang von allgemeinen Governance-Prinzipien hin zu einem kontextsensitiven Rahmenwerk, das Rechenschafts- und Überwachungsmechanismen gezielt auf diese spezifischen Risikomuster abstimmt.
Dieses Paper schlägt ein defektbewusstes YOLOv8n-Framework vor, das durch eine ResNet50-Backbone, DeCA, ein verbessertes BiFPN mit SPD-Conv, einen dynamisch adaptiven entkoppelten Head und Wise-IoU v3 optimiert wurde, um eine Echtzeit-Erkennung von kleinen, kontrastarmen Defekten auf bedruckten Spielkarten inmitten dichter grafischer Hintergründe mit hoher Genauigkeit zu erreichen, wobei es das Standard-YOLOv8n um 12,8 % in mAP@50 übertrifft und gleichzeitig eine Inferenzgeschwindigkeit von 97 FPS beibehält.
Dieses Paper schlägt Prototype-aware Channel-Selective Spatial Interaction (PCSI) vor, ein Teacher-Student-Framework für die semisupervidierte medizinische Bildsegmentierung, das entkoppelte Vordergrund-Hintergrund-Prototyp-Speicher nutzt, um die Kanalauswahl und die räumliche Merbreifung zu steuern und dadurch eine überlegene Leistung bei begrenzten gelabelten Daten zu erzielen.