💻 Category

cs

2358 Arbeiten

💻 computer science

Framework for Grounding Healthcare LLMs in a Causal Knowledge Graph: A Cardiovascular Example

Dieses Paper schlägt ein reproduzierbares, graphzentriertes Evaluierungsframework vor und validiert dieses, welches Healthcare-LLMs in einem kausalen Wissensgraphen verankert, wobei durch einen kardiovaskulären Piloten demonstriert wird, dass die Integration kausaler Behauptungen in den Modellkontext das Schlussfolgern über Interventionen, Mechanismen und Evidenz im Vergleich zu ungegroundeten Ansätzen signifikant verbessert.

Ummara Mumtaz, Aimen Noor, Awais Ahmed2026-08-20
💻 computer science

Artificial Intelligence-Driven Flight Disruption Management: A Scoping Review and Critical Evidence Synthesis for Predictive Decision Support in Airline Operations Control Centers

Diese Scoping Review synthetisiert die Evidenz zu KI-gestütztem Flugunruhemanagement und zeigt auf, dass prädiktive und mathematische Erholungsmethoden zwar ausgereift sind, jedoch eine kritische Lücke bei der Übersetzung hochgenauer Vorhersagen in eine machbare, erklärbare und unsicherheitsbewusste Entscheidungsunterstützung für reale Flugbetriebskontrollzentren besteht.

Jamil Akhtar2026-08-20
💻 computer science

How Do Rendering Optimization Techniques Balance Visual Fidelity, Computational Performance, and Educational Usability in Virtual Reality Systems? A Systematic Review

Diese systematische Übersichtsarbeit analysiert, wie Rendering-Optimierungstechniken die visuelle Treue, die Rechenleistung und die pädagogische Nutzbarkeit in der virtuellen Realität ausbalancieren, wobei sie aufzeigt, dass ein stabiler Betrieb mit hoher Bildrate bei moderater Detailtiefe das Lernen oft effektiver unterstützt als maximale Realitätstreue, und gleichzeitig kritische Lücken bei geräteübergreifenden Benchmarks sowie bildungsspezifischen Validierungen hervorhebt.

Thom luis2026-08-20
💻 computer science

Demand Forecasting for Internet Bandwidth using Machine Learning to Enhance Resource Management in Nepal

Diese Forschung schlägt die Entwicklung und den Einsatz fortschrittlicher maschineller Lernmodelle vor, um die Internetbandbreitennachfrage im Kathmandu-Tal in Nepal präzise vorherzusagen, was Internetdienstanbietern ermöglicht, die Ressourcenallokation zu optimieren, Netzwerküberlastungen zu mildern und die allgemeine Dienstqualität durch datengestützte Entscheidungsfindung zu verbessern.

Sachin Maharjan, Shankar Ghimire2026-08-20
💻 computer science

Meaningful Ambiguation as a Generative Mechanism in Language Model Architectures

Dieses Paper schlägt eine architektonische Intervention namens „meaningful ambiguation“ vor und validiert diese experimentell, welche eine von der Ästhetiktheorie inspirierte Transformation auf Sprachmodell-Pipelines anwendet, um Outputs zu generieren, die gleichzeitig hohe Diversität, strukturelle Kohärenz und Seed-Lokalität erreichen – Fähigkeiten, welche Standard-Sampling-Methoden wie Temperatur-Anpassungen nicht replizieren können.

Richard Taylor2026-08-20
💻 computer science

SkeletonGraph: A Zero-LLM Structural Retrieval Engine for Coding Agents, and Why Its Gains Land in the Cost Tail, Not the Median

Dieses Paper stellt SkeletonGraph vor, eine strukturelle Retrieval-Engine, die die funktionale Code-Lokalisierung signifikant verbessert und die Kosten für Coding-Agenten im teuren Ende der Aufgabenverteilung senkt, jedoch daran scheitert, die medianen Kosten zu senken oder die Erfolgsraten zu steigern, da ihre Effektivität durch die Vertrautheit mit dem Repository begrenzt ist und das eigene Lernen des Agenten durch das Lesen von Code nicht ersetzen kann.

Yash Doke2026-08-20
💻 computer science

Ask Twice, Look Twice: Training-Free Consistency Filtering for Reliable Medical VQA

Dieses Paper stellt „Ask Twice, Look Twice“ vor, ein trainingsfreies, modellagnostisches Konsistenzfilter-Framework, das semantisch äquivalente Fragenaugmentation und visuelle Perturbationen nutzt, um die Zuverlässigkeit und Vertrauenswürdigkeit von medizinischen Visual Question Answering-Systemen in klinischen Umgebungen signifikant zu erhöhen, ohne zusätzliches Modelltraining zu erfordern.

Yongpei Ma, Zhuoran Duan, Pengyu Wang, Adam G. Dunn, Usman Naseem, Jinman Kim2026-08-20
💻 computer science

Open Sign Bibles (OSB): An Open-Access Multilingual Sign Language Bibles Dataset

Dieses Paper stellt die Open Sign Bibles (OSB) vor, den größten rechtlich unbeschränkten mehrsprachigen Datensatz dieser Art, der über 700 Stunden an offen lizenzierten Bibelvideos in 20 Gebärdensprachen umfasst, die mit Paralleltexten in über 800 gesprochenen Sprachen abgeglichen sind, um die Forschung in den Bereichen multimodale Abfrage und kontrastives Lernen zu erleichtern.

Colin Leong, Joshua Nemecek, Kavitha Raju, Joel Mathew, Vijayan Asari, Elisabeth Leong2026-08-20
💻 computer science

Deep Reinforcement Learning Framework for Multi-UAV Collision-Free Navigation and Cooperative Control

Dieses Papier schlägt ein auf Proximal Policy Optimization basierendes Deep-Reinforcement-Learning-Framework vor, das es mehreren UAVs ermöglicht, autonom durch komplexe urbane Umgebungen zu navigieren, wobei Kollisionen effektiv vermieden werden und sie sowohl in statischen als auch in dynamischen Szenarien kooperieren, um Ziele zu erreichen.

Jailsingh Bhookya, Abhishek Mondal, Suvam Das2026-08-20