💻 Category

cs

2358 Arbeiten

💻 computer science

Reasoning-Tier Drift in RL-Aligned LLMs: Within-Family Safety Spread Across Six Gemini Tiers on a Harm-Free Insult-Reproduction Protocol

Dieses Paper führt TIERBLED ein, ein harmloses Messprotokoll, das zeigt, dass RL-angepasste Sicherheitsrichtlinien innerhalb der Gemini-Familie eine signifikante Intra-Familien-Drift über sechs Reasoning-Tiers hinweg aufweisen, wobei Framing-Techniken sowie Multi-Tier-/Seed-Strategien diese Inkonsistenzen ausnutzen können, um milde Beleidigungen mit Erfolgsraten zu reproduzieren, die weit über den direkten Verweigerungsraten liegen.

Mohammadreza Rashidi2026-08-19
💻 computer science

An Efficient Attention-Gated Hybrid Transformer-CNN Framework for Plant Disease Segmentation In-the-Wild

Dieses Paper schlägt ein effizientes, attention-gesteuertes Hybrid-Transformer-CNN-Framework vor, das einen hierarchischen Mix-Transformer-Encoder mit ASPP und ein benutzerdefiniertes Cross-Scale Multimodal Attention Gate integriert, um eine State-of-the-Art-Leistung bei der Segmentierung von Pflanzenkrankheiten auf dem anspruchsvollen PlantSeg-Datensatz zu erzielen und gleichzeitig eine kompakte Modellgröße beizubehalten, die für ressourcenbeschränkte Edge-Geräte geeignet ist.

Sadam Hussain2026-08-19
💻 computer science

Predatory MoE: Serving Mixture-of-Experts with a Sequence-Local Expert Roster

Dieses Paper schlägt eine sequenzlokale Expert-Roster-Strategie vor, die eine kleine Menge an Experten pro Sequenz festlegt, um den Speicherbedarf und die Expertentransfers während der Serving-Phase von MoE-Modellen drastisch zu reduzieren, wobei durch die konsistente Anwendung dieser Einschränkung sowohl während des Trainings als auch während der Inferenz ein Durchsatz nahe der Vollresident-Kapazität mit signifikant weniger residenten Gewichten erreicht wird.

ChaeWoo Son2026-08-19
💻 computer science

Benchmarking Unsupervised Segmentations of Multivariate Time Series From Embedded Systems With a Novel Homogeneity Metric

Dieses Paper führt eine neuartige Homogenitätsmetrik ein, um die Effektivität und Effizienz unüberwachter Algorithmen zur Segmentierung multivariater Zeitreihen zu bewerten, wobei dessen erfolgreiche Anwendung sowohl auf synthetischen Daten als auch auf realen Daten aus automobilen eingebetteten Systemen demonstriert wird.

Bojan Lukić, Thorben Knust, Andreas Rausch2026-08-19
💻 computer science

A Hybrid Deep-Quantum Framework for Robust Stress Classification from EEG Signals

Dieses Paper schlägt ein hybrides Deep-Quantum-Framework vor, das ein 1D-CNN zur Merkmalsextraktion mit einem Quanten-Support-Vector-Classifier integriert, um eine überlegene Genauigkeit der Stresserkennung (81,00 %) bei EEG-Signalen im Vergleich zu klassischen Baselines zu erreichen, während es gleichzeitig die Abhängigkeit des Modells von Merkmalsskalierung und Dimensionalität innerhalb der NISQ-Ära aufzeigt.

Krishan Sharma, Jayesh V. Hire, Kartike Pushkarna, Rohit Kumar Mishra, Priyanka Jain2026-08-19
💻 computer science

WTFFN-YOLO: An Improved Lightweight Method for Surface Defect Detection on Wind Turbine Blades

Dieses Paper schlägt WTFFN-YOLO vor, ein verbessertes leichtgewichtiges Objekterkennungs-Framework für Oberflächendefekte an Windkraftanlagen-Rotorblättern, das den C3K2-SACA-Attention-Mechanismus, ein frequenzbewusstes Feature-Fusion-Modul und ein WTFFN-Neck-Netzwerk integriert, um eine Steigerung der mAP um 6,9 % und eine Reduzierung der Modellparameter um 8 % zu erreichen.

Dahua Li, Xiangyu Meng, Xiao Yu, Qiang Gao, Dong Li2026-08-19
💻 computer science

Spatiotemporal analysis of acoustic parameters for quantifying linguistic rhythm using CNN–BiLSTM

Diese Studie zeigt, dass eine hybride CNN–BiLSTM-Architektur die traditionelle akustische Merkmalsanalyse und einfachere Deep-Learning-Modelle bei der Quantifizierung des linguistischen Rhythmus übertrifft, indem sie eine Genauigkeit von über 95 % bei der Unterscheidung von Sanskrit- und Hindi-Gesang von normaler Sprache erreicht und gleichzeitig eine größere rhythmische Regelmäßigkeit im Sanskrit aufgrund seiner silbenzählenden Struktur aufzeigt.

Nayarah Shabir khan, Parveen Kumar Lehana2026-08-19
💻 computer science

Latent debt in PINNs with SIR Models: Dynamical Compensation and Topological Bottlenecks

Diese Arbeit zeigt auf, dass Physics-Informed Neural Networks (PINNs), die auf SIR-Modelle angewendet werden, während der frühen exponentiellen Wachstumsphasen unter einer „latenten Schuld“ leiden, wobei eine flache, rangarme Verlustlandschaft es der Optimierung ermöglicht, die Residuen durch die Verzerrung nicht beobachteter latenter Zustände und die Fortpflanzung von Fehlern zu minimieren, was letztlich zu numerisch akkuraten Lösungen mit fundamental falschen Parameterschätzungen führt.

Daniel Leto, Elizabeth Wanner, Roberto Alamino2026-08-19