Bei jeder Arbeit auf dieser Seite hat mindestens ein/e der ursprünglichen Autor*innen unsere verständliche Erklärung gesehen und begutachtet — entweder durch Bestätigung der Genauigkeit oder durch Korrekturwünsche, die wir anschließend umgesetzt haben. Eine Bestätigung bedeutet keine formelle Freigabe jedes Satzes, aber die Erklärung ist von den Menschen geprüft worden, die das Paper geschrieben haben.

1209 von Autoren geprüfte Arbeiten · 751–760 / 1209

🤖 machine learning

Fair Finetuning Mitigates Distribution Inference Attacks

Dieses Paper führt Fair Fine-tuning (FFt) ein, eine Methode, die Distribution Inference Attacks durch das Fine-tuning von Modellen auf komplementären Daten unter Equalized-Odds-Constraints mildert, wobei theoretisch bewiesen wird, dass der adversarielle Vorteil durch Fairness-Disparität begrenzt ist, und empirisch signifikante Reduktionen des Angriffserfolgs über diverse Datensätze hinweg demonstriert wird.

Rakshit Naidu2026-06-02✓ Author reviewed
💻 computer science

JenBridge: Adaptive Long-Form Video Soundtracking across Scene Transitions

JenBridge ist ein neuartiges, modulares Framework, das ein Transformer-basiertes generatives Modell und einen LLM-gesteuerten Director-Agenten nutzt, um hochgetreue, langformatige Videosoundtracks mit natürlichen, narrativ kohärenten Übergängen über Szenenwechsel hinweg zu erzeugen, validiert durch den neu vorgeschlagenen LVS-Benchmark.

Jiashuo Yu, Yao Yao, Boyu Chen, Alex Wang2026-06-02✓ Author reviewed
🤖 AI

On the Collapse of Generative Paths: A Criterion and Correction for Diffusion Steering

Dieses Paper identifiziert „Marginal Path Collapse“ als einen kritischen Ausfallmodus beim Inference-Time-Steering von Diffusionsmodellen, der durch mismatchte Rausch-Schedules oder negative Exponenten verursacht wird, und schlägt das Adaptive Path Correction with Exponents (ACE)-Framework vor, welches die Existenz des Pfades mathematisch garantiert und die Performance bei komplexen kompositorischen Aufgaben wie dem Wirkstoffdesign und der Bildgenerierung signifikant verbessert.

Ziseok Lee, Minyeong Hwang, Wooyeol Lee, Sanghyun Jo, Jihyung Ko, Young Bin Park, Jae-Mun Choi, Eunho Yang, Kyungsu Kim2026-06-02✓ Author reviewed
🔢 mathematics

Brockett Openness Profiles and Gain-Limited Feedback Stabilization

Diese Arbeit zeigt, dass das quantitative Offenheitsprofil des Vektorfeldes eines nichtlinearen Systems spezifische notwendige untere Schranken für die Wachstumsrate stabilisierender Rückkopplungen auferlegt, wodurch verdeutlicht wird, dass Brocketts topologische Bedingung fundamental durch quantitative Verstärkungsanforderungen bestimmt wird, anstatt lediglich eine binäre Hindernis darzustellen.

Bryce Christopherson, Farhad Jafari2026-06-01✓ Author reviewed
🧬 biology

Obesity and Sociodemographic Factors in Luminal Breast Cancer

Diese Studie an 3.538 Patienten zeigt, dass ein erhöhter Body-Mass-Index und afrikanische Abstammung unabhängig mit einer höheren Wahrscheinlichkeit assoziiert sind, den aggressiveren Luminal-B-Brustkrebs-Subtyp im Vergleich zu Luminal A zu entwickeln, wobei Adipositas die Verbindung zwischen Abstammung und Tumorphänotyp teilweise mediiert.

Vacanti Anderson, Paramahansa Pramanik, Haley K. Robinson2026-06-01✓ Author reviewed
🔭 astrophysics

Reconciling the Fundamental Plane of Early-Type Galaxies with hydrodynamical simulations: The case of IllustrisTNG100-1

Diese Studie zeigt auf, dass die langjährige Diskrepanz zwischen der beobachteten Fundamentalelebene von frühen Typen von Galaxien und hydrodynamischen Simulationen wie IllustrisTNG100-1 weitgehend aufgelöst werden kann, indem man beobachtungsorientierte Messtechniken anwendet und massenabhängige Variationen der initialen Massenfunktion berücksichtigt, was die entscheidende Rolle von beobachtungsrealer Darstellung und Sternpopulationen-Modellierung bei der Interpretation von Galaxien-Skalierungsrelationen hervorhebt.

Pedro de Araujo Ferreira, Nicola R. Napolitano, Crescenzo Tortora, Luciano Casarini, Francisco Villaescusa-Navarro2026-06-01✓ Author reviewed
🤖 machine learning

Student Capacity Moderates Knowledge Distillation Effectiveness: A Systematic Study Across ResNet Teacher-Student Pairs on CIFAR-10

Diese systematische Untersuchung zu CIFAR-10 zeigt, dass die Kapazität des Studenten ein kritischer Moderator der Effektivität der Wissensdestillation ist, wobei sie aufzeigt, dass größere Studenten (R34) signifikant stärker profitieren als kleinere (R18), während sie gleichzeitig die Notwendigkeit hervorhebt, Implementierungsfehler und Mismatch bei der Eingangsauflösung zu beheben, um eine optimale Destillationsleistung zu erzielen.

Umut Onur Yasar2026-06-01✓ Author reviewed
🤖 machine learning

Lightweight CNN-Based Anomaly Detection for High Voltage Converter Modulators in the Spallation Neutron Source

Dieses Paper schlägt ein leichtgewichtiges, auf CNN basierendes Framework zur Anomalieerkennung für Hochspannungskonverter-Modulatoren der Spallationsquelle vor, das den architektonischen induktiven Bias nutzt, indem es temporale und kanalübergreifende Operationen strategisch anordnet, um eine State-of-the-Art-Leistung bei der Identifizierung von Fehlerpräkursoren über mehrere Subsysteme hinweg zu erzielen.

Alberto D. Cencillo, Leonardo Concepción, Julián Luengo, Isaac Triguero2026-06-01✓ Author reviewed
🤖 AI

FEM-Bench: A Structured Scientific Reasoning Benchmark for Evaluating Code-Generating LLMs

Dieses Paper führt FEM-Bench ein, einen strukturierten Benchmark basierend auf Aufgaben der computergestützten Mechanik, der darauf ausgelegt ist, die Fähigkeit großer Sprachmodelle zur Generierung wissenschaftlich validen Finite-Elemente-Methode-Codes rigoros zu evaluieren, wobei aufgezeigt wird, dass selbst modernste Modelle Schwierigkeiten haben, diese nicht trivialen Probleme konsistent zu lösen.

Saeed Mohammadzadeh, Erfan Hamdi, Joel Shor, Emma Lejeune2026-06-01✓ Author reviewed