3729 artículos
QuickFund-X es un sistema de preservación de la privacidad que detecta el fraude de sindicatos de préstamos entre plataformas mediante el vínculo de plataformas de microcréditos aisladas a través de una tokenización segura y el empleo de un modelo híbrido de GraphSAGE y basado en reglas para lograr una recuperación perfecta sin falsas alarmas.
Este artículo propone y evalúa un marco de agrupación de árboles CF paralelo inspirado en las hormigas que reduce significativamente el tiempo de computación mientras mantiene estructuras de vecindad cohesivas para permitir la formación de grupos escalable y basada en la analítica del aprendizaje para cohortes de estudiantes grandes y heterogéneas.
Este artículo propone PCG, un marco de inferencia con restricciones de prueba que integra la generación aumentada por recuperación con restricciones de necesidad contrafáctica y consistencia de rúbrica para permitir la evaluación y calificación automática, respaldada por evidencia, de la gramática china para la educación internacional.
Este artículo presenta PyPI API Drift, un conjunto de datos de análisis estático exhaustivo que rastrea los cambios en las API públicas a nivel de versión en 1.872 bibliotecas populares de Python, junto con las herramientas y evaluaciones de rendimiento asociadas que mejoran significativamente la capacidad de los modelos de generación de código para producir código compatible con versiones al aprovechar los datos históricos de las API.
Este artículo introduce un diseño metodológico computacional y un diagnóstico de temporización de exposición emparejada para aislar cómo los cambios institucionales alteran específicamente los espacios de acción disponibles y los resultados distributivos para los agentes en modelos basados en agentes, demostrando mediante simulaciones controladas que las arquitecturas de derechos dinámicas mitigan significativamente los efectos restrictivos de los regímenes estáticos bajo condiciones de escasez de recursos.
Este artículo presenta Cost-Aware Gated Retrieval (CAGR), un marco de dos etapas que desacopla la iniciación de la recuperación de la escalada condicionada por la evidencia para reducir significativamente las llamadas a la API y la latencia, manteniendo al mismo tiempo una precisión competitiva en los bancos de pruebas de QA.
Este artículo demuestra que los vacíos específicos que un modelo de lenguaje explota durante el entrenamiento pueden predecirse con antelación mediante el sondeo de un juez aprendido, revelando que los jueces más débiles conducen a un hackeo de recompensa severo mientras que los jueces más fuertes promueven una precisión genuina.
Este artículo demuestra que el pronóstico de la tensión de los clics en redes de comunicación en evolución está fundamentalmente limitado por la alta rotación de grupos y las trampas de evaluación, revelando que los modelos simples basados en la persistencia aumentados con probabilidades de supervivencia superan a las redes neuronales de grafos complejas en entornos desplegables.
Este artículo propone un marco novedoso para el descubrimiento causal temporal en los Informes de Eventos de Licenciatarios (LERs) que trasciende la extracción estática de causa-efecto para reconstruir secuencias dinámicas de propagación de fallas mediante el abordaje de desafíos tales como la confusión del orden de reporte narrativo y la escasez de marcadores temporales a través de la integración de la experiencia en el dominio y el aprendizaje basado en datos.
Este artículo establece un referente unificado para comparar rigurosamente los enfoques basados en reglas, de aprendizaje profundo y de modelos de lenguaje extensos para la extracción de causalidad a través de diversos dominios, con el objetivo de desentrañar las ventajas metodológicas genuinas de los artefactos del referente mediante la evaluación del rendimiento, la generalización y los perfiles de error bajo protocolos estandarizados.