💻 computer science

Validating Large Language Model Extraction of Actuarial Variables from Unstructured Claims Documents

Este estudio evalúa un flujo de trabajo de un modelo de lenguaje de gran tamaño para la extracción de 14 variables actuariales de reclamaciones de compensación laboral, revelando una concordancia general moderada con los revisores humanos (kappa ponderado cuadrático de 0,53) y una variabilidad significativa entre dimensiones, lo que subraya la necesidad de calibración y un despliegue gradual antes de la validación formal.

Robert Lieberthal, Vietbao Phan, Jawand Singh, Elizabeth Sottung, Richard Tran2026-06-25
💻 computer science

Comparative Analysis of Machine Learning Models for Predicting Grid Stability Using Tabular and Transformer Architectures

Este estudio demuestra que un modelo de aprendizaje profundo basado en transformadores supera a los algoritmos clásicos de aprendizaje automático en la predicción de la estabilidad de la red eléctrica, logrando una alta precisión tanto en tareas de clasificación binaria como de regresión, al tiempo que apoya los objetivos globales de sostenibilidad para redes inteligentes resilientes.

ARUNKUMAR E, Lakshmi Priya M2026-06-25
💻 computer science

Contrast-Induced Class Overlap as a Fairness Bottleneck in Dermatological AI: Evidence from HAM10000

Este estudio identifica que el menor contraste entre la lesión y el fondo en la piel oscura crea un solapamiento de clases estructurales que provoca que los modelos de IA dermatológicos sobrepredigan sistemáticamente la malignidad y generen un exceso de derivaciones para pacientes de piel oscura, un cuello de botella de equidad que persiste incluso tras corregir las distribuciones de clase de confusión y que se mitiga mejor mediante el equilibrio de clases por tono en lugar del condicionamiento de tono.

Aaron Ajit2026-06-25
💻 computer science

Predictive Failure Detection in Data Warehouse Architectures Through Machine Learning

Esta investigación propone un marco de aprendizaje automático que aprovecha métodos de ensamble e inteligencia artificial explicable para predecir fallos en almacenes de datos con hasta 15 minutos de antelación mediante el análisis de métricas del sistema, reduciendo así el tiempo de inactividad a través de la detección proactiva de anomalías y el análisis automatizado de la causa raíz.

Hendrik Robert2026-06-25
💻 computer science

How Class Imbalance Treatments Distort SHAP Attribution Fidelity: A Monte Carlo Investigation of Ranking and Magnitude Errors

A través de una investigación exhaustiva de Monte Carlo, este artículo demuestra que, si bien el tamaño de la muestra de entrenamiento es el principal motor de la fidelidad de la atribución SHAP, los tratamientos comunes para el desequilibrio de clases a menudo distorsionan las clasificaciones y magnitudes de las características, lo que lleva a los autores a recomendar evitar el reequilibrio en favor del pesaje de clases cuando la interpretabilidad de SHAP es una prioridad.

Rıdvan Kara2026-06-25
💻 computer science

CLHA: Cross-Layer Hessian Aggregation for Quantizing Weight-Shared Mixture-of-Experts Transformers

Este artículo introduce CLHA, un método de agregación de Hessiano de capa cruzada para la cuantificación post-entrenamiento de transformadores de Mezcla de Expertos con pesos compartidos que minimiza el error de reconstrucción total mediante la combinación de estadísticas de Hessiano a través de las capas compartidas, superando significativamente los enfoques de calibración por capa existentes y abordando también fallos críticos de implementación en la estimación del Hessiano.

Kunal Dhanda2026-06-25
💻 computer science

AAL: In-Band Source Annotations for Just-In-Time Context Injection in Autonomous Agentic Workflows

Este artículo presenta el Lenguaje de Anotación Agéntica (AAL, por sus siglas en inglés), un novedoso sistema de anotación in-band que permite la inyección de contexto Just-In-Time para agentes autónomos, reduciendo significativamente el consumo de tokens y la contaminación del contexto en comparación con los archivos de reglas globales tradicionales, manteniendo al mismo tiempo un alto cumplimiento con las restricciones específicas del dominio.

Jorge O Varona2026-06-25
💻 computer science

Cross-Dataset Generalization in Urdu Fake News Detection: An Empirical Study with XLM-RoBERTa and a Length Confound Analysis

Este artículo presenta el primer estudio de generalización entre conjuntos de datos para la detección de noticias falsas en urdu, revelando que un modelo entrenado con el conjunto de datos Ax-to-Grind falla catastróficamente cuando se aplica al conjunto de datos Notri-Fact debido a un confuso sistemático de longitud en los datos de entrenamiento que induce el aprendizaje de atajos, resaltando así fallos críticos en las prácticas actuales de construcción y evaluación de conjuntos de datos para el PLN de bajos recursos.

Muhammad Abdullah Haroon2026-06-25
💻 computer science

Cascade Progressive Distilled Networks for Heterogeneous Tabular Data Classification

El artículo presenta la Red de Destilación Progresiva en Cascada (CPDN, por sus siglas en inglés), un novedoso marco de aprendizaje profundo que aprovecha la destilación de conocimiento de un maestro CatBoost para superar el estancamiento de la optimización y los problemas de no diferenciabilidad, logrando un rendimiento de clasificación de vanguardia en datos tabulares heterogéneos.

Alexander Viktorov2026-06-25
💻 computer science

Human-Centric Cooperative MARL for Reliable EV Charging Coordination in Smart Cities: A Controlled Multi-Seed Comparison of Centralised and Decentralised Training

Este artículo demuestra que un enfoque de entrenamiento centralizado con ejecución descentralizada (CTDE) utilizando QMIX supera significativamente al aprendizaje Q independiente (IQL) y a las líneas de base no basadas en RL en la coordinación de la carga de vehículos eléctricos dentro de ciudades inteligentes, logrando mayores tasas de aceptación y probabilidades de éxito mientras gestiona eficazmente la observabilidad parcial y la dinámica del tráfico.

Nour-Eddine Moumni2026-06-25