💻 Category

cs

4157 artículos

💻 ciencias de la computación

Bibliometric Analysis of Global Research Trends in Robotic Sports: Mapping Two Decades of Innovation (2000–2024)

Este análisis bibliométrico de 1.225 publicaciones desde el año 2000 hasta 2024 revela la evolución de la investigación en deportes robóticos hacia un campo maduro y globalmente colaborativo, impulsado por instituciones clave y un cambio temático desde el fútbol robótico fundacional hacia aplicaciones avanzadas de IA como el aprendizaje profundo y la interacción humano-robot.

DEBDAS MONDAL2026-06-25
💻 ciencias de la computación

CTC: The Composite Task Challenge for Cooperative Multi-Agent Reinforcement Learning

Este artículo presenta el Desafío de Tareas Compuestas (CTC, por sus siglas en inglés), una nueva suite de evaluación diseñada para evaluar rigurosamente la división del trabajo y la cooperación en el aprendizaje por refuerzo multiagente, revelando que los métodos actuales de vanguardia fallan al resolver estas tareas y demostrando que un banco de pruebas resoluble pero desafiante es esencial para avanzar en el campo.

Yurui Li, Yuxuan Chen, Xiaoli Yang, Shijian Li, Gang Pan2026-06-25
💻 ciencias de la computación

SousCoder: Cross-Application Confusion Detection for Proactive Developer Assistance

SousCoder es un asistente de desarrollo proactivo y de prioridad local que monitorea señales de comportamiento entre aplicaciones a través de VS Code, Chrome y la terminal para detectar la confusión del desarrollador e intervenir con sugerencias conscientes del contexto, logrando baja latencia y alta relevancia en evaluaciones de campo al extender el trabajo previo con memoria persistente y percepción de múltiples fuentes.

Vrund Thakkar2026-06-25
💻 ciencias de la computación

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
💻 ciencias de la computación

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
💻 ciencias de la computación

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
💻 ciencias de la computación

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
💻 ciencias de la computación

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
💻 ciencias de la computación

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
💻 ciencias de la computación

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