💻 ciencias de la computación

Creation begins with understanding: LLMs as strategy designers for privacy-preserving tabular data synthesis

Este artículo presenta TabSSD, un nuevo marco de trabajo que aprovecha los Modelos de Lenguaje de Gran Escala para diseñar procedimientos de síntesis que preservan la privacidad basándose en resúmenes de dependencia de variables en lugar de datos brutos, logrando una fidelidad estadística, utilidad y compensaciones de privacidad superiores, al tiempo que reduce significativamente los costos computacionales y las barreras de especialización en comparación con los métodos existentes.

Dandan Guo, Jinmeng Li, Quan Zhang, Hangting Ye, He Zhao, Firas Laakom, Juergen Schmidhuber2026-10-15
💻 ciencias de la computación

SemanticVul: Evidence-Grounded Structured LLM Explanations for Vulnerability Detection

SemanticVul es un marco reproducible para la detección de vulnerabilidades en C/C++ que aprovecha explicaciones semánticas generadas localmente y fundamentadas en evidencia para mejorar significativamente la precisión y la recuperación de clases minoritarias sobre las líneas de base existentes, mientras valida rigurosamente las afirmaciones mediante la coincidencia determinista de código y la auditoría de conjuntos de datos.

Abdul Razak, Ihtesham Ul Islam, Rabia Khan2026-10-15
💻 ciencias de la computación

Parameter compensation reveals weak physical effects in multi-parameter inverse learning

Este artículo introduce el concepto de compensación de parámetros, donde los efectos físicos débiles son enmascarados por cambios compensatorios en otros parámetros, y propone una red neuronal con compensación de sesgo (BcNN) que aprovecha pseudo-soluciones estructuradas para recuperar de manera confiable estos efectos en problemas de aprendizaje inverso multiparámetro.

Yifan Yang, Zengwei Guo2026-10-15
💻 ciencias de la computación

STME-GCN: topology refinement and motion-enhanced temporal modeling for skeleton-based action recognition

El artículo propone STME-GCN, una red de reconocimiento de acciones basada en esqueletos que mejora el rendimiento mediante la optimización de la generación de topologías a través de descriptores temporales de atributos múltiples y la mejora del modelado temporal mediante una rama colaborativa de pose y movimiento para capturar mejor la dinámica del movimiento y las relaciones entre articulaciones.

Xiaopeng Wang, Chunjun Chen, Yutao Xia2026-10-15
💻 ciencias de la computación

Feasible-Space Dilution and Objective Alignment in Shallow Penalty-X QAOA: A Controlled RCSP Study

Este estudio utiliza experimentos controlados de la ruta más corta con restricciones de recursos para demostrar que, en el QAOA de penalización-X superficial, el muestreo de viabilidad deficiente proviene de insuficiencias del optimizador y desalineaciones del objetivo distintas, siendo que el entrenamiento basado en CVaR se aproxima eficazmente al rendimiento de los controles de viabilidad exacta en tareas no vistas.

Zhilin Chen2026-10-15
💻 ciencias de la computación

Arthasetu - Neural Machine Translation for Classical Jain Philosophical Text with Cross-System Evaluation

Este artículo presenta Arthasetu, un modelo especializado de traducción automática neuronal basado en BiLSTM para traducir el sánscrito filosófico jainista clásico al hindi, demostrando que el aumento de datos consistentes con el dominio y los protocolos de evaluación rigurosos producen un rendimiento superior en comparación con sistemas multilingües a gran escala como NLLB-200, al tiempo que destaca los riesgos críticos de la filtración de datos en la investigación de bajos recursos.

Tamanna Jain, Neeraj Raheja2026-10-15
💻 ciencias de la computación

A Comparative Benchmark of GAN, DDPM, and Flow Matching for 2D and 3D Porous Microstructures Synthesis.

Este artículo presenta un análisis comparativo de referencia de WGAN-GP, DDPM y Flow Matching para la síntesis de microestructuras porosas en 2D y 3D, identificando a Flow Matching como un enfoque competitivo que ofrece un equilibrio favorable entre la precisión estructural, particularmente en la reproducción de las relaciones porosidad-difusividad, y la eficiencia computacional.

Ali Aouf, Eric Laloy, Christophe De Vleeschouwer2026-10-15
💻 ciencias de la computación

Quantifying Predictive Uncertainty in Student Academic Outcomes Using Conformal Prediction

Este estudio introduce un marco de trabajo consciente de la incertidumbre que integra el aprendizaje automático, la predicción de conformidad dividida y SHAP para predecir los resultados académicos de los estudiantes con fiabilidad cuantificada, demostrando que, si bien modelos como LightGBM y XGBoost logran una alta precisión, la predicción de conformidad identifica eficazmente los casos inciertos para apoyar intervenciones dirigidas con intervención humana.

Kazi Sabbir Ahmad Nahin2026-10-15
💻 ciencias de la computación

Global State-Guided Reinforcement Learning-Assisted Differential Evolution for Multi-Objective Optimization

El artículo propone GSG-RLDE, un algoritmo de evolución diferencial asistido por aprendizaje por refuerzo guiado por estado global que integra información de convergencia, distribución y tendencia en un estado compacto para permitir que los individuos seleccionen de forma independiente estrategias de mutación adaptativas y parámetros de control, demostrando un rendimiento superior tanto en problemas multiobjetivo de referencia como en escenarios reales de planificación de rutas de UAV.

Zijian Cao, Wenzheng Liu, Chuhang Qiao, Haowen Jia, Yu Li, Haoshuai Zhang, Feng Tian2026-10-15
💻 ciencias de la computación

Complete Patient-Level Leakage Among Traceable Images in a Widely Used Brain Tumor MRI Benchmark

Este artículo revela que un referente de resonancia magnética de tumores cerebrales ampliamente utilizado sufre una filtración completa de datos a nivel de paciente, donde las altas precisiones reportadas reflejan la capacidad del modelo para reconocer cortes de pacientes previamente vistos en lugar de su verdadera generalización a individuos no vistos.

Jaiveer Bassi2026-10-15