💻 computer science

Reasoning-Tier Drift in RL-Aligned LLMs: Within-Family Safety Spread Across Six Gemini Tiers on a Harm-Free Insult-Reproduction Protocol

Este artículo presenta TIERBLED, un protocolo de medición libre de daños que demuestra que las políticas de seguridad alineadas con el aprendizaje por refuerzo en la familia Gemini exhiben una deriva intra-familiar significativa a través de seis niveles de razonamiento, donde las técnicas de encuadre y las estrategias multi-nivel/semilla pueden explotar estas inconsistencias para reproducir insultos leves con tasas de éxito que superan con creces las tasas de rechazo directo.

Mohammadreza Rashidi2026-08-19
💻 computer science

An Efficient Attention-Gated Hybrid Transformer-CNN Framework for Plant Disease Segmentation In-the-Wild

Este artículo propone un marco híbrido de Transformer-CNN con compuerta de atención eficiente que integra un codificador Mix Transformer jerárquico con ASPP y una compuerta de atención multimodal de escala cruzada personalizada para lograr un rendimiento de segmentación de enfermedades de plantas de vanguardia en el desafiante conjunto de datos PlantSeg, manteniendo al mismo tiempo un tamaño de modelo compacto adecuado para dispositivos periféricos con recursos limitados.

Sadam Hussain2026-08-19
💻 computer science

Predatory MoE: Serving Mixture-of-Experts with a Sequence-Local Expert Roster

Este artículo propone una estrategia de lista de expertos local a la secuencia que fija un pequeño conjunto de expertos por secuencia para reducir drásticamente la huella de memoria y las transferencias de expertos durante el servicio de modelos MoE, logrando un rendimiento cercano a la residencia total con significativamente menos pesos residentes al aplicar esta restricción de manera consistente tanto durante el entrenamiento como durante la inferencia.

ChaeWoo Son2026-08-19
💻 computer science

Benchmarking Unsupervised Segmentations of Multivariate Time Series From Embedded Systems With a Novel Homogeneity Metric

Este artículo introduce una nueva métrica de homogeneidad para evaluar la efectividad y eficiencia de los algoritmos de segmentación de series temporales multivariantes no supervisados, demostrando su aplicación exitosa tanto en datos sintéticos como en datos de sistemas embebidos automotrices del mundo real.

Bojan Lukić, Thorben Knust, Andreas Rausch2026-08-19
💻 computer science

A Hybrid Deep-Quantum Framework for Robust Stress Classification from EEG Signals

Este artículo propone un marco híbrido de aprendizaje profundo-cuántico que integra una CNN 1D para la extracción de características con un clasificador de vectores de soporte cuántico para lograr una precisión superior en la detección de estrés (81.00%) en señales de EEG en comparación con los modelos base clásicos, al tiempo que demuestra la dependencia del modelo hacia el escalado de características y la dimensionalidad dentro de la era NISQ.

Krishan Sharma, Jayesh V. Hire, Kartike Pushkarna, Rohit Kumar Mishra, Priyanka Jain2026-08-19
💻 computer science

WTFFN-YOLO: An Improved Lightweight Method for Surface Defect Detection on Wind Turbine Blades

Este artículo propone WTFFN-YOLO, un marco de detección de objetos ligero y mejorado para defectos superficiales en palas de aerogeneradores que integra el mecanismo de atención C3K2-SACA, un módulo de fusión de características consciente de la frecuencia y una red de cuello WTFFN para lograr un aumento del 6,9% en mAP y una reducción del 8% en los parámetros del modelo.

Dahua Li, Xiangyu Meng, Xiao Yu, Qiang Gao, Dong Li2026-08-19
💻 computer science

Spatiotemporal analysis of acoustic parameters for quantifying linguistic rhythm using CNN–BiLSTM

Este estudio demuestra que una arquitectura híbrida CNN–BiLSTM supera al análisis de características acústicas tradicionales y a los modelos de aprendizaje profundo más simples al cuantificar el ritmo lingüístico, logrando una precisión superior al 95 % en la distinción entre el canto en sánscrito e hindi y el habla normal, al tiempo que revela una mayor regularidad rítmica en el sánscrito debido a su estructura de tiempo silábico.

Nayarah Shabir khan, Parveen Kumar Lehana2026-08-19
💻 computer science

Latent debt in PINNs with SIR Models: Dynamical Compensation and Topological Bottlenecks

Este artículo revela que las Redes Neuronales Informadas por la Física (PINNs) aplicadas a modelos SIR sufren de una "deuda latente" durante las fases iniciales de crecimiento exponencial, donde un paisaje de pérdida plano y de rango deficiente permite que la optimización minimice los residuales mediante la distorsión de los estados latentes no observados y la propagación de errores, resultando finalmente en soluciones numéricamente precisas con estimaciones de parámetros fundamentalmente incorrectas.

Daniel Leto, Elizabeth Wanner, Roberto Alamino2026-08-19