💻 Category

cs

1062 articles

💻 computer science

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

Cet article présente le Composite Tasks Challenge (CTC), une nouvelle suite de référence conçue pour évaluer rigoureusement la division du travail et la coopération dans l'apprentissage par renforcement multi-agents, révélant que les méthodes de pointe actuelles échouent à résoudre ces tâches tout en démontrant qu'un banc d'essai soluble mais exigeant est essentiel pour faire progresser le domaine.

Yurui Li, Yuxuan Chen, Xiaoli Yang, Shijian Li, Gang Pan2026-06-25
💻 computer science

SousCoder: Cross-Application Confusion Detection for Proactive Developer Assistance

SousCoder est un assistant de développement proactif et local-first qui surveille les signaux comportementaux inter-applications à travers VS Code, Chrome et le terminal pour détecter la confusion des développeurs et intervenir avec des suggestions contextuelles, atteignant une faible latence et une haute pertinence lors des évaluations sur le terrain tout en étendant les travaux antérieurs grâce à une mémoire persistante et une perception multi-sources.

Vrund Thakkar2026-06-25
💻 computer science

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

Cette étude évalue un pipeline de modèle de langage étendu pour l'extraction de 14 variables actuarielles à partir de réclamations d'indemnisation des accidents du travail, révélant un accord global modéré avec les examinateurs humains (kappa de l'accord pondéré quadratique de 0,53) et une variabilité significative selon les dimensions, ce qui souligne la nécessité d'un étalonnage et d'un déploiement progressif avant une validation formelle.

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

Cette étude démontre qu'un modèle d'apprentissage profond basé sur les transformeurs surpasse les algorithmes d'apprentissage automatique classiques dans la prédiction de la stabilité du réseau électrique, atteignant une grande précision tant dans les tâches de classification binaire que de régression, tout en soutenant les objectifs mondiaux de durabilité pour des réseaux intelligents résilients.

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

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

Cette étude identifie que le faible contraste entre la lésion et l'arrière-plan sur les peaux foncées crée un chevauchement de classes structurelles, provoquant une surprédiction systématique de la malignité par les modèles d'IA dermatologiques et générant un excès d'orientations pour les patients à la peau foncée, un goulot d'étranglement en matière d'équité qui persiste même après correction des distributions de classes de confusion et qui est mieux atténué par un équilibrage des classes par type de carnation plutôt que par un conditionnement du type de peau.

Aaron Ajit2026-06-25
💻 computer science

Predictive Failure Detection in Data Warehouse Architectures Through Machine Learning

Cette recherche propose un cadre d'apprentissage automatique qui exploite les méthodes d'ensemble et l'IA explicable pour prédire les défaillances d'entrepôts de données jusqu'à 15 minutes à l'avance en analysant les métriques du système, réduisant ainsi le temps d'arrêt grâce à la détection proactive d'anomalies et à l'analyse automatisée des causes racines.

Hendrik Robert2026-06-25
💻 computer science

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

À travers une investigation approfondie par la méthode de Monte Carlo, cet article démontre que si la taille de l'échantillon d'entraînement est le principal moteur de la fidélité de l'attribution SHAP, les traitements courants du déséquilibre des classes faussent souvent les classements et les magnitudes des caractéristiques, amenant les auteurs à recommander d'éviter le rééquilibrage au profit de la pondération des classes lorsque l'interprétabilité SHAP est une priorité.

Rıdvan Kara2026-06-25
💻 computer science

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

Cet article introduit CLHA, une méthode d'agrégation de Hessian inter-couches pour la quantification post-entraînement des transformeurs de type Mixture-of-Experts à poids partagés qui minimise l'erreur de reconstruction totale en combinant les statistiques de Hessian à travers les couches partagées, surpassant de manière significative les approches de calibration par couche existantes tout en traitant également les pièges critiques d'implémentation dans l'estimation de Hessian.

Kunal Dhanda2026-06-25
💻 computer science

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

Cet article introduit l'Agentic Annotation Language (AAL), un nouveau système d'annotation en bande qui permet l'injection de contexte juste-à-temps pour les agents autonomes, réduisant considérablement la consommation de jetons et la pollution du contexte par rapport aux fichiers de règles globaux traditionnels tout en maintenant une conformité élevée avec les contraintes spécifiques au domaine.

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

Cet article présente la première étude de généralisation trans-jeux de données pour la détection de fausses nouvelles en urdu, révélant qu'un modèle entraîné sur le jeu de données Ax-to-Grind échoue de manière catastrophique lorsqu'il est appliqué au jeu de données Notri-Fact en raison d'un biais systématique de longueur dans les données d'entraînement qui induit un apprentissage par raccourcis, mettant ainsi en évidence des failles critiques dans les pratiques actuelles de construction et d'évaluation de jeux de données pour le TAL à faibles ressources.

Muhammad Abdullah Haroon2026-06-25