💻 Category

cs

1062 articles

💻 computer science

Curriculum-Aligned Analysis of Assessment Feedback: A Retrieval-Augmented Large Language Model Approach for Revealing Fine-Grained Student Error Patterns in Higher Education

Cette étude propose une approche de modèle de langage de grande taille avec augmentation par la recherche qui transforme les commentaires d'évaluation non structurés en modèles d'erreurs alignés sur le programme avec une grande précision, permettant ainsi aux équipes pédagogiques de réfléchir à l'impact de l'enseignement et de guider des révisions ciblées du programme dans l'enseignement supérieur.

Linxin Hua, Jia Xu, Lirui Guo, Nan Zheng, Qingtan Shen, Dilang Tan, Ye Lu2026-06-25
💻 computer science

Comparative Analysis of LLM-Based Conversational Agents as an Assistive Technology for Web Interaction

Cette étude évalue l'efficacité de quatre agents conversationnels de premier plan basés sur les LLM en tant que technologies d'assistance pour la navigation web, concluant que, bien qu'ils démontrent un potentiel prometteur pour améliorer l'accessibilité pour divers groupes d'utilisateurs en interprétant les structures de pages et en guidant les interactions, leurs performances varient considérablement d'un outil à l'autre.

Giuseppe Della Penna, Marina Buzzi, Barbara Leporini2026-06-25
💻 computer science

HE-CloudML: A Privacy-Preserving Framework for Secure Machine Learning Inference over Encrypted Cloud Data Using Homomorphic Encryption

Cet article présente HE-CloudML, un cadre préservant la confidentialité qui permet une inférence de réseaux de neurones profonds sécurisée et efficace sur des données de cloud cryptées à l'aide du chiffrement homomorphe, atteignant une précision proche de celle du texte en clair avec des améliorations de latence significatives par rapport aux solutions existantes tout en assurant une résistance robuste contre diverses attaques sur la vie privée.

Abdullahi Ahmed Abdirahman, Abdirahman Osman Hashi, Ubaid Mohamed Dahir, Mohamed Abdirahman Elmi2026-06-25
💻 computer science

WSymBert: A Weighted Neuro-Symbolic Attention Model for Interpretable CVSS Prediction

Cet article présente WSymBERT, un modèle d'attention neuro-symbolique pondéré qui combine la compréhension contextuelle du langage avec des connaissances d'experts structurées pour parvenir à une prédiction automatisée hautement précise et interprétable des métriques de base CVSS v3.1, surpassant les modèles de référence transformer existants tout en s'alignant plus étroitement sur le raisonnement des experts.

Seyedeh Leili Mirtaheri, Amirhossein Majd, Reza Shahbazian, Georgios Spathoulas, Aida Akbarzadeh, Andrea Pugliese2026-06-25
💻 computer science

MAP-RAG: A Multi-View Adaptive Pattern-Aware Medical Retrieval-Augmented Generation Diagnostic Framework

MAP-RAG est un nouveau cadre adaptatif multi-vues qui améliore la précision et l'efficacité du diagnostic clinique en intégrant la décomposition structurée des dossiers médicaux électroniques à une recherche hybride et un routage de confiance dynamique, démontrant une performance supérieure à travers de multiples départements médicaux par rapport aux modèles de référence.

Zhaolin Lu, Xulin Liu, Hongliang Bi, Feilong Tan, Caiying Zhang2026-06-25
💻 computer science

OrganSegBench: Bridging the Translational Gap for Medical Segmentation Foundation Models Through Principled Model Synergy

Pour combler l'écart de translation dans les modèles de fondation de segmentation médicale causé par des benchmarks trop optimistes et le compromis entre précision et équité, cet article introduit OrganSegBench, un cadre d'évaluation multidimensionnel rigoureux qui démontre comment une synergie de modèles fondée sur des principes, à travers des stratégies d'ensemble, surpasse les modèles monolithiques pour parvenir à une IA sûre, équitable et cliniquement digne de confiance.

Qing Li, Yizhe Zhang, Xin Guo, Haosen Zhang, Mo Yang, Mengting Sun, Longyu Sun, Haoyang Zhang, Junhong Liu, Yan Li, Yaji (…)2026-06-25
💻 computer science

A Hybrid Retrieval Augmented Generation Approach for Explainable Clinical Decision Support Using Vector Databases and Best Matching 25

Cet article présente un cadre hybride de génération augmentée par la récupération qui intègre la recherche sémantique basée sur BM25 et BioBERT avec la fusion de rangs réciproques pour améliorer l'aide à la décision clinique explicable et personnalisée ainsi que la prédiction précoce des risques de maladies, atteignant une performance de récupération supérieure sur un ensemble de données de 182 000 dossiers médicaux par rapport aux références traditionnelles.

Bodireddy Mahalakshmi, Smita Khairnar, Shilpa Gite, Anurag Lengure, Anuj Loharkar, Swaraj Mahadik, Soham Mahajan2026-06-25
💻 computer science

An Explainable Hybrid of Classical and Quantum Support Vector Machine Models for Maternal Mental Health Risk Prediction Using Multicountry Data

Cette étude propose un modèle de Machine à Vecteurs de Support hybride classique-quantique explicable qui exploite des données multicentriques pour atteindre une performance de prédiction du risque de santé mentale maternelle supérieure (99,86 % de précision) tout en identifiant les prédicteurs cliniques clés grâce à l'analyse SHAP.

Shallon Ahimbisibwe, Emmanuel Ahishakiye, Samuel Maling, Simon Kawuma, Richard Ntwari, Boaz Twinamasiko, Fred Kaggwa2026-06-25
💻 computer science

Runtime Detection of Attacks and Misconfigurations in Cloud-Native Kubernetes Environments Using eBPF Network Telemetry

Cet article démontre que la télémétrie réseau Hubble/eBPF, lorsqu'elle est combinée à des étiquettes de vérité terrain soigneusement construites, peut détecter efficacement les attaques au moment de l'exécution et les erreurs de configuration dans les environnements Kubernetes, révélant que les attributs d'identité du côté de la destination sont les indicateurs de menaces les plus forts malgré un arbitrage entre la haute précision des détecteurs basés sur des règles et le rappel plus élevé des classificateurs Random Forest.

Andrew Oppong-Asante, Bernard Kyiewu, Clinton Amponsah, Linda Bessa-Simons, Caleb Boakye Yiadom2026-06-25
💻 computer science

ST-HAE: Spatio-Temporal Anomaly Detection inHeterogeneous IoT Networks Under Realistic Class Imbalance

Cet article présente ST-HAE, un autoencodeur hybride spatio-temporel non supervisé qui atteint une détection d'anomalies de haute précision dans des réseaux IoT hétérogènes sous un déséquilibre de classes réaliste en s'entraînant exclusivement sur du trafic bénin et en utilisant un encodage temporel bidirectionnel pour réduire considérablement les taux de fausses alertes et la variance par rapport aux méthodes existantes.

Vamsi Krishna Reddy, Nageswara Rao kuda2026-06-25