cs articles | Gist.Science

When Does Context Help Machine Vision? Decomposing the Risk and Reliability of Contextual Conditioning in Vision-Language Models

Cet article analyse systématiquement le conditionnement contextuel dans les modèles vision-langage à travers diverses architectures et jeux de données, révélant que si le prompting au niveau du domaine est systématiquement bénéfique, le conditionnement contextuel complet par image présente une variance élevée et des risques de surapprentissage, son utilité étant principalement pilotée par l'échelle du modèle et la précision de base.

Alaa Alahmadi2026-07-13

💻 computer science

Mining AI-Assisted Course Design Workflows at Production Scale

Cet article présente la première étude à l'échelle de la production sur la conception de cours assistée par l'IA en exploitant un ensemble de données respectant la vie privée provenant de CourseFactory pour extraire quatre surfaces de flux de travail, démontrant que le tri de la qualité structurelle et les modèles de routage de l'élément vers l'assignation améliorent considérablement l'efficacité et la précision de la révision tout en confirmant que le texte des invites retenu n'ajoute aucun signal mesurable.

Aleksandr Volkov, Taras Pustovoy, Dmitriy Istomin, Viacheslav Istomin, Tatiana Otbetkina2026-07-13

💻 computer science

Recovery Dynamics and Persistent Structural Excursion in Disrupted World Models

Cette étude démontre que bien que les trajectoires réussies et échouées dans un modèle de monde perturbé présentent des dynamiques de récupération distinctes — telles qu'une entropie de chemin plus faible et moins d'excursions structurelles — ces motifs de trajectoire complète ne peuvent pas être prédits de manière fiable à partir de préfixes précoces, distinguant ainsi les défis de la détection de régime, du suivi de la récupération et de la prédiction de déploiement individuel.

Jeffery Scott Allbright2026-07-13

💻 computer science

H. Dilpriya's Momentum (HDM) : A Multi-Strategy Gradient-Aligned Optimizer with Adaptive Per-Parameter Corrections, Cosine-Annealed Scheduling, and Convergence Guarantees for Deep Neural Networks

Cet article introduit le Momentum de H. Dilpriya (HDM), un nouvel optimiseur multi-stratégie qui combine des corrections adaptatives par paramètre avec une planification par recuit cosinus pour atteindre des garanties de convergence rigoureuses et un alignement de gradient de pointe, démontrant une performance supérieure tant sur des problèmes synthétiques mal conditionnés que sur des benchmarks d'apprentissage profond tels que MNIST et CIFAR-10.

Janaka Ishan Senarathna2026-07-13

💻 computer science

Multi-Tenant Edge-Cloud Hybrid LLM Serving using Speculative Decoding and Quantization

Cet article propose une architecture de service de LLM hybride edge-cloud multi-locataire qui combine le décodage spéculatif quantifié en W4A16 avec une communication asynchrone et un orchestrateur de vérification multi-locataire afin de répondre simultanément aux défis de confidentialité, de latence et d'utilisation des ressources.

Jui-Yu Lin2026-07-13

💻 computer science

Learning Safe Behaviour via Justified Human Preferences and Hypothetical Queries

Cet article présente JPAL-HA, un modèle d'apprentissage sûr pour les environnements critiques en matière de sécurité qui exploite les justifications des actions humaines pour générer des requêtes hypothétiques, améliorant ainsi considérablement la sécurité et l'efficacité d'échantillonnage tout en réduisant la charge d'entraînement humaine.

Ilias Kazantzidis, Timothy J. Norman, Yali Du, Christopher T. Freeman2026-07-13

💻 computer science

Understanding Behavioural Risk Signals in Socio-Technical Work Systems Using Explainable Machine Learning

Cette étude démontre que l'utilisation de l'apprentissage automatique explicable pour analyser les données du climat de sécurité au niveau des items révèle des modèles de risques comportementaux non linéaires et dépendants de seuils, pilotés par la réactivité de la direction, la formation et l'expérience, remettant ainsi en question les modèles traditionnels d'agrégation linéaire et offrant une base plus précise pour la prévention proactive des accidents.

Omid Akbarzadeh, Parisa Moshashaei, Rasoul Ahmadpour, Mohammed Qadir Ali, Seyed Shamseddin Alizadeh2026-07-13

💻 computer science

ℓ0-Regularized Quadratic Surface Support Vector Machines

Cet article propose une machine à vecteurs de support de surface quadratique (QSVM) régularisée par $\ell_0$ creuse pour traiter les problèmes de surapprentissage et d'interprétabilité dans la classification non linéaire sans noyau, en introduisant un algorithme de décomposition de pénalité avec des garanties d'optimalité et de convergence prouvables qui démontre des performances compétitives et une parcimonie sur des ensembles de données de référence et des données de crédit réelles.

Ahmad Mousavi, Ramin Zandvakili, Zheming Gao2026-07-13

💻 computer science

AI-Driven Multimodal Communication Framework for Inclusive Classrooms: A PRISMA-Based Systematic Review for Deaf Learners

Cet article présente une revue systématique basée sur la méthode PRISMA révélant les limites des solutions actuelles centrées sur l'audition pour les apprenants sourds et propose un cadre de communication multimodal piloté par l'IA intégrant la reconnaissance vocale, le traitement du langage naturel et la génération de la langue des signes afin de permettre un soutien visuel en temps réel et de parvenir à une inclusion significative dans les salles de classe.

shahir vk2026-07-13

💻 computer science

Empty scaffold allocation bias in molecular distribution shift evaluation

Cet article révèle que les méthodes d'évaluation standard basées sur les échafaudages introduisent un biais d'allocation caché en traitant incorrectement les molécules « sans échafaudage » chimiquement hétérogènes comme une unité unique, ce qui fausse les métriques de généralisation à travers les benchmarks communs, et propose une réparation « sensible aux échafaudages vides » pour restaurer une représentation équilibrée et une évaluation précise des performances.

Tao Song, Yong Wang, Shuang Wang, Xun Wang2026-07-13

← Précédent Suivant →