💻 Category

cs

1062 articoli

💻 computer science

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

Questo articolo introduce la Composite Tasks Challenge (CTC), una nuova suite di benchmark progettata per valutare rigorosamente la divisione del lavoro e la cooperazione nel multi-agent reinforcement learning, rivelando che gli attuali metodi allo stato dell'arte non riescono a risolvere questi compiti e dimostrando che un banco di prova risolvibile ma impegnativo è essenziale per far avanzare il campo.

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

SousCoder: Cross-Application Confusion Detection for Proactive Developer Assistance

SousCoder è un assistente per sviluppatori proattivo e local-first che monitora i segnali comportamentali cross-applicazione attraverso VS Code, Chrome e il terminale per rilevare la confusione dello sviluppatore e intervenire con suggerimenti contestuali, ottenendo bassa latenza e alta rilevanza nelle valutazioni sul campo estendendo il lavoro precedente con memoria persistente e percezione multi-fonte.

Vrund Thakkar2026-06-25
💻 computer science

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

Questo studio valuta una pipeline basata su un modello linguistico di grandi dimensioni per l'estrazione di 14 variabili attuariali dai sinistri relativi all'assicurazione contro gli infortuni sul lavoro, rivelando un accordo complessivo moderato con i revisori umani (kappa quadratico pesato di 0,53) e una variabilità significativa tra le dimensioni, il che sottolinea la necessità di calibrazione e di un dispiegamento graduale prima della validazione formale.

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

Questo studio dimostra che un modello di deep learning basato su transformer supera gli algoritmi di apprendimento automatico classici nella previsione della stabilità della rete elettrica, raggiungendo un'elevata accuratezza sia nei compiti di classificazione binaria che di regressione, supportando al contempo gli obiettivi globali di sostenibilità per reti intelligenti resilienti.

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

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

Questo studio identifica che il minor contrasto tra lesione e sfondo sulla pelle scura crea una sovrapposizione di classe strutturale che porta i modelli dermatologici basati su IA a sovra-predire sistematicamente la malignità e a generare eccessivi invii per i pazienti con pelle scura, un collo di bottiglia della parità che persiste anche dopo aver corretto le distribuzioni di classe confondenti ed è mitigato al meglio dal bilanciamento delle classi per tono piuttosto che dal condizionamento del tono.

Aaron Ajit2026-06-25
💻 computer science

Predictive Failure Detection in Data Warehouse Architectures Through Machine Learning

Questa ricerca propone un framework di machine learning che sfrutta metodi ensemble e l'intelligenza artificiale spiegabile per prevedere i guasti dei data warehouse con un anticipo fino a 15 minuti attraverso l'analisi delle metriche di sistema, riducendo così i tempi di inattività mediante il rilevamento proattivo delle anomalie e l'analisi automatizzata della causa radice.

Hendrik Robert2026-06-25
💻 computer science

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

Attraverso un'indagine Monte Carlo completa, questo articolo dimostra che, sebbene la dimensione del campione di addestramento sia il principale fattore determinante della fedeltà dell'attribuzione SHAP, i comuni trattamenti per lo sbilanciamento delle classi spesso distorcono le classifiche e le magnitudo delle caratteristiche, portando gli autori a raccomandare di evitare il riequilibrio a favore della ponderazione delle classi quando la interpretabilità SHAP è una priorità.

Rıdvan Kara2026-06-25
💻 computer science

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

Questo articolo introduce CLHA, un metodo di aggregazione dell'Hessiano cross-layer per la quantizzazione post-training di transformer Mixture-of-Experts con pesi condivisi che minimizza l'errore totale di ricostruzione combinando le statistiche dell'Hessiano tra i layer condivisi, superando significativamente gli esistenti approcci di calibrazione per singolo layer e affrontando al contempo critiche problematiche di implementazione nella stima dell'Hessiano.

Kunal Dhanda2026-06-25
💻 computer science

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

Questo articolo introduce l'Agentic Annotation Language (AAL), un nuovo sistema di annotazione in-band che consente l'iniezione di contesto Just-In-Time per agenti autonomi, riducendo significativamente il consumo di token e l'inquinamento del contesto rispetto ai tradizionali file di regole globali, pur mantenendo un'alta conformità con i vincoli specifici del dominio.

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

Questo articolo presenta il primo studio di generalizzazione cross-dataset per il rilevamento di fake news in urdu, rivelando che un modello addestrato sul dataset Ax-to-Grind fallisce catastroficamente quando applicato al dataset Notri-Fact a causa di un confondimento sistematico della lunghezza nei dati di addestramento che induce l'apprendimento di scorciatoie (shortcut learning), evidenziando così critiche lacune nelle attuali pratiche di costruzione e valutazione dei dataset per l'NLP a basse risorse.

Muhammad Abdullah Haroon2026-06-25