💻 Category

cs

1062 articoli

💻 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

Questo studio propone un approccio basato su un modello linguistico di grandi dimensioni con recupero aumentato che trasforma i feedback di valutazione non strutturati in modelli di errore allineati al curriculum con alta precisione, consentendo ai team didattici di riflettere sull'impatto dell'istruzione e guidare revisioni curriculari mirate nell'istruzione superiore.

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

Questo studio valuta l'efficacia di quattro principali agenti conversazionali basati su LLM come tecnologie assistive per la navigazione web, riscontrando che, sebbene dimostrino un potenziale promettente nel migliorare l'accessibilità per diversi gruppi di utenti interpretando le strutture delle pagine e guidando le interazioni, le loro prestazioni variano significativamente tra i diversi strumenti.

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

Questo articolo introduce HE-CloudML, un framework di preservazione della privacy che consente l'inferenza di reti neurali profonde in modo sicuro ed efficiente su dati criptati nel cloud utilizzando la Crittografia Omomorfica, raggiungendo una precisione quasi identica a quella in chiaro con significativi miglioramenti della latenza rispetto alle soluzioni esistenti, garantendo al contempo una robusta resistenza contro vari attacchi alla privacy.

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

Questo articolo introduce WSymBERT, un modello di attenzione neuro-simbolico pesato che combina la comprensione contestuale del linguaggio con la conoscenza strutturata di esperti per ottenere una previsione automatizzata altamente accurata e interpretabile delle metriche Base di CVSS v3.1, superando i modelli transformer esistenti pur allineandosi più strettamente al ragionamento degli esperti.

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 è un nuovo framework adattivo multi-vista che migliora l'accuratezza e l'efficienza della diagnosi clinica integrando la decomposizione strutturata delle cartelle cliniche elettroniche con il recupero ibrido e il routing dinamico della fiducia, dimostrando prestazioni superiori in molteplici reparti medici rispetto ai modelli di base.

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

Per affrontare il divario di traslazione nei modelli fondazionali di segmentazione medica causato da benchmark eccessivamente ottimistici e dal compromesso tra accuratezza ed equità, questo articolo introduce OrganSegBench, un rigoroso framework di valutazione multidimensionale che dimostra come la sinergia modellistica basata su principi attraverso strategie di ensemble superi i modelli monolitici nel raggiungere un'IA sicura, equa e clinicamente affidabile.

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

Questo articolo presenta un framework ibrido di Generazione Aumentata dalla Recupero che integra la ricerca semantica basata su BM25 e BioBERT con la Fusione del Rango Reciproco per migliorare il supporto decisionale clinico spiegabile e personalizzato e la previsione precoce del rischio di malattie, ottenendo prestazioni di recupero superiori su un dataset di 182.000 record medici rispetto ai baseline tradizionali.

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

Questo studio propone un modello di Support Vector Machine Ibrido Classico-Quantistico spiegabile che sfrutta dati multicontinentali per raggiungere prestazioni superiori nella previsione del rischio di salute mentale materna (accuratezza del 99,86%) identificando al contempo i principali predittori clinici attraverso l'analisi 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

Questo articolo dimostra che la telemetria di rete Hubble/eBPF, quando combinata con etichette di ground-truth accuratamente costruite, può rilevare efficacemente attacchi runtime e misconfigurazioni negli ambienti Kubernetes, rivelando che gli attributi di identità del lato destinazione sono i più forti indicatori di minacce nonostante un compromesso tra l'alta precisione dei detector basati su regole e il maggior richiamo dei classificatori 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

Questo articolo presenta ST-HAE, un autoencoder ibrido spazio-temporale non supervisionato che raggiunge un rilevamento delle anomalie ad alta precisione in reti IoT eterogenee sotto un realistico squilibrio delle classi, addestrandosi esclusivamente sul traffico benigno e utilizzando una codifica temporale bidirezionale per ridurre significativamente i tassi di falsi allarmi e la varianza rispetto ai metodi esistenti.

Vamsi Krishna Reddy, Nageswara Rao kuda2026-06-25