💻 computer science

Navigating the Prompt Space: Improving LLM Classification of Social Science Texts Through Prompt Engineering

Questo articolo dimostra che, sebbene la variazione sistematica degli elementi di prompt engineering come le descrizioni delle etichette, i suggerimenti istruzioni e gli esempi few-shot possa migliorare significativamente l'accuratezza della classificazione dei modelli linguistici di grandi dimensioni per i testi delle scienze sociali, i guadagni di prestazioni sono spesso marginali oltre gli incrementi minimi di contesto, possono talvolta diminuire con un contesto eccessivo e variano sostanzialmente tra i modelli e i compiti, rendendo necessaria una validazione individuale piuttosto che il ricorso a regole generali.

Erkan Gunes, Christoffer Florczak, Tevfik Murat Yildirim2026-07-10
💻 computer science

An Intelligent YOLO26-Based Early Warning Framework for Drone Detection in Critical Infrastructure Surveillance

Questo articolo propone un framework intelligente di rilevamento e allerta precoce di droni in tempo reale per la sorveglianza di infrastrutture critiche utilizzando il modello di deep learning YOLO26, che è addestrato su un database personalizzato multi-scenario ed è stato valutato rispetto ai modelli di base per dimostrare un'accuratezza e una velocità superiori nell'identificare bersagli drone piccoli, distanti e impegnativi.

Younis Arrabi2026-07-10✓ Author reviewed
💻 computer science

Recursive Transport Topology Detects Structural Regime Transitions Associated with Behavioral Failure in World Models

Questo articolo dimostra che l'analisi dell'indicizzazione ricorsiva (RIX) della topologia del trasporto latente può rilevare transizioni di regime strutturale nei modelli del mondo che precedono il fallimento comportamentale, rivelando che le rappresentazioni possono rimanere puntualmente stabili mentre la loro struttura organizzativa sottostante crolla sotto stress.

Jeffery Scott Allbright2026-07-10
💻 computer science

Tamarin (HSQ): Reversible Hierarchical KV-Cache Compression for LLM Inference

Tamarin (HSQ) introduce uno schema di compressione della KV-cache gerarchico a tre livelli e reversibile che instrada i token in un livello focale, vettori di riepilogo appresi e un archivio basato su CPU per ottenere una riduzione della memoria GPU di 12–28× per l'inferenza di LLM a lungo contesto, mantenendo al contempo una perplexity e un'accuratezza di recupero vicine ai valori di base.

Alikhan Bazakov, Kirill Kiselev2026-07-10
💻 computer science

A Graded Autonomy Framework for Governing Agentic AI in Health Care

Questo articolo propone un framework di autonomia graduata, adattato dallo standard automobilistico J3016, per governare l'IA agentica in ambito sanitario classificando i sistemi attraverso tre domini e sei livelli per separare la capacità dall'autorizzazione, affrontando così le lacune di sicurezza nelle attuali metriche di valutazione attraverso un esempio pratico di gestione autonoma della sepsi.

Sing Chee Tan, Vlada Rozova, Rebecca Jessup, Daniel Capurro2026-07-10
💻 computer science

Adaptive-Hazard Bayesian Online Change-Point Detection for Text Streams: A Dirichlet-Multinomial Formulation

Questo articolo propone un metodo di rilevamento online dei punti di cambiamento bayesiano con rischio adattivo per flussi di testo che regola dinamicamente le probabilità di reset basandosi sulla deriva della distribuzione lessicale tramite una formulazione dirichlet-multinomiale, dimostrando prestazioni di rilevamento migliorate e una riduzione del ritardo, in particolare in scenari che coinvolgono cambiamenti lessicali graduali o deboli.

Muhammad Ali Gunawan, Amalia Fitri2026-07-10
💻 computer science

Large scale IoT Intrusion Detection using Isolation Forest and Mutual Information based Feature Selection

Questo articolo dimostra che un algoritmo Isolation Forest combinato con la selezione delle caratteristiche basata sulla Mutual Information supera i metodi Autoencoder ed Ensemble nel rilevamento delle intrusioni IoT su larga scala, raggiungendo un'accuratezza, un F1-score e un AUC superiori, pur mantenendo una complessità computazionale inferiore sul dataset NF-ToN-IoT-v3.

siddharth Ghansela2026-07-10
💻 computer science

Temporal Multi-Signal Fusion for Token-Level Hallucination Detection

Questo articolo propone un approccio di fusione temporale multi-segnale che tratta l'allucinazione come un problema di etichettatura di sequenze utilizzando una BiGRU per combinare statistiche testuali, entailment NLI e surprisal del modello linguistico, ottenendo un significativo miglioramento dell'AUC di 0,840 su RAGTruth sfruttando il contesto temporale anziché la capacità del modello, pur mantenendo l'efficacia su modelli a codice chiuso e non visti.

Igor Itkin2026-07-10