💻 computer science

Large Language Model Driven Multidisciplinary Optimization for Task Automation in Edge IoT Systems

Questo articolo propone un framework gerarchico che sfrutta un modello linguistico di grandi dimensioni compatto per la pianificazione e la decomposizione dei compiti semantici, delegando al contempo le decisioni di allocazione delle risorse e di esecuzione a uno strato di ottimizzazione vincolata, colmando così il divario tra le specifiche in linguaggio naturale e l'ottimizzazione multidisciplinare matematicamente rigorosa per i sistemi Edge IoT.

Madhan kumar C, S Manikandan2026-09-09
💻 computer science

Psychometric Validation of Stress–Resilience Constructs for eXplainable Software Developer Digital Twin

Questo studio presenta un framework di Human Digital Twin psicometricamente validato per sviluppatori di software che utilizza dati da sondaggi raccolti da 605 partecipanti di sesso femminile per modellare stati di stress-resilienza, identificare cluster comportamentali distinti e simulare interventi personalizzati e spiegabili che prevedano ed aumentino efficacemente i risultati di resilienza.

Taiwo Olapeju Olaleye, Oluwasefunmi Arogundade, Taiwo David Ajayi2026-09-09
💻 computer science

An Expert-independent Artificial Intelligence Method for Extracting and Prioritizing Decision Factors From Large-scale Textual Corpora

Questo articolo introduce FEDRA, un framework autonomo che sfrutta embedding basati su transformer, clustering e analisi di grafi per estrarre e dare priorità ai fattori decisionali da testi scientifici su larga scala senza l'intervento di esperti, dimostrando un'elevata accuratezza e coerenza semantica in un caso di studio relativo alla selezione del sito per il trattamento delle acque reflue.

Iman mosaddegh2026-09-09
💻 computer science

PQC Protection for AI Workloads - A Performance-Aware Migration Framework

Questo articolo propone un framework di migrazione a fasi, consapevole delle prestazioni, per la messa in sicurezza di carichi di lavoro AI su piattaforme eterogenee contro le minacce quantistiche, dimostrando che mentre l'overhead dello scambio di chiavi è trascurabile, la principale sfida ingegneristica risiede nella gestione delle firme più grandi e dei cicli di vita della fiducia estesi richiesti dagli algoritmi post-quantistici finalizzati del NIST.

Manonmayi Vedam2026-09-09
💻 computer science

A Comparative Survey of API Rate-Limiting Algorithms: Token Bucket, Leaky Bucket, and Sliding Window

Questo articolo esamina e confronta sperimentalmente cinque algoritmi di rate-limiting delle API ampiamente utilizzati — token bucket, leaky bucket, fixed window, sliding window log e sliding window counter — per valutare i loro compromessi in termini di tolleranza ai burst e precisione, fornendo infine indicazioni per la selezione dell'algoritmo più appropriato in base alle specifiche caratteristiche del traffico e ai vincoli del sistema.

Umair Saleem2026-09-09
💻 computer science

A Residual Transformer Framework for Biomechanics-Aware Yoga Posture Recognition and Feedback

Questo articolo propone la Residual Biomechanical Transformer Network (RBTNet), un framework di deep learning che combina il rilevamento dei keypoint YOLOv8m-Pose con un'analisi temporale basata su Transformer per raggiungere un'accuratezza del 98% nella classificazione di otto posture yoga e nella generazione di feedback correttivi basati sulle deviazioni degli angoli articolari biomeccanici senza richiedere dati specifici dell'utente.

Mrinal Kanti Nath, Tapan Chowdhury, Nilay Dhar, Hiranmoy Sarkar, Debanjan Bunia, Arman Munshi2026-09-09
💻 computer science

Sentinelbi AI: an AI-Powered Business Intelligence System for Revenue Monitoring and Anomaly Detection

Questo articolo presenta SentinelBI AI, una piattaforma di business intelligence implementabile che integra i modelli Isolation Forest e LSTM Autoencoder per rilevare pattern anomali nei ricavi dell'e-commerce, fondendo i loro output in un sistema di allerta a tre livelli accessibile tramite una dashboard interattiva in Streamlit per il supporto decisionale operativo.

Tata Venkata Karthik, B. Srinivas S. P. Kumar2026-09-09
💻 computer science

Reasoning-Aware Error-Bounded KV-Cache Compression and Sparse Attention for Long-Context LLMs

Questo articolo propone un framework consapevole del ragionamento che combina dinamicamente la compressione della KV-cache con vincoli di errore e l'attenzione sparsa per ridurre significativamente memoria, computazione e latenza nell'inferenza di LLM a lungo contesto, garantendo formalmente l'accuratezza dell'output dell'attenzione attraverso un limite di massa scartata calibrato.

Yue Ning, Zhenning Guo, Xiang Li, Wenjuan Guo2026-09-09