cs articoli | Gist.Science

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

Questo articolo analizza sistematicamente il condizionamento contestuale nei modelli visione-linguaggio attraverso diverse architetture e dataset, rivelando che mentre il prompting a livello di dominio è costantemente vantaggioso, il condizionamento contestuale completo per singola immagine comporta un'elevata varianza e rischi di overfitting, con la sua utilità guidata principalmente dalla scala del modello e dall'accuratezza di base.

Alaa Alahmadi2026-07-13

💻 computer science

Mining AI-Assisted Course Design Workflows at Production Scale

Questo articolo presenta il primo studio su scala produttiva della progettazione di corsi assistita dall'IA, estraendo da un dataset che preserva la privacy di CourseFactory quattro superfici di workflow, dimostrando che i modelli di triage della qualità strutturale e di routing dagli item agli assignment migliorano significativamente l'efficienza e l'accuratezza della revisione, confermando al contempo che il testo dei prompt trattenuto non aggiunge alcun segnale misurabile.

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

💻 computer science

Recovery Dynamics and Persistent Structural Excursion in Disrupted World Models

Questo studio dimostra che, sebbene le traiettorie di successo e quelle fallimentari in un modello del mondo perturbato esibiscano dinamiche di recupero distinte — quali una minore entropia del percorso e meno escursioni strutturali — tali schemi dell'intera traiettoria non possono essere predetti in modo affidabile a partire dai prefissi iniziali, distinguendo così le sfide della rilevazione dei regimi, del monitoraggio del recupero e della predizione di singoli rollout.

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

Questo articolo introduce l'H. Dilpriya's Momentum (HDM), un nuovo ottimizzatore multi-strategia che combina correzioni adattive per parametro con lo scheduling a coseno-annealing per ottenere rigorose garanzie di convergenza e un allineamento del gradiente allo stato dell'arte, dimostrando prestazioni superiori sia su problemi sintetici mal condizionati che su benchmark di deep learning come MNIST e CIFAR-10.

Janaka Ishan Senarathna2026-07-13

💻 computer science

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

Questo articolo propone un'architettura di servizio per LLM ibrida edge-cloud multi-tenant che combina il decoding speculativo quantizzato W4A16 con la comunicazione asincrona e un orchestratore di verifica multi-tenant per affrontare simultaneamente le sfide relative alla privacy, alla latenza e all'utilizzo delle risorse.

Jui-Yu Lin2026-07-13

💻 computer science

Learning Safe Behaviour via Justified Human Preferences and Hypothetical Queries

Questo articolo introduce JPAL-HA, un modello di apprendimento sicuro per ambienti critici per la sicurezza che sfrutta le giustificazioni delle azioni umane per generare query ipotetiche, migliorando così significativamente la sicurezza e l'efficienza dei campioni riducendo al contempo l'onere dell'addestramento umano.

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

Questo studio dimostra che l'utilizzo del machine learning spiegabile per analizzare i dati sul clima di sicurezza a livello di singolo elemento rivela modelli di rischio comportamentale non lineari e dipendenti da soglie, guidati dalla reattività del management, dalla formazione e dall'esperienza, sfidando i tradizionali modelli di aggregazione lineare e offrendo una base più precisa per la prevenzione proattiva degli infortuni.

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

💻 computer science

ℓ0-Regularized Quadratic Surface Support Vector Machines

Questo articolo propone una macchina a vettori di supporto a superficie quadratica (QSVM) con regolarizzazione sparsa $\ell_0$ per affrontare i problemi di overfitting e interpretabilità nella classificazione non lineare priva di kernel, introducendo un algoritmo di decomposizione della penalità con garanzie di ottimalità e convergenza dimostrabili che mostra prestazioni competitive e sparsità sia su dataset benchmark che su dataset reali relativi al credito.

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

Questo articolo presenta una revisione sistematica basata su PRISMA che rivela i limiti delle attuali soluzioni incentrate sull'udito per gli studenti sordi e propone un framework di comunicazione multimodale guidato dall'IA che integra il riconoscimento vocale, l'elaborazione del linguaggio naturale e la generazione della lingua dei segni per abilitare il supporto visivo in tempo reale e raggiungere una significativa inclusione nelle classi.

shahir vk2026-07-13

💻 computer science

Empty scaffold allocation bias in molecular distribution shift evaluation

Questo articolo rivela che i metodi di valutazione standard basati su scaffold introducono un bias di allocazione nascosto trattando erroneamente le molecole "no-scaffold" chimicamente eterogenee come un'unica unità, il che distorce le metriche di generalizzazione attraverso i benchmark comuni, e propone una riparazione "Empty-Scaffold-Aware" per ripristinare una rappresentazione bilanciata e una valutazione accurata delle prestazioni.

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

← Precedente Successivo →