💻 Category

cs

2363 articoli

💻 computer science

A Comprehensive Evaluation of Distributional Shift and Concept Drift Across Preprocessing Configurations, Domain Adaptation, and Representation Learning in GDM Prediction

Questo studio dimostra che, nonostante l'estesa sperimentazione con diverse strategie di pre-elaborazione, modelli di apprendimento automatico classico, tecniche di adattamento del dominio e framework di deep learning contrastivo, i modelli di predizione del Diabete Gestazionale (GDM) addestrati su coorti di singola popolazione falliscono universalmente nel generalizzare tra diversi contesti clinici a causa di un grave concept drift nella relazione condizionale P(Y∣X)P(Y \mid X), con una performance recuperabile solo quando i dati di addestramento includono sia la popolazione sorgente che quella target.

Sinda Besrour, Ghazal Rouhafzay, Latifa Saidi2026-08-19
💻 computer science

When the Device Decides: Calibration-Conditioned Suitability Estimation for Hybrid QAOA–Classical Max-Cut Pipelines

Questo articolo dimostra che i modelli di rumore condizionati dalla calibrazione rivelano che il QAOA a profondità 1 è universalmente inferiore alle euristiche classiche greedy in tutte le istanze Max-Cut e generazioni di dispositivi IBM testate, stabilendo al contempo che l'idoneità del dispositivo è prevedibile dalla topologia del grafo ma indistinguibile tra singoli chip sani della stessa generazione, raffinando così il framework QSE per dare priorità alla selezione dell'hardware a livello di generazione rispetto all'ottimizzazione per singolo dispositivo.

Boddu Rohan2026-08-19
💻 computer science

MetaFiLM-HTR: Writer-Adaptive Meta-Learning with FiLM Conditioning for Historical and Multilingual Handwritten Text Recognition

Questo articolo propone MetaFiLM-HTR, un framework di meta-learning adattivo per lo scrittore che combina FOMAML con il condizionamento FiLM e il routing esplicito del gradiente per consentire una rapida adattabilità al momento del test per il riconoscimento di testi manoscritti storici e multilingue, ottenendo riduzioni significative del tasso di errore dei caratteri attraverso dataset diversificati tramite l'ottimizzazione dell'architettura e task ausiliari auto-supervisionati.

Gaurav Harit2026-08-19
💻 computer science

Did It Happen? Counterfactual Evaluation of LLM Agent Recovery from Ambiguous Tool Outcomes

Questo articolo introduce un benchmark controfattuale che dimostra come, mentre i timeout ambigui degli strumenti impongano un tetto del 50% al successo del recupero degli agenti LLM, l'implementazione di contratti di idempotenza stabili consenta un recupero perfetto, laddove affidarsi esclusivamente alle informazioni sullo stato produca solo un miglioramento parziale.

Shengyao Sun2026-08-19
💻 computer science

Reasoning-Tier Drift in RL-Aligned LLMs: Within-Family Safety Spread Across Six Gemini Tiers on a Harm-Free Insult-Reproduction Protocol

Questo articolo introduce TIERBLEED, un protocollo di misurazione privo di danni che dimostra come le policy di sicurezza allineate al RL nella famiglia Gemini esibiscano una significativa deriva intra-famiglia attraverso sei livelli di ragionamento, dove tecniche di framing e strategie multi-livello/seed possono sfruttare tali incongruenze per riprodurre insulti lievi con tassi di successo che superano di gran lunga i tassi di rifiuto diretto.

Mohammadreza Rashidi2026-08-19
💻 computer science

An Efficient Attention-Gated Hybrid Transformer-CNN Framework for Plant Disease Segmentation In-the-Wild

Questo articolo propone un efficiente framework ibrido Transformer-CNN con gating basato su attenzione che integra un encoder Mix Transformer gerarchico con ASPP e un Cross-Scale Multimodal Attention Gate personalizzato per raggiungere prestazioni di segmentazione delle malattie delle piante allo stato dell'arte sul complesso dataset PlantSeg, mantenendo al contempo una dimensione del modello compatta adatta a dispositivi edge con risorse limitate.

Sadam Hussain2026-08-19
💻 computer science

Predatory MoE: Serving Mixture-of-Experts with a Sequence-Local Expert Roster

Questo articolo propone una strategia di roster degli esperti locale alla sequenza che fissa un piccolo insieme di esperti per sequenza per ridurre drasticamente l'impronta di memoria e i trasferimenti di esperti durante il serving di modelli MoE, ottenendo un throughput vicino alla piena residenza con significativamente meno pesi residenti applicando questo vincolo in modo coerente sia durante l'addestramento che durante l'inferenza.

ChaeWoo Son2026-08-19