cs papers | Gist.Science

CTC: The Composite Task Challenge for Cooperative Multi-Agent Reinforcement Learning

Dit artikel introduceert de Composite Tasks Challenge (CTC), een nieuwe benchmark-suite die is ontworpen om arbeidsverdeling en samenwerking in multi-agent reinforcement learning rigoureus te evalueren, waarbij wordt onthuld dat huidige state-of-the-art methoden er niet in slagen deze taken op te lossen, terwijl wordt aangetoond dat een oplosbare maar uitdagende testomgeving essentieel is voor de vooruitgang van het vakgebied.

Yurui Li, Yuxuan Chen, Xiaoli Yang, Shijian Li, Gang Pan2026-06-25

💻 computer science

SousCoder: Cross-Application Confusion Detection for Proactive Developer Assistance

SousCoder is een local-first, proactieve assistent voor ontwikkelaars die gedragssignalen over verschillende applicaties heen monitort binnen VS Code, Chrome en de terminal om verwarring bij ontwikkelaars te detecteren en te interveniëren met contextbewuste suggesties, waarbij een lage latentie en hoge relevantie wordt bereikt in veldevaluaties terwijl het eerder werk wordt uitgebreid met persistent geheugen en perceptie uit meerdere bronnen.

Vrund Thakkar2026-06-25

💻 computer science

Validating Large Language Model Extraction of Actuarial Variables from Unstructured Claims Documents

Deze studie evalueert een pipeline van een groot taalmodel voor het extraheren van 14 actuariële variabelen uit schadeclaims voor werknemersverzekeringen, waarbij een matige algehele overeenstemming met menselijke beoordelaars wordt onthuld (kwadratische gewogen kappa van 0,53) en een significante variabiliteit over dimensies wordt aangetoond, wat de noodzaak onderstreept van kalibratie en gefaseerde uitrol vóór formele validatie.

Robert Lieberthal, Vietbao Phan, Jawand Singh, Elizabeth Sottung, Richard Tran2026-06-25

💻 computer science

Comparative Analysis of Machine Learning Models for Predicting Grid Stability Using Tabular and Transformer Architectures

Deze studie toont aan dat een op transformers gebaseerd deep learning-model klassieke machine learning-algoritmen overtreft bij het voorspellen van de stabiliteit van het elektriciteitsnet, waarbij een hoge nauwkeurigheid wordt bereikt in zowel binaire classificatie- als regressietaken, terwijl het bijdraagt aan wereldwijde duurzaamheidsdoelstellingen voor veerkrachtige smart grids.

ARUNKUMAR E, Lakshmi Priya M2026-06-25

💻 computer science

Contrast-Induced Class Overlap as a Fairness Bottleneck in Dermatological AI: Evidence from HAM10000

Deze studie identificeert dat een lager contrast tussen laesie en achtergrond op een donkere huid een structurele klasseoverlap creëert, waardoor AI-dermatologische modellen systematisch maligniteit overvoorspellen en een overmaat aan verwijzingen genereren voor patiënten met een donkere huid, een eerlijkheidsbottleneck die persisteert zelfs na het corrigeren voor verstorende klassenverdelingen en die het best wordt gemitigeerd door per-toon klassebalancering in plaats van toonconditionering.

Aaron Ajit2026-06-25

💻 computer science

Predictive Failure Detection in Data Warehouse Architectures Through Machine Learning

Dit onderzoek stelt een machine learning-framework voor dat ensemblemethoden en uitlegbare AI benut om uitval van datawarehouses tot 15 minuten van tevoren te voorspellen door systeemmetrieken te analyseren, waardoor downtime wordt verminderd door proactieve anomaliedetectie en geautomatiseerde oorzaakanalyse.

Hendrik Robert2026-06-25

💻 computer science

How Class Imbalance Treatments Distort SHAP Attribution Fidelity: A Monte Carlo Investigation of Ranking and Magnitude Errors

Door middel van een uitgebreid Monte Carlo-onderzoek toont dit artikel aan dat hoewel de omvang van de trainingssteekproef de belangrijkste drijfveer is voor de getrouwheid van SHAP-attributie, veelgebruikte behandelingen voor klassenimbalans vaak de rangschikking en grootte van kenmerken verstoren, wat de auteurs ertoe aanzet om het vermijden van herbalancering aan te bevelen ten gunste van klasseweging wanneer SHAP-interpreteerbaarheid een prioriteit is.

Rıdvan Kara2026-06-25

💻 computer science

CLHA: Cross-Layer Hessian Aggregation for Quantizing Weight-Shared Mixture-of-Experts Transformers

Dit artikel introduceert CLHA, een cross-layer Hessian-aggregatiemethode voor post-training kwantisatie van gewichtsgedeelde Mixture-of-Experts transformers die de totale reconstructiefout minimaliseert door Hessian-statistieken over gedeelde lagen te combineren, waarbij het bestaande per-layer kalibratiebenaderingen aanzienlijk overtreft en tegelijkertijd kritieke implementatiefouten in Hessian-schatting aanpakt.

Kunal Dhanda2026-06-25

💻 computer science

AAL: In-Band Source Annotations for Just-In-Time Context Injection in Autonomous Agentic Workflows

Dit artikel introduceert de Agentic Annotation Language (AAL), een nieuw in-band annotatiesysteem dat Just-In-Time contextinjectie voor autonome agenten mogelijk maakt, waardoor het tokenverbruik en de contextvervuiling aanzienlijk worden verminderd in vergelijking met traditionele globale regelbestanden, terwijl een hoge mate van naleving van domeinspecifieke beperkingen behouden blijft.

Jorge O Varona2026-06-25

💻 computer science

Cross-Dataset Generalization in Urdu Fake News Detection: An Empirical Study with XLM-RoBERTa and a Length Confound Analysis

Dit artikel presenteert de eerste cross-dataset generalisatiestudie voor het detecteren van nepnieuws in het Urdu, waarbij wordt onthuld dat een model dat getraind is op de Ax-to-Grind-dataset catastrofaal faalt wanneer het wordt toegepast op de Notri-Fact-dataset vanwege een systematische lengte-confound in de trainingsdata die shortcut learning induceert, waardoor kritieke gebreken in de huidige datasetconstructie en evaluatiepraktijken voor laag-resource NLP worden benadrukt.

Muhammad Abdullah Haroon2026-06-25

← Vorige Volgende →