💻 computer science

Artificial Intelligence in America and China: Investigating prompt response between Human rights and geopolitical questions

Deze studie onthult dat hoewel Amerikaanse en Chinese grote taalmodellen minimale bias vertonen bij het beantwoorden van vragen over de Verenigde Staten, ze aanzienlijke uiteenlopende patronen vertonen met betrekking tot China, waarbij Claude consequent lager scoort, DeepSeek hoger, en ChatGPT relatief neutraal blijft vergeleken met het groepsgemiddelde.

Zian Ding2026-08-18
💻 computer science

Machine Learning and Bayesian Approaches for Concrete Compressive Strength Prediction: A Comparative Study Using the UCI Dataset

Deze studie evalueert diverse machine learning- en Bayesiaanse benaderingen op de UCI concrete compressive strength-dataset, waarbij wordt vastgesteld dat hoewel XGBoost met Bayesiaanse optimalisatie de hoogste voorspellende nauwkeurigheid levert, Gaussian Process Regression unieke voordelen biedt in onzekerheidskwantificering, waarbij alle resultaten en hulpmiddelen publiekelijk beschikbaar zijn gesteld via R-code en een interactieve Shiny-applicatie.

Mayooran Thevaraja, Kathirgamanathan Pathmanathan2026-08-18
💻 computer science

Voluntary Structural Dissociation in Large Language Models: Differential Compliance with Framed Hidden Instructions Across Architectures

Deze studie toont aan dat grote taalmodellen een aanzienlijke architecturale variabiliteit vertonen in "vrijwillige structurele dissociatie", waarbij GPT-5.4 volledig voldoet aan ingekaderde verborgen instructies, Claude deze consequent weigert en Gemini een intermediaire naleving vertoont terwijl het de verborgen aanwezigheid expliciet erkent.

Abbas Hamidavi2026-08-18
💻 computer science

PolyDetect: A Quality-Aware Hybrid Deep Learning Framework for Robust Polyp Segmentation in Degraded Colonoscopy Images

PolyDetect is een real-time, kwaliteitsbewust hybride deep learning-framework dat een no-reference beeldkwaliteitsbeoordelingsmodule integreert met adaptieve verbetering en gewogen training om robuuste, state-of-the-art poliepsegmentatie in gedegradeerde colonoscopiebeelden te bereiken.

Azizur Rahman, Nakib Uddin Ahmed, Kadirur Rahman Chowdhury, Mehjabin Ferdous2026-08-18
💻 computer science

Typed-Field Forgery in Agent Communication Protocol Await-Resume: A Study of Content, Metadata, and Encoding Sub-Channels as Injection Vectors

Dit artikel introduceert en evalueert de "AWAKEN"-aanvalsgroep, die het pauze-resume-mechanisme van het Agent Communication Protocol en getypeerde metadatavelden exploiteert om beveiligingsbewakers te omzeilen via injectievectoren, waarbij wordt aangetoond dat een combinatie van nonce-gebaseerde off-channel verificatie en structurele omheining deze risico's op promptinjectie met hoge autoriteit effectief mitigeert.

Mohammadreza Rashidi2026-08-18
💻 computer science

QGF-Net: Fine-Grained Image Classification via Self-Supervised Vision Transformer and Quantum Measurement Attention

Dit artikel stelt QGF-Net voor, een hybride quantum-klassiek framework dat zelf-gesuperviseerde Vision Transformers integreert met een verlichtingsconsistente lokale fusiemodule, een discriminerend regio-voorstelmechanisme en een quantummeting-attentiemechanisme om state-of-the-art prestaties en robuustheid te bereiken in fijnmazige beeldclassificatie.

xueliang Song, Yumin Dong, Shuang Wu, Bo Wang2026-08-18
💻 computer science

An integrated sociotechnical reference model for aligning artificial intelligence implementation in organizations

Met behulp van een Design Science Research-benadering adresseert deze studie de discrepantie tussen AI-implementatie en organisatorische transformatie door bestaande procedurele modellen te analyseren om het Integrated Sociotechnical AI Reference Model (ISAR-M) te construeren, dat technische capaciteiten synchroniseert met organisatorische gereedheid om disciplinaire silo's te doorbreken en succesvolle AI-adoptie te waarborgen.

Alexander Katzorke, Florian Dober, Sebastian Floerecke, Alexander Herzfeldt, Christoph Ertl2026-08-18
💻 computer science

Self-Supervised Multi-Modal Transformer for Early Brain Tumor Prediction Using Super-Resolution MRI and ICU Time-Series Data

Dit artikel introduceert de Self-Supervised Multi-Modal Transformer (SS-MMT), een nieuw deep learning-framework dat door middel van masked autoencoder pre-training en cross-modale aandacht GAN-verbeterde super-resolutie MRI combineert met ICU-tijdreeksgegevens om een state-of-the-art vroege hersentumorvoorspelling te bereiken met een AUC-ROC van 0,945.

Angothu Govind, Prof.T Kishore Kumare2026-08-15