929 papers
Dit artikel toont aan dat in beperkte multimodale oncologische settings met beperkte en heterogene data, auditeerbare bewijs-rolorganisatie — het toewijzen van specifieke, compacte rollen aan moleculaire, fenotypische en klinische inputs — een kritischere determinant is voor cross-domain transferprestaties dan simpelweg het vergroten van de representatieschaal.
Deze studie stelt een op GraphRAG gebaseerde methodologie voor voor geautomatiseerde meta-analyse van Transcraniële Magnetische Stimulatie (TMS) literatuur, die gebruikmaakt van titelgebaseerde chunking, constructie van kennisgrafen op paperniveau en hybride retrieval om met hoge nauwkeurigheid parameters te extraheren en de benodigde tijd voor bewijssynthese aanzienlijk te verminderen.
StructFix is een structuurbewust framework voor automatische programmaherstel dat masked taalmodellen verbetert door Code Property Graphs te integreren om controle- en datadependenties beter te vatten, waardoor de effectiviteit van herstel en de cross-language robuustheid worden verbeterd in vergelijking met bestaande op token-sequenties gebaseerde benaderingen.
Het artikel stelt FedVIB–AGP voor, een post-aggregatie herstelraamwerk voor federated learning dat Variational Information Bottleneck-regularisatie tijdens de training combineert met Activation-Gap Pruning tijdens het herstel om gedistribueerde backdoor-aanvallen effectief te onderdrukken terwijl de nauwkeurigheid van de schone taak hoog wordt gehouden.
Dit artikel toont aan dat hoewel het systematisch variëren van elementen in prompt engineering, zoals labelbeschrijvingen, instructieve nudges en few-shot voorbeelden, de nauwkeurigheid van LLM-classificatie voor sociaalwetenschappelijke teksten aanzienlijk kan verbeteren, de prestatiewinst vaak marginaal is bij minimale toenames in context, soms kan afnemen bij overmatige context, en aanzienlijk varieert tussen modellen en taken, wat individuele validatie noodzakelijk maakt in plaats van het vertrouwen op algemene regels.
Dit artikel stelt een praktisch, meerlagig deep learning-framework voor dat gebruikmaakt van CNN's en LSTM's om geavanceerde cybersecurity-dreigingen te detecteren door kritieke technische uitdagingen zoals data-imbalans aan te pakken en een gids te bieden voor schaalbare, real-time implementatie in Security Operations Centers.
Dit artikel stelt een intelligent, realtime framework voor voor de detectie en vroege waarschuwing van drones voor de bewaking van kritieke infrastructuur met behulp van het YOLO26 deep learning-model, dat is getraind op een aangepaste database met meerdere scenario's en is geëvalueerd tegen baseline-modellen om een superieure nauwkeurigheid en snelheid aan te tonen bij het identificeren van kleine, verre en uitdagende drone-doelwitten.
Dit artikel toont aan dat Recursive Indexing (RIX)-analyse van latente transporttopologie structurele regimetransities in wereldmodellen kan detecteren die voorafgaan aan gedragsfalen, waarbij wordt onthuld dat representaties puntgewijs stabiel kunnen blijven terwijl hun onderliggende organisatiestructuur onder stress instort.
Tamarin (HSQ) introduceert een reversibel, drielaags hiërarchisch KV-cache compressieschema dat tokens routeert naar een focale laag, geleerde samenvattingsvectoren en een CPU-gebaseerd archief om een 12–28× reductie van het GPU-geheugen te bereiken voor long-context LLM-inferentie, terwijl de perplexiteit en de nauwkeurigheid van de retrieval nagenoeg gelijk blijven aan de baseline.
Dit artikel stelt een raamwerk voor met gegradeerde autonomie, aangepast van de automotive J3016-standaard, om agentische AI in de gezondheidszorg te reguleren door systemen over drie domeinen en zes niveaus te classificeren om capaciteit van autorisatie te scheiden, waardoor veiligheidstekorten in huidige evaluatiemetrieken worden geadresseerd via een uitgewerkt voorbeeld van autonoom sepsisbeheer.