💻 Category

cs

3773 papers

💻 informatica

FedCardioGuard: Quality- and Uncertainty-Aware Personalized Federated Learning with Rare-Class Generalization Audits for ECG Classification

FedCardioGuard is een kwaliteits- en onzekerheidsbewust gepersonaliseerd federated learning-framework voor ECG-classificatie dat de macro-F1-scores en kalibratie op non-IID-data significant verbetert door middel van multi-schaal codering en adaptieve fusie, hoewel het momenteel moeite heeft met de herkenning van zeldzame klassen vanwege cold-start- en scoretransferbeperkingen.

Sareh Saberi, Abbas Karimi, Faraneh Zarafshan, Javad Akbari Torkestani2026-10-12
💻 informatica

BCMGF: Feature Interaction with Glyph-Enhanced Representations for Chinese Agricultural Named Entity Recognition

Het artikel stelt BCMGF voor, een nieuw Chinees model voor het herkennen van entiteiten in de landbouw, dat de prestaties verbetert door het integreren van glyph-kenmerken op strijk-niveau, een multi-level feature interactie aandachtmodule en adversariële training om uitdagingen zoals zeldzame domeintermen en ambigue grenzen effectief aan te pakken, waarbij het de beste resultaten bereikt op zowel landbouw- als algemene datasets.

Yongqi Zhang, Jinyu Zeng, Chenguang Song, Xue Qi, Bingjing Jia2026-10-12
💻 informatica

A Design‑Science Proof‑of‑Concept for Constraining LLM Pedagogical Decisions Using Knowledge Graphs

Deze studie toont aan dat het integreren van Knowledge Graphs met Large Language Models via een Design Science Research-benadering effectief pedagogische hallucinaties beperkt en de logische validiteit in educatieve AI afdwingt door de generatieve actieruimtes proactief te beperken met symbolische semantische structuren.

Susana Ayu Handayani, Priyo Nugroho Adi, Thomas Köhler, Mochamad Bruri Triyono, Priyanto Priyanto, Siswantoyo Siswantoyo (…)2026-10-12
💻 informatica

FACT-SR: Faithfulness-Aware Multi-Task Learning for Aspect-Based Sentiment Reasoning

Het artikel stelt FACT-SR voor, een schaal-invariant multi-task leerframework dat aspect-gebaseerd sentimentredeneren verbetert door getrouwheidsbeperkingen op de rationale-generatie af te dwingen en een nieuwe automatische gewichtsleerstrategie toe te passen om heterogene doelstellingen in evenwicht te brengen, wat resulteert in superieure classificatieprestaties en redeneerbetrouwbaarheid over diverse modelformaten heen.

shirong cheng, Bei Wu, Xin Zhang, Yahui Wu, Qika Lin2026-10-12
💻 informatica

Beyond the Leaderboard Average: Cross-Task Consistency, Model Scale, and Specialization Structure in the Massive Text Embedding Benchmark

Dit artikel analyseert MTEB-resultaten om aan te tonen dat hoewel de best presterende embeddingmodellen de neiging hebben een grotere cross-task consistentie te vertonen dan modellen die nauwer geoptimaliseerd zijn, model schaal alleen dergelijke balans niet garandeert, wat aanleiding geeft tot een oproep om naast geaggregeerde scores ook de prestatiedispersie te rapporteren voor een betere modelselectie.

Zhe Zhang2026-10-12
💻 informatica

Opening the Black Box or Responding to Demands? Rethinking and Reconstructing the European Standard of Algorithmic Explanation

Dit artikel bekritiseert de beperkingen van de huidige EU-standaard voor algoritmische uitlegbaarheid en bestaande mitigatie- of substitutiebenaderingen, en stelt in plaats daarvan een vraaggestuurd kader voor dat de standaard reconstrueert door uitlegbaarheidsbehoeften te categoriseren op basis van controlepunten van actoren en deze te realiseren via haalbare substitutieschema's.

feng zhi2026-10-12
💻 informatica

Multimodal Depression Detection from Audio, Visual, and Textual Cues: Evaluation of Adaptive Gating versus Naive Concatenation

Deze studie toont aan dat hoewel adaptieve gating-mechanismen superieur lijken tijdens crossvalidatie, eenvoudige kenmerkconcatenatie feitelijk een robuustere en beter generaliseerbare prestatie oplevert voor multimodale depressiedetectie bij ongeziene deelnemers, wat benadrukt dat rigoureuze generalisatietesten kritischer is dan architecturale complexiteit voor kleine klinische datasets.

Azhar A. Hadi, Supreethi K.P.2026-10-12
💻 informatica

Efficient Long-Context Reasoning in Large Language Models: Hierarchical Token Compression with Sparse Attention and Dynamic Memory Management

Het artikel introduceert CLEAR, een verenigd framework dat hiërarchische tokencompressie, sparse attention-orkestratie en dynamisch geheugenbeheer combineert om efficiënte long-context redenering in grote taalmodellen mogelijk te maken, waarbij significante reducties in computationele complexiteit en geheugengebruik worden bereikt terwijl een hoge nauwkeurigheid op long-context benchmarks behouden blijft.

Babasaheb Satpute, Chaya Jadhav, Rajesh Bharati, Deepak Kshirsagar2026-10-12