💻 Category

cs

1062 artigos

💻 computer science

Curriculum-Aligned Analysis of Assessment Feedback: A Retrieval-Augmented Large Language Model Approach for Revealing Fine-Grained Student Error Patterns in Higher Education

Este estudo propõe uma abordagem de modelo de linguagem de grande escala com recuperação aumentada que transforma feedbacks de avaliação não estruturados em padrões de erro alinhados ao currículo com alta precisão, permitindo que equipes de ensino reflitam sobre o impacto instrucional e orientem revisões curriculares direcionadas no ensino superior.

Linxin Hua, Jia Xu, Lirui Guo, Nan Zheng, Qingtan Shen, Dilang Tan, Ye Lu2026-06-25
💻 computer science

Comparative Analysis of LLM-Based Conversational Agents as an Assistive Technology for Web Interaction

Este estudo avalia a eficácia de quatro principais agentes conversacionais baseados em LLM como tecnologias assistivas para navegação na web, constatando que, embora demonstrem um potencial promissor para aumentar a acessibilidade para diversos grupos de usuários ao interpretar estruturas de páginas e guiar interações, seu desempenho varia significamente entre diferentes ferramentas.

Giuseppe Della Penna, Marina Buzzi, Barbara Leporini2026-06-25
💻 computer science

HE-CloudML: A Privacy-Preserving Framework for Secure Machine Learning Inference over Encrypted Cloud Data Using Homomorphic Encryption

Este artigo introduz o HE-CloudML, um framework de preservação de privacidade que permite a inferência de redes neurais profundas de forma segura e eficiente em dados criptografados na nuvem usando Criptografia Homomórfica, alcançando precisão próxima à de texto simples com melhorias significativas de latência em relação às soluções existentes, ao mesmo tempo em que garante uma resistência robusta contra vários ataques de privacidade.

Abdullahi Ahmed Abdirahman, Abdirahman Osman Hashi, Ubaid Mohamed Dahir, Mohamed Abdirahman Elmi2026-06-25
💻 computer science

WSymBert: A Weighted Neuro-Symbolic Attention Model for Interpretable CVSS Prediction

Este artigo apresenta o WSymBERT, um modelo de atenção neuro-simbólico ponderado que combina a compreensão contextual de linguagem com conhecimento especializado estruturado para alcançar uma predição automatizada altamente precisa e interpretável das métricas Base do CVSS v3.1, superando modelos de referência transformer existentes enquanto se alinha mais proximamente ao raciocínio de especialistas.

Seyedeh Leili Mirtaheri, Amirhossein Majd, Reza Shahbazian, Georgios Spathoulas, Aida Akbarzadeh, Andrea Pugliese2026-06-25
💻 computer science

MAP-RAG: A Multi-View Adaptive Pattern-Aware Medical Retrieval-Augmented Generation Diagnostic Framework

O MAP-RAG é um novo framework adaptativo de múltiplas visões que aumenta a precisão e a eficiência do diagnóstico clínico ao integrar a decomposição de prontuários eletrônicos estruturados com recuperação híbrida e roteamento dinâmico de confiança, demonstrando desempenho superior em múltiplos departamentos médicos em comparação com modelos de linha de base.

Zhaolin Lu, Xulin Liu, Hongliang Bi, Feilong Tan, Caiying Zhang2026-06-25
💻 computer science

OrganSegBench: Bridging the Translational Gap for Medical Segmentation Foundation Models Through Principled Model Synergy

Para abordar a lacuna de translação em modelos de fundação de segmentação médica causada por benchmarks excessivamente otimistas e pelo compromisso entre precisão e equidade, este artigo introduz o OrganSegBench, um rigoroso framework de avaliação multidimensional que demonstra como a sinergia de modelos baseada em princípios, por meio de estratégias de ensemble, supera modelos monolíticos ao alcançar uma IA segura, equitativa e clinicamente confiável.

Qing Li, Yizhe Zhang, Xin Guo, Haosen Zhang, Mo Yang, Mengting Sun, Longyu Sun, Haoyang Zhang, Junhong Liu, Yan Li, Yaji (…)2026-06-25
💻 computer science

A Hybrid Retrieval Augmented Generation Approach for Explainable Clinical Decision Support Using Vector Databases and Best Matching 25

Este artigo apresenta um framework híbrido de Geração Aumentada por Recuperação que integra busca semântica baseada em BM25 e BioBERT com Fusão de Classificação Recíproca para aprimorar o suporte à decisão clínica explicável e personalizado e a previsão precoce de risco de doenças, alcançando um desempenho de recuperação superior em um conjunto de dados de 182.000 registros médicos em comparação com as linhas de base tradicionais.

Bodireddy Mahalakshmi, Smita Khairnar, Shilpa Gite, Anurag Lengure, Anuj Loharkar, Swaraj Mahadik, Soham Mahajan2026-06-25
💻 computer science

An Explainable Hybrid of Classical and Quantum Support Vector Machine Models for Maternal Mental Health Risk Prediction Using Multicountry Data

Este estudo propõe um modelo de Máquina de Vetores de Suporte Híbrida Clássico-Quântica explicável que utiliza dados de múltiplos países para alcançar um desempenho superior na predição de risco de saúde mental materna (99,86% de acurácia), identificando simultaneamente os principais preditores clínicos por meio da análise SHAP.

Shallon Ahimbisibwe, Emmanuel Ahishakiye, Samuel Maling, Simon Kawuma, Richard Ntwari, Boaz Twinamasiko, Fred Kaggwa2026-06-25
💻 computer science

Runtime Detection of Attacks and Misconfigurations in Cloud-Native Kubernetes Environments Using eBPF Network Telemetry

Este artigo demonstra que a telemetria de rede Hubble/eBPF, quando combinada com rótulos de verdade fundamental cuidadosamente construídos, pode detectar eficazmente ataques em tempo de execução e más configurações em ambientes Kubernetes, revelando que os atributos de identidade do lado do destino são os indicadores mais fortes de ameaças, apesar de um compromisso entre a alta precisão dos detectores baseados em regras e o maior recall dos classificadores Random Forest.

Andrew Oppong-Asante, Bernard Kyiewu, Clinton Amponsah, Linda Bessa-Simons, Caleb Boakye Yiadom2026-06-25
💻 computer science

ST-HAE: Spatio-Temporal Anomaly Detection inHeterogeneous IoT Networks Under Realistic Class Imbalance

Este artigo apresenta o ST-HAE, um autoencoder híbrido espaço-temporal não supervisionado que alcança detecção de anomalias de alta precisão em redes IoT heterogêneas sob desequilíbrio de classes realista ao treinar exclusivamente em tráfego benigno e utilizar codificação temporal bidirecional para reduzir significativamente as taxas de falso alarme e a variância em comparação com métodos existentes.

Vamsi Krishna Reddy, Nageswara Rao kuda2026-06-25