💻 Category

cs

3648 artigos

💻 ciência da computação

A Scalable Framework for Longitudinal Surveillance of Research Evolution in Digital Medicine

Este artigo apresenta uma estrutura inovadora e escalável para rastrear a evolução da pesquisa através de literatura biomédica heterogênea, a qual foi aplicada a 78.073 artigos em medicina digital para revelar mudanças de tendências em aprendizado de máquina e IA generativa, ao mesmo tempo em que demonstra que muitos declínios aparentes em tópicos são artefatos de mudanças nas fontes de palavras-chave, em vez de um genuíno enfraquecimento do interesse.

Yilun Liang, Gongbo Zhang, Casey Ta, Yilu Fang, Chunhua Weng2026-10-20
💻 ciência da computação

Exact and near-duplicate symptom profiles inflate the reported performance of machine learning classifiers for diabetes: a leakage- aware re-evaluation of the UCI Early-Stage Diabetes dataset

Este estudo demonstra que o alto desempenho amplamente relatado de classificadores de aprendizado de máquina no conjunto de dados UCI Early-Stage Diabetes é significativamente inflado pelo vazamento de dados proveniente de perfis de sintomas exatos e quase duplicados, revelando que a validação cruzada rigorosa agrupada por perfil reduz substancialmente as estimativas de acurácia e altera os rankings dos modelos.

William Marin-Rodriguez, Daniel Andrade-Girón, Viviana Vellon-Flores, Enrique Diaz-Vega, Timoteo Solano-Armas2026-10-20
💻 ciência da computação

BTC-FUSION: Fusing Bitcoin Peer-to-Peer Network Metadata with On-Chain Analytics for Explainable Lead Generation and Risk-Controlled Attribution

O BTC-FUSION é um sistema offline que funde metadados da rede P2P do Bitcoin com análise on-chain para gerar leads explicáveis e de risco controlado para detecção de atividades ilícitas ao empregar um resolvedor ciente de CoinJoin, classificação baseada em gradient boosting e uma política de resposta de erro estritamente limitada, enquanto reconhece limitações na precisão de atribuição contra condições adversariais específicas.

Harshit Kumar Sengar, Yury Trochin, Tanav Dwivedi, Akshat Prasad, Ashwani Kumar, Tanvi Goel2026-10-20
💻 ciência da computação

Reliable Skin-Tone Fairness in Dermatology AI: From Lesion-Level Leakage to Tone-Adaptive Learning

Este artigo aborda a equidade de tons de pele na IA dermatológica ao expor a severa inflação de desempenho causada pelo vazamento de dados ao nível da lesão e a falta de confiabilidade dos proxies de tom de pele baseados em luminância, propondo, em última análise, um protocolo de avaliação rigoroso e um pipeline de pré-processamento adaptável ao tom que melhora significativamente a sensibilidade do modelo para tons de pele mais escuros sob condições clínicas realistas.

Muhammad Rizwan Tahir, Shaista Habib, Sadaf Jabeen, Zahoor Khan2026-10-20
💻 ciência da computação

A Leakage-Safe, Interpretable Machine Learning Baseline for CNC Tool Wear Classification: Reproducibility Lessons from the UC Berkeley Milling Dataset

Este estudo estabelece um framework de avaliação reprodutível e livre de vazamento para a classificação do desgaste de ferramentas CNC usando o UC Berkeley Milling Dataset, demonstrando que um modelo de regressão logística simples e interpretável supera modelos de ensemble complexos quando devidamente agrupado por caso de ferramenta, alinhando-se com indicadores físicos de desgaste.

Md Ryshur Rahman Turin, Md Abid Hasan, Jamal Uddin Ahamed2026-10-20
💻 ciência da computação

Robust and Scalable Lexical Candidate Generation for Knowledge Graph Matching: A Cross-Domain Empirical Study

Este artigo apresenta um estudo empírico cross-domain avaliando quatro métodos de geração de candidatos lexicais em 34 conjuntos de dados, revelando que o BM25 oferece um desempenho estável enquanto a recuperação por n-gramas de caracteres serve como uma linha de base robusta de configuração zero, permitindo, em última análise, o emparelhamento escalável de grafos de conhecimento com uma redução do espaço de busca de mais de 99%.

Savita Sawant, Sushopti Gawade, Mukesh Shrimali2026-10-20
💻 ciência da computação

Facts Without Owners. Consolidating a Conversation into a Language Model's Weights Stores What Was Said, Not Who Said It

Este artigo demonstra que, embora a consolidação do histórico de conversação diretamente nos pesos de um modelo de linguagem melhore a recuperação factual sem arquivos externos, o modelo falha em rastrear de forma confiável a proveniência do interlocutor, tornando necessária a retenção de um arquivo externo para atribuir informações com precisão.

Maximiliano Rodrigo Speranza2026-10-20