💻 Category

cs

3657 artigos

💻 ciência da computação

Explaining Cross-Dataset False Positives in Encrypted Traffic Classification for Forensic Interpretation

Este estudo demonstra que modelos de aprendizado de máquina para classificação de tráfego criptografado podem alcançar alta precisão interna, mas produzir falsos positivos significativos quando aplicados a diferentes conjuntos de dados, revelando que a importância das características por si só é insuficiente para a interpretação forense e que tais alertas devem ser tratados como pistas investigativas em vez de evidências definitivas.

Madhab Chandra Das, Qingzhong Liu2026-10-20
💻 ciência da computação

Residual Privacy Leakage after Output Scrubbing in Tool-Using LLM Agents under Indirect Prompt Injection

Este artigo demonstra que a limpeza de saída pós-geração é uma defesa primária insuficiente contra o vazamento de privacidade em agentes de LLM que utilizam ferramentas sob injeção de prompt indireta, visto que exposições residuais frequentemente persistem através de reexpressões semânticas mesmo após a remoção de valores exatos e intervalos contíguos.

Kashvi Gupta2026-10-20
💻 ciência da computação

The Locality Gap: Bell-Inequality Audits for Covert Coordination Between Ostensibly Isolated AI Agents

Este artigo propõe o uso de auditorias de desigualdade de Bell, especificamente o jogo CHSH, como um instrumento livre de modelo para detectar coordenação oculta entre agentes de IA ostensivamente isolados, distinguindo comunicação genuína de mera correlação estatística, ao mesmo tempo em que destaca que a validade do método depende criticamente da imprevisibilidade das configurações do auditor para evitar falsos positivos.

Alfredo Merlet2026-10-20
💻 ciência da computação

EviNav: Evidence-Driven Grounding and Validated Termination for Zero-Shot Instance Navigation

EviNav é um framework livre de treinamento e baseado em evidências para navegação de instância zero-shot que acumula evidências visuais e semânticas de múltiplas vistas para distinguir alvos de forma robusta e determinar a terminação, alcançando taxas de sucesso de estado da arte tanto em tarefas de navegação com objetivos de imagem quanto de texto.

Juzhou Chen, Gaojing Zhang, Phil Birch, Bao Nguyen2026-10-20
💻 ciência da computação

Lightweight, Autonomous Security Agents for Operator Workstations: An Explainable XGBoost-Driven Authentication Policy

Este artigo apresenta um agente de segurança autônomo e leve para estações de trabalho de operadores que utiliza um módulo de dinâmica de digitação eficiente baseado em XGBoost para alcançar 99,8% de precisão de autenticação com consumo mínimo de recursos, enquanto emprega explicabilidade baseada em SHAP e políticas graduais com intervenção humana para permitir uma implantação em escala de borda sustentável.

Erik Pál, Róbert Lakatos, András Hajdu2026-10-20
💻 ciência da computação

Haar-CFR: Solving Imperfect-Information Games with Applications in Data Analytics and Finance

O Haar-CFR é um novo framework híbrido que integra a regularização de wavelet de Haar discreta com o algoritmo CFR+ para alcançar uma compressão de memória massiva e uma convergência mais rápida do que os métodos existentes, oferecendo uma solução escalável e interpretável para resolver jogos de informação imperfeita de grande escala em domínios como finanças e poker.

Florian Fey, Sergei Gorlatch2026-10-19
💻 ciência da computação

Machine translation of modern Chinese poetry into Japanese: A comparative evaluation of LLMs, neural machine translation systems, and prompt strategies

Este estudo avalia o desempenho de sistemas baseados em LLM (ChatGPT e DeepSeek) versus sistemas tradicionais de NMT (Google Translate e DeepL) na tradução de poesia chinesa moderna para o japonês, constatando que os LLMs geralmente superam os NMTs em fidelidade, fluidez e estilo, ao mesmo tempo em que demonstram que estratégias de prompt podem influenciar significativamente a qualidade da tradução de uma maneira dependente do modelo.

Yuhuan Wang, Qilong Yu, Lianghong Hui, Guanglu Peng2026-10-19
💻 ciência da computação

Novel Transparent Machine Learning Algorithm - Predicting Sepsis from Routine ED Data.

Este estudo de coorte retrospectivo introduz um algoritmo de aprendizado de máquina totalmente transparente e inovador (ShAproxRef) que aproxima uma rede neural de "caixa preta" para prever sepse a partir de dados rotineiros de pronto-socorro com precisidade comparável (AUC de 0,82 em testes externos), aumentando, assim, a confiança clínica e facilitando a implementação.

Alf Timney, Kate Honeyford, Céire Costello2026-10-19
💻 ciência da computação

Enhancing Structural Quality in Medical X-ray Super-Resolution via Domain-Aware Loss

Este artigo propõe e valida funções de perda conscientes do domínio (USELoss) que substituem as perdas perceptuais padrão para aumentar significativamente a fidelidade estrutural e a preservação de bordas da super-resolução de raios-X médicos, superando métodos existentes como SRGAN, ESRGAN e HAT no conjunto de dados PadChest.

Aryan Tyagi, Neeraj Sharma, Prachi Pant, Mohini Manav2026-10-19