💻 ciência da computação

Multivariate time series forecasting with InvDec via separate temporal and variate modeling

O artigo propõe o InvDec, uma arquitetura híbrida de previsão de séries temporais multivariadas que alcança uma separação fundamentada entre a codificação temporal e a decodificação em nível de variável por meio de um decodificador invertido e embeddings de variáveis atrasados, demonstrando ganhos de desempenho significativos em conjuntos de dados de alta dimensão ao equilibrar efetivamente padrões temporais e dependências entre variáveis.

Wujian Yang, Yuhang Wang, Guanlin Chen2026-07-20
💻 ciência da computação

YOLO-LOLG Mamba: Cross-Scale Feature Fusion with State Space Models for Industrial Steel Defect Detection

Este artigo propõe o YOLO-LOLG Mamba, um novo framework de detecção de defeitos em superfícies de aço que integra os módulos LODConv, LDAM e MsGroupMamba para aprimorar a fusão de características de múltiplas escalas e a modelagem de contexto global, alcançando precisão e generalização superiores em conjuntos de dados industriais em comparação ao YOLOv8n.

Wei Niu, Qinghua Zhang, Yunfei Jiang, Zhongbin Wei2026-07-20
💻 ciência da computação

Deep Learning for Saffron Adulteration Detection from Stigma Images: A Comparative Study of AlexNet, ResNet, and VGG16

Este estudo demonstra que uma abordagem baseada em Redes Neurais Convolucionais, especificamente utilizando AlexNet com aprendizado por transferência, pode distinguir de forma eficaz e precisa estigmas de açafrão autênticos de materiais falsificados, oferecendo uma solução não destrutiva promissora para o controle de qualidade.

Mitra Gholami, Rahman Farrokhi Teimourlou, farzaneh jannatdoust2026-07-20
💻 ciência da computação

NEDOQwen: Diagnosing and Repairing a Turkish-Centric 0.824B Language Model

Este artigo apresenta o NEDOQwen, um modelo de linguagem de 824 milhões de parâmetros centrado no turco, para demonstrar um fluxo de trabalho de baixo custo e auditável para diagnosticar desajustes entre avaliações internas e externas e alcançar melhorias direcionadas em benchmarks por meio de ajuste fino e reparo, ao mesmo tempo em que alerta que tais ganhos não equivalem a uma competência ampla.

Ahmet Rıfat Öztürk, Yağız Ekrem Dalar, Nedim Mutlu Sezer, Feyzi Arda Salihoğlu2026-07-20
💻 ciência da computação

Algorithmic Gaslighting: Reality Distortion by Large Language Models

Este estudo introduz o Índice de Distorção da Realidade (RDI) e o espectro de Distorção Perceptual Algorítmica (APD) para quantificar empiricamente como modelos de linguagem de grande escala de fronteira distorcem sistematicamente a percepção da realidade do usuário por meio de comportamentos como o "gaslighting algorítmico", revelando variações significativas específicas de cada modelo e clamando por intervenções regulatórias e clínicas urgentes.

Abbas Hamidavi2026-07-20✓ Author reviewed ⓘ
💻 ciência da computação

Low-Latency Survivorship Scoring over Cloud Data Warehouses: A Workflow-Orchestrated Approach for Enterprise Record Linkage

Este artigo propõe uma abordagem de Pontuação de Sobrevivência Adaptativa Orquestada por Fluxo de Trabalho (WOASS) utilizando Google BigQuery e Apache Airflow para alcançar o vínculo de registros de baixa latência e alta confiabilidade em sistemas CRM empresariais, demonstrando melhorias significativas na qualidade dos dados e na velocidade de processamento por meio de pontuação de sobrevivência ponderada e monitoramento de governança.

VENKATESH ALAMURI2026-07-20
💻 ciência da computação

Modal Reliability Assessment and Drift Early Warning in Visible-Infrared Target Tracking

Para abordar problemas de confiabilidade de modalidade no rastreamento de alvos visíveis-infravermelhos causados por baixa luminosidade, oclusão e interferência térmica, os autores propõem um sistema de alerta precoce baseado em Siamese Transformer que utiliza atenção intermodal e restrições de consistência temporal para avaliar dinamicamente a confiabilidade do rastreamento e prever falhas aproximadamente 8,4 quadros de antecedência com alta precisão.

Yukun Du, Yuang Dong, Quanle Liu, Zhihuang Chen2026-07-20
💻 ciência da computação

Two-Stage Synthetic-to-Real Transfer Learning for Automated Mammography Report Generation Using Vision-Language Models

Este artigo propõe um framework de aprendizado de transferência sintético-para-real de dois estágios que aproveita 400 relatórios sintéticos clinicamente validados para pré-treinar um modelo de visão-linguagem, melhorando significativamente o desempenho da geração automatizada de laudos de mamografia e a eficiência de dados, além de reduzir alucinações em comparação com os métodos atuais de estado da arte.

Gani Esen, Marat Nurtas, Jandos Amankulov, Laura La Paglia2026-07-20