💻 计算机科学

Memory or Generalization? Temporal Probing of Data Contamination in Bengali LLM Benchmarks

本文引入了“时间探测”(temporal probing),这是一种利用难度匹配且在截止日期之后发布的题目来进行直接有效性测试的方法,旨在衡量孟加拉语大语言模型基准测试中的数据污染情况,研究发现尽管静态翻译测试集广泛存在,但目前模型在 BoolQ-bn 数据集上并未表现出由记忆效应导致的显著性能膨胀。

Md Fahim Faisal Tanha2026-08-31
💻 计算机科学

A Governed Shared-Kernel Architecture for Persistent, Auditable Multi-Agent Societies Beyond the LLM Session

本文评估了“World 8”,这是一种实验性的共享内核架构,它通过将逻辑角色身份与瞬时会话解耦,来强制执行持久、可审计且可恢复的多智能体治理,并通过广泛的试验证明,虽然通用加固可以解决常见故障,但特定的治理封装对于防止复杂的授权和篡改漏洞是必不可少的。

Saeed Farokhi2026-08-31
💻 计算机科学

WVAB: A Low-Latency Wireless Assistive Vision Framework for Risk-Aware Navigation and Multilingual Audio Guidance

本文提出了 WVAB,一种主机辅助的无线辅助视觉框架,该框架集成了 ESP32-CAM 感知、UDP 传输和 YOLOv8n 推理,以实现具有低延迟、风险感知导航及多语言语音引导的功能,在原型测试中展示了 78.6 毫秒的 GPU 处理延迟和 91.5% 的规划器一致性,同时也承认了在临床验证方面的局限性。

Md Shahanur Islam Shagor2026-08-31
💻 计算机科学

Quantifying Multilingual Safety Alignment Vulnerabilities: The Impact of Parameter Scale and Low-Resource Script Tokenization

本文通过实证研究表明,尽管增加参数规模能提升英文的安全性对齐,但由于脚本分词碎片化问题,开源权重模型在处理乌尔都语和旁遮普语等低资源语言时,在面对越狱攻击时仍然表现出显著更高的脆弱性,从而揭示了当前安全基准测试中存在的关键评估盲点。

Faizan e Bahoo Chaudhry2026-08-31