Irem Yoldas; Martim Brandão; Jie Zhang; Odinaldo Rodrigues
Summary
This paper introduces two bias testing methodologies for LLMs and VLMs in pedestrian-yielding decisions, finding that both model types are influenced by pedestrian demographics such as gender, ethnicity, religion, disability, age, skin ton…
Method
Penulis memperkenalkan dua metodologi pengujian bias untuk LLM dan VLM: 1. **Uji 'All Else Being Equal'**: Uji ini menyajikan skenario di mana semua faktor identik kecuali atribut…
Results
Temuan menunjukkan bahwa baik LLM maupun VLM membuat keputusan memberi jalan yang dipengaruhi oleh gender, etnis, agama, disabilitas, usia, warna kulit, dan status sosial-ekonomi pejalan kaki. Jenis …
CompanionSim is a synthetic data framework that simulates 2,240 human-chatbot conversations across 16 behaviors and seven use cases to study anthropomorphism in AI companions. Surprisingly, companionship behaviors decreased likability, hum…
Method
CompanionSim mencakup 2.240 percakapan manusia-chatbot yang disimulasikan, mewakili 16 perilaku chatbot yang berbeda di tujuh kasus penggunaan. Perilaku tersebut meliputi validasi…
Results
Bertentangan dengan ekspektasi, perilaku persahabatan tidak meningkatkan persepsi positif terhadap chatbot AI. Sebaliknya, pada kedua studi, perilaku tersebut menurunkan kesukaan, kemiripan dengan ma…
An external observer can classify GPU workloads by their physical power draw, achieving 97% accuracy across 17 LLM families and 25 non-AI workloads. A hardened detector catches disguised training up to 99% of the time, offering a cooperati…
Method
Penulis merekam $930$ jejak lima detik pada $\sim 10$ MHz, mencakup tujuh belas keluarga LLM terbuka dan dua puluh lima beban kerja non-AI. Daya fisik disampel secara eksternal, m…
Results
Pada korpus tersebut, pengklasifikasi memisahkan pelatihan dari inferensi dan dari komputasi non-AI dengan akurasi $97\%$ dan skor F1 rata-rata makro $0.955$, dievaluasi pada keluarga model yang tida…
Sri Saran Balaji Vellore Rajakumar; Jayanth Varavani; Murat Parlakisik; Pavani Panakanti
Summary
This study measures fleet-scale pod deployment across three VPC-native modes on Amazon EKS — individual secondary-IP allocation, ENI preallocation, and IPv4 prefix delegation — against Cilium and Calico overlay baselines. At 400 nodes, pre…
Method
Studi ini mengevaluasi tiga mode penyediaan alamat VPC-native pada Amazon EKS bersama dua baseline overlay (Cilium dan Calico). Mode VPC-native tersebut adalah: 1. **Alokasi secon…
Results
Pada 400 node, warm pool secondary-IP tiga alamat yang diuji memerlukan **7.403 detik** untuk menempatkan 80.000 pod. Dengan pengaturan praalokasi ENI dan delegasi prefiks yang diuji, beban kerja yan…
STAR-GS is a truthful, feasibility-aware mechanism that jointly performs task admission, ground-station assignment, bandwidth allocation, and critical-payment pricing for Ground Station as a Service. Simulations with Ansys STK show near-MI…
Method
Masalah penjadwalan GSaaS dirumuskan sebagai masalah maksimalisasi pendapatan atas himpunan tugas downlink $\mathcal{T} = \{1, \dots, n\}$, himpunan stasiun bumi $\mathcal{G} = \{…
Results
Simulasi menggunakan Ansys Systems Tool Kit (STK) menunjukkan bahwa STAR-GS secara konsisten mencapai pendapatan yang lebih tinggi daripada baseline heuristik, memperoleh kinerja mendekati MILP denga…
This work applies a semantic router with dynamic routes to identify network operator intent from natural-language prompts and extract the details required for intent fulfillment in 5G+ core networks. Static and dynamic route selection are …
Method
Pipeline yang diusulkan menggunakan semantic router untuk mengklasifikasikan prompt operator ke dalam intent dan kemudian mengekstraksi parameter yang diperlukan untuk pemenuhan. …
Results
Hasil yang disajikan menunjukkan bahwa rute statis dan dinamis berhasil dalam ekstraksi detail dan pemformatan skema. Evaluasi terhadap prompt operator yang realistis menunjukkan bahwa kedua pendekat…
Yuanbo Zhang; Qianfan Wang; Yangming Zhao; Lin Chen; Deke Guo
Summary
Zhang et al. formulate a cross-layer spatio-temporal path optimization problem for block-style stabilizer-code-protected direct transmission, and propose fixed-scheme, flexible-scheme single-flow, and multi-flow routing algorithms. Simulat…
Method
Para penulis memodelkan jaringan kuantum sebagai graf di mana qubit logis melintasi beberapa hop dan node yang mampu QEC dapat memulihkan keadaan terenkode sebelum penerusan berla…
Results
Makalah ini melaporkan evaluasi berbasis simulasi terhadap algoritma yang diusulkan. Untuk perutean aliran tunggal, kerangka kerja ini menurunkan biaya perutean rata-rata sekitar 25–30% dibandingkan …
Saif Ur Rahman; Rafid Umayer Murshed; Anton Dmitriev; Cagri Tanriover; Rahul C. Shah; Elahé Soltanaghai
Summary
WiNeRF learns a spatially continuous, complex-valued wireless channel representation directly from sparse CSI collected by commodity WiFi devices, achieving a median prediction SNR of 5.3 dB and outperforming prior neural baselines by 4.9 …
Method
WiNeRF adalah kerangka neural field yang memodelkan kanal nirkabel sebagai fungsi bernilai kompleks kontinu dari posisi spasial. Kerangka ini mencakup tiga komponen utama: 1. **Mo…
Results
WiNeRF dievaluasi di berbagai lingkungan dalam ruangan dengan wilayah non-line-of-sight (NLoS). Hasil kuantitatif utamanya adalah: - **SNR prediksi median**: 5,3 dB. - **Peningkatan dibanding baselin…
Libin Liu; Wenzhou Yang; Li Chen; Dan Li; Xiuting Xu
Summary
This paper leverages LLMs to mine 232 verified BGP routing anomalies from operator mailing lists, creating an 11.89X larger benchmark, and proposes ROUTELLM, an LLM-based detector that significantly outperforms existing systems.
Method
Metodologi terdiri atas tiga komponen utama: konstruksi dataset, evaluasi baseline, dan desain ROUTELLM. **Konstruksi Dataset:** Para penulis mengembangkan pipeline ekstraksi berb…
Results
Hasil eksperimen menunjukkan efektivitas ROUTELLM. Pada tolok ukur terverifikasi berisi 232 peristiwa anomali perutean, ROUTELLM mencapai akurasi tingkat peristiwa 87,13% dan akurasi tingkat pesan 94…
Xinyue Hu; Ziyan Wu; Jiaxiang Tang; Wei Ye; Qixin Zhang; Eman Ramadan; Ali Anwar; Zhi-Li Zhang
Summary
NeuralMDC is a neural multiple-description video codec co-designed with multipath streaming that encodes each chunk into independently decodable, mutually refinable streams, improving QoE by 26%-44% and video quality by up to 41.8% over mo…
Method
NeuralMDC mengodekan setiap chunk video menjadi aliran deskripsi yang dapat didekode secara independen dan saling menyempurnakan, masing-masing mencakup keseluruhan chunk. Desain …
Results
Di seluruh emulasi berbasis trace dan eksperimen 5G operasional, NeuralMDC meningkatkan QoE sebesar **26%-44%** dibandingkan sistem streaming monolitik, berlapis, dan neural yang ada. Kualitas video …
