Xu Wang proposes an emotion-enhanced dialogue generation system that fuses affective computing with deep learning to improve empathy and emotional consistency in large language models. Evaluated on daily dialogues and CPED datasets, the sy…
Method
Sistem yang diusulkan mengintegrasikan tiga komponen inti: ekstraksi fitur emosi, embedding fusion, dan optimisasi reinforcement learning. Fitur emosi pertama-tama diekstraksi dar…
Results
Evaluasi eksperimental pada dataset daily dialogues dan CPED menunjukkan bahwa sistem yang diperkaya emosi mengungguli baseline sebelumnya. Kemampuan adaptasi emosional meningkat dari tingkat sebelum…
This article presents design principles and a software architecture, AGIMUD, for enabling real-time interaction between humans and multiple socio-affective agents in simulated dynamic worlds. It integrates socially-aware reasoning, multimo…
Method
Metodologi berpusat pada desain dan integrasi tiga komponen inti dalam arsitektur perangkat lunak AGIMUD: 1. **Penalaran sadar sosial dan emosi dalam perilaku dan interaksi agen**…
Results
Hasil utamanya adalah arsitektur perangkat lunak AGIMUD itu sendiri, yang berhasil mengintegrasikan tiga komponen yang ditentukan: penalaran sadar sosial dan emosi, interaksi multimodal manusia-agen,…
This paper investigates when multiple objectives can be improved simultaneously and how to cover diverse trade-offs without training separate models. It finds that two pre-training measurements predict objective alignment for human-annotat…
Method
Penulis menggunakan Multi-Objective Direct Preference Optimization (MODPO), yang memperluas Direct Preference Optimization (DPO) ke banyak objektif dengan memperkenalkan vektor bo…
Results
Pada tujuh pasangan objektif, penulis menemukan bahwa dua pengukuran pra-pelatihan—korelasi data preferensi dan kesesuaian reward model—memprediksi apakah objektif selaras atau bertentangan untuk dat…
ELLMW is a vision–language framework that combines advanced preprocessing, CNN–LSTM handwriting recognition, and LLM-based post-correction to extract text from fully handwritten scripts with 97.8% accuracy and a 1.04% character error rate.…
Method
Metodologi ELLMW mengintegrasikan tiga tahap utama: prapemrosesan lanjutan, pengenalan tulisan tangan berbasis deep learning, dan koreksi pascaproses berbasis LLM. **Prapemrosesan…
Results
Evaluasi eksperimental dilakukan pada dataset terkurasi berisi naskah jawaban ujian tulisan tangan (HEAS). ELLMW mencapai akurasi 97,8%, character error rate (CER) 1,04%, dan word error rate (WER) 3,…
Sri Hrushikesh Varma Bhupathiraju; Tetsu Ishizue; Nicholas U. Costagliola; Ozora Sako; Kentaro Yoshioka; Takeshi Sugawa…
Summary
A new study uncovers an intrinsic vulnerability in stereo cameras and deep depth estimation models that allows attackers to control estimated depth using simple repeating patterns, without adversarial machine learning. The attack can displ…
Method
Serangan ini mengeksploitasi pipeline pencocokan stereo, yang bergantung pada pengambilan sampel piksel dan kalibrasi untuk menghitung disparitas dan kedalaman. Para penulis meran…
Results
Serangan ini mencapai kontrol yang terperinci atas kedalaman yang diestimasi. Pada kamera ZED2, rintangan dapat digeser hingga 20 meter lebih jauh atau 12 meter lebih dekat. Efek serupa diamati pada …
Jose Angel Sanchez Viloria; George Sklivanitis; Dimitris Pados
Summary
gr-PHYSEC is a GNU Radio out-of-tree module that generates symmetric encryption keys in real time from wireless channel randomness using a trained neural network, Reed-Solomon reconciliation, and SHA-512 hashing. Experiments with ADALM Plu…
Method
Modul gr-PHYSEC beroperasi secara waktu nyata dalam kerangka GNU Radio. Proses pembangkitan kunci terdiri dari beberapa tahap: 1. **Probing kanal**: Alice dan Bob bertukar sinyal …
Results
Eksperimen dunia nyata dilakukan di testbed robotika terhubung FAU CAAI menggunakan software-defined radio ADALM Pluto dan platform NVIDIA Jetson Orin yang dipasang pada platform robot darat. Kinerja…
Michael Collins; Jada Cumberland; Brianne Dunn; Ross Gore; Samuel Jackson; Sachin Shetty
Summary
This paper implements the white-box CLWE-RFF undetectable backdoor using only numpy and scipy, providing two samplers for the core GP_d(b_k) distribution and finding no statistically detectable difference between backdoored and clean model…
Method
Implementasi ini menyasar pipeline backdoor CLWE-RFF. Tantangan komputasi intinya adalah sampling dari distribusi $GP_d(b_k)$, yang muncul dari densitas kondisional CLWE homogen. …
Results
Uji ketakterbedaan statistik dilakukan pada berbagai rasio sparsitas $\rho = d_{\text{sparse}}/D$. Uji tersebut mencakup perbandingan weight-space dan black-box fungsional. Pada weight-space, distrib…
Tianjiao Huang; Po-An Chen; Nick Baron; Michael Franz
Summary
This paper presents a fully static binary lifting system that brute-force lifts entire binaries to LLVM IR, constructing a superset control flow graph to handle computed branches. It enables cross-compilation to AArch64 without runtime tra…
Method
Pendekatan yang diusulkan adalah sistem binary lifting sepenuhnya statis yang menghindari dukungan penerjemahan runtime. Wawasan kuncinya adalah memperlakukan setiap offset byte d…
Results
Penulis mengimplementasikan prototipe rekompilator biner dari biner x86-64 ke LLVM IR, tanpa memerlukan heuristik kode/data. Mereka memvalidasinya dengan kompilasi silang sepenuhnya statis ke AArch64…
This study evaluates the NIST Bugs Framework (BF) as a classification target and complement to CWE using a screened corpus of CVEs. Through expert inter-rater analysis and LLM-based automation, it finds BF more structured and automation-fr…
Method
Penulis menilai reproduktibilitas klasifikasi CVE ke BF melalui dua evaluasi. Pertama bersifat kualitatif: studi antar-penilai teranonimkan di mana 2 subject-matter expert (SME) s…
Results
Studi antar-penilai mengungkapkan kesepakatan kuat pada sumbu cause dan operation, dengan kesepakatan cukup pada sumbu attribute. Hal ini menunjukkan bahwa meskipun BF menyediakan struktur yang jelas…
RECAL introduces relation-balanced masked graph learning and per-relation error calibration to address statistical heterogeneity in provenance graphs, achieving near-perfect F1 scores and drastically reducing false positives on DARPA E3 da…
Method
RECAL beroperasi dalam dua tahap utama: (1) pembelajaran graf ter-mask seimbang relasi dan (2) kalibrasi galat per relasi. **Pembelajaran Graf Ter-mask Seimbang Relasi:** Kerangka…
Results
Penulis mengevaluasi RECAL pada tiga dataset DARPA E3: CADETS, THEIA, dan TRACE. Kinerja diukur menggunakan skor F1 dan False Positive Rate (FPR). RECAL mencapai skor F1 sebesar 99,99%, 99,93%, dan 9…
