6348 Arbeiten
Diese Arbeit erklärt das Phänomen des Modality Collapse in multimodalen LLMs als Informationsverlust durch fehlende Übereinstimmung zwischen Quell- und Textdaten, wobei die zugängliche Information durch die Generalisierte Gegenseitige Information begrenzt ist und primär vom Trainingsziel des Decoders abhängt, nicht von der Encoder-Architektur.
Die Arbeit stellt CoME vor, ein neuartiges Agenten-Architekturkonzept, das durch spezialisierte Experten, eine progressive Trainingsstrategie und einen informationsgeleiteten DPO-Ansatz die hybriden Reasoning-Fähigkeiten mobiler Agenten für eine präzisere Aufgabenausführung verbessert.
Die Arbeit stellt den ToCS-Benchmark vor, der zeigt, dass KI-Code-Agenten beim Verständnis von Softwarearchitekturen in mehrdateigen Umgebungen oft scheitern, wobei ihre Fähigkeit zur aktiven Exploration, zur Nutzung strukturierter Glaubenszustände und zur Konsistenz des Wissens stark vom jeweiligen Modell abhängt.
Dieses Papier stellt eine reparametrisierte Tensor-Ring-Funktionalzerlegung vor, die mittels impliziter neuronaler Darstellungen und einer frequenzbasierten Analyse sowohl diskrete als auch kontinuierliche multidimensionale Daten effizient rekonstruiert und dabei in Aufgaben wie Bildinpainting und Punktwolkenwiederherstellung überlegene Ergebnisse erzielt.
Die Studie zeigt, dass die aktuelle Entwicklung von KI-Agenten durch eine starke Programmierzentriertheit gekennzeichnet ist, die nicht mit der Verteilung menschlicher Arbeit und des wirtschaftlichen Werts im US-Arbeitsmarkt übereinstimmt, und schlägt darauf aufbauend Prinzipien für aussagekräftigere Benchmarks vor.
Die Arbeit stellt MERA vor, ein neuartiges retrieval-augmentiertes Framework, das durch einen hierarchischen Multi-Expert-Ansatz und eine auf der Dempster-Shafer-Theorie basierende, zuverlässigkeitsbewusste Fusionsstrategie den State-of-the-Art bei der Identifizierung von Protein-Aktivstellen erreicht.
Die Studie stellt CLEO vor, ein System, das menschliche und KI-Agenten durch die Echtzeit-Interpretation paralleler Aktionen auf gemeinsamen Artefakten befähigt, dynamisch zwischen Delegation, Steuerung und gleichzeitiger Zusammenarbeit zu wechseln, um so die Grenzen der aktuellen Mensch-Agenten-Kollaboration zu überwinden.
Die Arbeit stellt Whisper-RIR-Mega vor, einen neuen Benchmark-Datensatz aus gepaarten sauberen und halligen Sprachaufnahmen, der die Robustheit verschiedener Whisper-ASR-Modelle gegenüber Raumakustik-Effekten systematisch bewertet und dabei zeigt, dass Hall die Erkennungsleistung konsistent verschlechtert.
Die Arbeit stellt RigidSSL vor, ein geometrisches Vorpretraining-Framework, das durch rigideitätsbewusstes selbstüberwachtes Lernen auf großen Strukturdaten und Molekulardynamik-Simulationen die Designfähigkeit, Vielfalt und physikalische Realitätsnähe von generativen Protein-Design-Modellen erheblich verbessert.
Die vorgestellte Arbeit demonstriert, dass ein neuro-symbolischer Ansatz, der Large Language Models zur Generierung von Hilfslemmata mit Constraint-Lösern kombiniert, die Erfolgsrate beim Lösen von Induktionsdefinitionen um etwa 25 % gegenüber dem aktuellen Stand der Technik steigert.
Diese Studie leitet aus einer qualitativen Analyse von Chatbot-Entwicklungsdaten und Experteninterviews vier zentrale Themenbereiche ab, um die oft fragmentierte operative Gestaltung von Human-in-the-Loop-Prinzipien im gesamten Lebenszyklus von KI-Anwendungen zu präzisieren.
Die Arbeit stellt „Companion" vor, ein robotisches Zeichensystem, das durch die Integration von Large Language Models und Echtzeit-Interaktion den Menschen wieder in den kreativen Prozess einbindet und so eine synergistische, bidirektionale Zusammenarbeit für das visuelle Geschichtenerzählen ermöglicht, die von Experten als ästhetisch eigenständig und ausstellungsfähig bestätigt wurde.
Basierend auf einer Designstudie mit erfahrenen Forschern stellt das Paper ARC vor, ein integriertes System, das durch Multi-Datenbank-Integration, transparente iterative Suche und verifizierbare KI-Unterstützung die kognitive Belastung bei systematischen Literaturübersichten reduziert und Forscher von administrativen Aufgaben hin zu strategischer Exploration befähigt.
Die Arbeit stellt „Traversal-as-Policy" vor, eine Methode, bei der aus erfolgreichen OpenHands-Executions-Logs ein ausführbarer, gate-gesteuerter Verhaltensbaum abgeleitet wird, der als externe, überprüfbare Richtlinie dient und damit die Erfolgsrate von LLM-Agenten signifikant steigert, während Sicherheitsverletzungen nahezu eliminiert und die Kosten gesenkt werden.
Das Paper stellt RoboLayout vor, eine Erweiterung von LayoutVLM, die durch die Integration expliziter Erreichbarkeitsbeschränkungen und einer lokalen Verfeinerung differenzierbare 3D-Layouts für embodied Agents generiert, die sowohl semantisch kohärent als auch physisch für diverse Agenten wie Roboter oder Menschen navigierbar und handhabbar sind.
Diese Arbeit bietet aus der Perspektive der natürlichen Sprachverarbeitung (NLP) einen Überblick über gängige digitale Molekülrepräsentationen und deren Anwendungen in der chemischen Informatik, um Forschern als Leitfaden an der Schnittstelle von KI, Chemie und Materialwissenschaft zu dienen.
Der Paper stellt Omni-C vor, einen einzigen dichten Transformer-Encoder, der durch unimodales kontrastives Vor-Training auf großen unalignierten Daten heterogene Modalitäten wie Bilder, Audio und Text effizient in gemeinsamen Repräsentationen vereint und dabei den Bedarf an Mixture-of-Expert-Architekturen, gepaarter Überwachung oder Routing-Overhead eliminiert.
Die Arbeit stellt NGDBench vor, ein umfassendes Benchmark-System, das die Fähigkeiten neuronaler Modelle bei der Verarbeitung komplexer Graphdatenbanken mittels der Cypher-Abfragesprache bewertet und dabei erhebliche Defizite in Bezug auf strukturiertes Schlussfolgern und Rauschrobustheit aufzeigt.
Die Studie zeigt, dass das KI-Modell Boltz-2 zwar für das schnelle Vorab-Screening nützlich ist, jedoch aufgrund unzureichender energetischer Korrelationen und struktureller Unsicherheiten keine verlässliche Alternative zu physikbasierten Methoden für die präzise Identifizierung von Wirkstoffkandidaten darstellt.
Die Arbeit stellt JAWS vor, eine probabilistische Regularisierungsmethode, die durch räumlich adaptive Jacobian-Regulierung die Langzeitstabilität und Genauigkeit von neuronalen Operatoren bei der Simulation dynamischer Systeme verbessert, indem sie Kontraktion in glatten Regionen mit der Erhaltung von Gradienten an Singularitäten kombiniert.