7179 Arbeiten
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.
Das Paper stellt VDCook vor, ein selbstentwickelndes Video-Daten-Betriebssystem, das Forschern und Domänenteams ermöglicht, durch natürliche Sprachabfragen und automatisierte Retrieval- sowie Syntheseprozesse dynamisch aktualisierbare, metadatenreiche Videodatensätze für das Training von Multimodalen Large Language Models (MLLMs) zu erstellen.
Diese Arbeit untersucht die durch KI-Entwicklungen ausgelösten Herausforderungen und Chancen für die Mensch-Daten-Interaktion, indem sie bestehende Grenzen in Bezug auf Unsicherheit, Skalierbarkeit und Interpretierbarkeit aufzeigt und einen Paradigmenwechsel hin zu kognitiv und wahrnehmungsorientierten, menschzentrierten Systemen für die Datenanalyse fordert.
Die Arbeit stellt EigenData vor, eine selbstentwickelnde Multi-Agenten-Plattform, die den gesamten Lebenszyklus von Daten für Funktionsaufrufe automatisiert und durch die Korrektur des BFCL-V3-Tests sowie die Einführung einer ergebnisorientierten Evaluierung die Übereinstimmung zwischen Modellrankings und menschlichen Bewertungen der funktionalen Korrektheit signifikant verbessert.
Die Studie zeigt, dass der Continuous-Time Koopman Autoencoder (CT-KAE) als leichtgewichtiges Ersatzmodell für die langfristige Vorhersage von Ozeanzuständen in einem zweischichtigen quasigeostrophischen System eine stabile und effiziente Alternative zu autoregressiven Transformer-Baselines darstellt, indem er nichtlineare Dynamiken in einen linearen latenten Raum projiziert und dabei über lange Zeiträume hinweg stabile Fehlerwachstumsraten sowie konsistente großskalige Statistiken gewährleistet.
Die Arbeit untersucht das Problem der Modelländerung für Beschreibungslogikkonzepte, indem sie die Operationen Eviction, Reception und Revision formal definiert und die Kompatibilität dieser Ansätze für die Logiken EL und ALC analysiert, wobei gezeigt wird, dass Revision nicht einfach als Kombination von Eviction und Reception aufgefasst werden kann.
Die Arbeit entwickelt ein theoretisches Modell, das zeigt, wie generative KI zwar individuelle Fertigkeiten angleicht, aber durch die Verlagerung von Wertschöpfung auf konzentrierte komplementäre Vermögenswerte zu zwei unterschiedlichen Regimen der Ungleichheit führen kann, wobei die endgültige Wirkung von der Technologiearchitektur und den Arbeitsmarktinstitutionen abhängt.
Die Arbeit stellt CBR-to-SQL vor, ein auf Fallbasiertem Schließen (CBR) basierendes Framework, das durch eine zweistufige Abrufstrategie und abstrakte Fallvorlagen die Genauigkeit und Robustheit von Text-zu-SQL-Übersetzungen im medizinischen Bereich im Vergleich zu herkömmlichen RAG-Ansätzen signifikant verbessert.
Die Arbeit stellt PRISM vor, eine Methode, die Imitationslernen und verstärkendes Lernen durch nutzerdefinierte Anweisungen und menschliches Feedback kombiniert, um Roboter-Manipulationsfähigkeiten effizient zu verfeinern und an neue Zielkonfigurationen anzupassen.
Das Paper stellt Tool-Genesis vor, ein diagnostisches Benchmark, das die Fähigkeit von Sprachagenten bewertet, aus abstrakten Anforderungen eigenständig Werkzeuge zu erstellen, und zeigt dabei, dass selbst fortschrittliche Modelle in einer One-Shot-Situation oft durch kleine Fehler in Schnittstellen und Logik scheitern, die sich im gesamten Prozesskette zu einem starken Leistungsabfall verstärken.