7179 Arbeiten
Diese Studie entwickelt ein GeoAI-Hybrid-Framework, das MGWR, Random Forest und ST-GCN integriert, um die nichtlinearen Wechselwirkungen zwischen Landnutzung und multimodalen Verkehrsflüssen in verschiedenen städtischen Morphologien präzise zu modellieren und dabei die Bedeutung des städtebaulichen Kontexts für die Verkehrsplanung unterstreicht.
Die Studie zeigt, dass das Vor-Training von Tokenisern für Physik-Foundation-Modelle die Recheneffizienz und Genauigkeit erheblich steigert, insbesondere wenn das Vor-Training auf demselben physikalischen System wie die nachgelagerte Aufgabe erfolgt.
Das Paper stellt DreamCAD vor, ein multimodales Generierungsframework, das durch die Darstellung von BReps als differentierbare parametrische Flächen und die Nutzung der neuen CADCap-1M-Datensammlung skalierbares, bearbeitbares CAD-Design aus unannotierten 3D-Meshes und Texten erzeugt und dabei den State-of-the-Art in geometrischer Genauigkeit und Benutzerpräferenz übertrifft.
Der Artikel stellt ein hybrides Management-System für die Echtzeit-KI-Service-Ökonomie vor, das nachweist, wie die Topologie von Abhängigkeitsgraphen die Stabilität dezentraler Ressourcenallokation bestimmt und durch die Kapselung komplexer Subgraphen in ressourcenschonende Schnittstellen die Preisvolatilität signifikant reduziert, ohne die Effizienz zu beeinträchtigen.
Die Studie stellt RACAS vor, ein roboteragnostisches Agentic-System, das mittels natürlicher Sprache und großer Sprachmodelle diverse Roboterplattformen ohne Anpassung des Quellcodes steuern kann und so die Hürden für die Prototypenentwicklung senkt.
Dieses Paper stellt ABRA vor, eine neue Methode zur Batch-Korrektur in der Hochdurchsatz-Zellbildanalyse, die das Problem als Domänen-Generalisierung formuliert und durch adversäres Lernen sowie geometrische Randbedingungen robuste Merkmalsdarstellungen für die Klassifizierung von siRNA-Perturbationen erzeugt.
Die Arbeit stellt den „Post Fusion Stabilizer" (PFS) vor, einen leichten Modul, der die Robustheit bestehender multimodaler 3D-Erkennungssysteme gegenüber Domänenverschiebungen und Sensoreffekten verbessert, ohne deren Architektur grundlegend zu verändern oder neu trainieren zu müssen.
Die Arbeit stellt SCOUT vor, eine effiziente Methode zur interaktiven Objektsuche in offenen Welten, die durch die Suche in 3D-Szenengraphen und eine procedurale Distillation von LLM-Wissen in leichte Modelle eine Echtzeit-Leistung bei hoher semantischer Generalisierung ermöglicht, was durch das neue Benchmark SymSearch und reale Experimente validiert wird.
Die Studie zeigt, dass moralische Urteile von Large Language Models durch narrative Perspektiven und Prompt-Strukturen stark manipuliert werden können, was zu erheblicher Instabilität und Reproduzierbarkeitsproblemen führt, insbesondere bei moralisch mehrdeutigen Fällen.
Diese Studie zeigt durch einen algorithmischen Audit von TikTok auf, dass die aktuelle Definition von „Werbung" im Digital Services Act (DSA) eine regulatorische Lücke darstellt, die es ermöglicht, dass personalisierte Influencer- und Marketinginhalte trotz des Verbots von profilbasierten Werbeanzeigen für Minderjährige weiterhin wirksam an diese Zielgruppe ausgespielt werden.
Die Arbeit stellt Implicit Error Counting (IEC) vor, eine Referenz-freie Reinforcement-Learning-Methode, die durch die Zählung und Gewichtung von Fehlern anstelle der Verwendung von Rubriken effektiv Post-Training für virtuelle Anproben optimiert, wo ideale Referenzantworten nicht verfügbar sind.
Die Arbeit stellt SecureRAG-RTL vor, ein auf Retrieval-Augmented Generation basierendes Multi-Agent-Framework, das die Genauigkeit der Erkennung von Hardware-Schwachstellen in HDL-Entwürfen durch den Abgleich mit domänenspezifischem Wissen um durchschnittlich 30 % verbessert und dabei einen neuen Benchmark-Datensatz bereitstellt.
Die Studie stellt ein neuartiges, auf Denoising Diffusion Probabilistic Models basierendes Framework vor, das durch die Erweiterung von Region-Aware Diffusion und die Nutzung longitudinaler Kontextinformationen effizient und präzise Läsionen in 3D-MRT-Aufnahmen des Gehirns rekonstruiert, wodurch die Bildqualität verbessert und die Verarbeitungszeit im Vergleich zu bestehenden Methoden um das Zehnfache reduziert wird.
Die Studie stellt Ptychi-Evolve vor, ein autonomes Framework, das mittels evolutionärer Large-Language-Model-Reasoning-Verfahren neuartige Regularisierungsalgorithmen für die Ptychographie entwickelt, die in Experimenten mit verschiedenen Datensätzen konventionelle Rekonstruktionsmethoden signifikant übertreffen.
Die Studie stellt fest, dass aktuelle Reasoning-Modelle ihre Chain-of-Thought-Ausgaben nur sehr schwer kontrollieren können, was die Überwachbarkeit von Denkprozessen derzeit als sicherer Schutzmechanismus gegen Missbrauch erscheinen lässt, obwohl die zugrundeliegenden Ursachen noch nicht vollständig verstanden sind.
Das Papier warnt davor, dass die rasche Einführung von KI in der Klimaforschung die globale Ungleichheit zwischen Nord und Süd verschärfen könnte, und fordert einen Paradigmenwechsel hin zu einer datenzentrierten Entwicklung, einer digitalen öffentlichen Klimainfrastruktur und einer gemeinsamen Wissensproduktion, um diese Disparitäten zu überwinden.
Diese Studie analysiert auf Basis einer globalen Umfrage unterschiedliche kulturelle Perspektiven und Erwartungen an Generative KI, um daraus handlungsleitende Empfehlungen für eine kultursensible und partizipative KI-Entwicklung abzuleiten.
Das Paper stellt LTLGuard vor, ein modulares Werkzeug, das kompakte Sprachmodelle mit formalen Konsistenzprüfungen kombiniert, um aus unpräzisen natürlichen Sprachanforderungen korrekte und widerspruchsfreie LTL-Spezifikationen zu generieren.
Diese Arbeit zeigt, dass Best-of-N-Sampling unter praxisnahen Annahmen bezüglich der Win-Rate statistisch und rechnerisch optimal ist, und schlägt eine einfache Variante vor, die Reward-Hacking eliminiert, ohne die Leistung zu beeinträchtigen.
Die Studie stellt TML-Bench vor, einen Benchmark zur Evaluierung autonomer Data-Science-Agenten auf Tabular-Machine-Learning-Aufgaben, der zeigt, dass das MiniMax-M2.1-Modell über vier Kaggle-Wettbewerbe hinweg die beste Gesamtleistung erzielt und die Erfolgsquote mit längeren Zeitbudgets steigt.