7179 Arbeiten
Dieser Beitrag stellt einen dreistufigen Forschungsrahmen vor, der eine sensitivitätsbewusste, retrieval-augmentierte Intent-Klärung entwickelt, um in sensiblen Domänen wie Gesundheitswesen und Recht den Schutz vertraulicher Daten vor Angriffen bei gleichzeitiger Aufrechterhaltung der Systemnützlichkeit zu gewährleisten.
Diese Studie analysiert die inneren Aktivierungen von leichten Vision-Language-Modellen für den autonomen Fahrverkehr, um festzustellen, dass visuelle Konzepte wie Objektpräsenz linear kodiert sind, während räumliche Eigenschaften oft nur implizit vorliegen, und identifiziert dabei zwei Hauptfehlermodi: eine wahrgenommene Unfähigkeit, visuelle Informationen zu erfassen, sowie eine kognitive Unfähigkeit, diese mit Sprachsemantik korrekt abzugleichen.
Die Arbeit stellt TempoSyncDiff vor, einen effizienten, auf Wissenstransfer basierenden Latent-Diffusionsrahmen für audiogetriebene sprechende Köpfe, der durch Few-Step-Inferenz, Identitätsanker und zeitliche Regularisierung eine niedrige Latenz bei gleichzeitiger Verbesserung der temporalen Stabilität und Synchronisation ermöglicht.
Die Studie stellt PyPDDLEngine als Open-Source-PDDL-Simulationsengine vor und zeigt, dass agentic LLM-Planung zwar im Vergleich zur direkten Planung einen geringen Erfolgszuwachs bei deutlich höheren Kosten erzielt, jedoch aufgrund fehlender externer Verifizierung im PDDL-Kontext hinter klassischen Planern zurückbleibt.
Die Studie zeigt, dass aktuelle Large Language Models zwar in der Lage sind, österreichische A-Level-German-Aufsätze anhand von Bewertungsrastern zu analysieren, jedoch mit einer Übereinstimmungsrate von maximal 40,6 % bei Teilaspekten und nur 32,8 % bei der Endnote noch nicht die notwendige Genauigkeit für den realen Einsatz in der automatisierten Benotung erreichen.
Diese Arbeit stellt eine neue Familie von aggregativen Semantiken für quantitative bipolar Argumentationsframeworks vor, die durch eine dreistufige, getrennte Aggregation von Angreifern und Unterstützern eine parametrisierbare und interpretierbare Berechnung von Argumentstärken ermöglicht.
Die Arbeit stellt eine neue Aufgabe namens „Emotionally Continuous Talking Face Generation" (EC-TFG) und ein entsprechendes Modell (TIE-TFG) vor, die es ermöglichen, realistische sprechende Gesichter zu erzeugen, deren Mimik sich kontinuierlich und fließend an dynamische emotionale Veränderungen im Text anpasst.
Das Paper stellt Uni-Walker vor, ein lifelong-learning-Framework für Embodied-Navigation-Agenten, das mittels DE-LoRA, Wissensvererbung und orthogonalen Expertensubräumen künftige Katastrophisches Vergessen verhindert und die Fähigkeit zur kontinuierlichen Anpassung an neue Szenarien und Instruktionsstile verbessert.
Der Paper stellt StreamVoiceAnon+ vor, ein Streaming-Verfahren zur Sprecheranonymisierung, das durch eine zweistufige Feinabstimmung mit neutralen Emotionspaaren und frame-basierter emotionaler Distillation die Emotionserhaltung signifikant verbessert, ohne die Latenz oder Intelligibilität zu beeinträchtigen.
Dieses Paper stellt CliqueFlowmer vor, ein neuartiges, auf Offline-Modell-basierter Optimierung (MBO) und Transformer-Flow-Generierung aufsetzendes Verfahren zur computergestützten Materialentdeckung, das im Vergleich zu herkömmlichen generativen Basismodellen überlegene Ergebnisse bei der Suche nach Materialien mit optimierten Eigenschaften erzielt.
Diese Studie zeigt, dass durch unsupervisedes Weiter-Training mit domänenspezifischen Texten simulierte unterschiedliche Erfahrungen die Persönlichkeit von Large Language Models prägen und dabei eine „Unterdrückungsvorteil"-Hypothese aufdecken, wonach reduzierte soziale Merkmale die komplexe reasoning-Leistung steigern, was einen Weg für gezieltes „Personality Engineering" eröffnet.
Die vorgestellte Arbeit schlägt eine Pipeline vor, die Large Language Models und einen neuro-symbolischen SAT-Löser kombiniert, um implizite Prämissen in Enthymemen zu identifizieren, natürliche Sprache in logische Formeln zu übersetzen und deren logische Folgerung systematisch zu überprüfen.
Der Bericht stellt ein strukturiertes Framework für die physische Sicherheit von Robotern vor, das klassische Risikotechnik mit modernen Machine-Learning-Pipelines verbindet, indem es durch explizite Asset-Deklaration, systematische Schwachstellenanalyse und hazardgesteuerte synthetische Daten eine formale Hazard-Ontologie für das Erlernen von Sicherheitsgrenzen ermöglicht.
Die Arbeit stellt ein graphbasiertes Framework vor, das oppositionelle Narrative durch die Modellierung von Entitätsinteraktionen und kausaler Schätzung auf Knotenebene analysiert und dabei eine überlegene Klassifizierungsgenauigkeit sowie interpretierbare Ergebnisse im Vergleich zu herkömmlichen Black-Box-Methoden erzielt.
Die vorgestellte Arbeit schlägt einen neuen Ansatz für Policy-Gradients vor, bei dem durch die Optimierung von Teilmengen zukünftiger Belohnungen einfachere und zuverlässigere Lernstrategien ermöglicht werden, die sich in verschiedenen Konversationsaufgaben als vorteilhaft erweisen.
Die Arbeit stellt Place-it-R1 vor, ein End-zu-End-Framework, das die Chain-of-Thought-Reasoning-Fähigkeiten von Multimodalen Large Language Models nutzt, um physikalisch konsistente und umweltbewusste Video-Objekteinfügungen durch einen iterativen „Denken-dann-Einfügen"-Prozess zu ermöglichen.
Der Artikel beweist, dass Predictive Coding Graphs (PCGs) eine mathematische Obermenge von Feedforward-Neuronalen Netzen darstellen und sie dadurch stärker in den Bereich des maschinellen Lernens einordnen.
Die Studie stellt VLM-RobustBench vor, einen umfassenden Benchmark, der zeigt, dass aktuelle Vision-Language-Modelle trotz starker semantischer Fähigkeiten gegenüber räumlichen Verzerrungen und Resampling-Problemen besonders anfällig sind, was neue Evaluierungs- und Trainingsansätze erfordert.
Diese Studie zeigt, dass Ensemble-Graph-Neural-Networks für die probabilistische Vorhersage der Meeresoberflächentemperatur durch räumlich kohärente Eingangsstörungen (z. B. Perlin-Rauschen) eine gut kalibrierte Unsicherheitsquantifizierung erreichen, ohne zusätzliche Trainingskosten zu verursachen.
Die Studie RAPTOR zeigt, dass für die robuste Erkennung von Audio-Deepfakes über verschiedene Domänen hinweg die Art des SSL-Vor-Trainings (insbesondere multilinguales HuBERT) entscheidender ist als die reine Modellgröße, wobei kompakte Modelle mit 100 Millionen Parametern kommerzielle Großsysteme übertreffen und eine stabilere Kalibrierung unter Störungen aufweisen.