7179 Arbeiten
Die Arbeit stellt RF-Sampling vor, ein theoretisch fundiertes und training-freies Inferenz-Verfahren, das die Bildgenerierungsqualität und Prompt-Übereinstimmung von Flow-Matching-Modellen wie FLUX durch eine formale Herleitung der Gradientenanstiegs-Optimierung verbessert.
Die vorgestellte Arbeit schlägt ein zweistufiges Framework vor, das durch den Übergang von kontrastivem Lernen auf künstlichen Alphabeten zu selbstüberwachtem Wissenstransfer auf historische Schriften eine robuste Ähnlichkeitsmessung für Glyphen ermöglicht, ohne dass ground-truth evolutionäre Beziehungen erforderlich sind.
Das Paper stellt CRIMSON vor, ein klinisch fundiertes Evaluierungsframework für die Generierung von Röntgenbefunden, das mithilfe einer detaillierten Fehler-Taxonomie und gewichteten klinischen Bedeutungen eine genauere Bewertung der diagnostischen Korrektheit und Patientensicherheit im Vergleich zu bestehenden Metriken ermöglicht.
Das Paper stellt Whisper-CD vor, ein reines Inferenz-Verfahren, das durch kontrastives Decodieren mit akustisch motivierten Störungen Halluzinationen und Wiederholungen bei der langen Spracherkennung mit Whisper reduziert und gleichzeitig die Generierungsgeschwindigkeit im Vergleich zur Beam Search deutlich steigert.
Die Arbeit stellt MAPO vor, einen effizienten, kritikerfreien Reinforcement-Learning-Algorithmus, der durch dichte Prozessrückmeldungen und einen gemischten Vorteilsschätzer die Stabilität und Leistung von KI-Modellen bei langfristigen, subjektiven Mehrfachdialogen signifikant verbessert.
Die Arbeit stellt FlashPrefill vor, ein Framework, das durch sofortige Mustererkennung und dynamische Schwellenwertbildung die quadratische Komplexität der Aufmerksamkeit überwindet und so eine ultra-schnelle Vorverarbeitung für lange Kontexte ermöglicht, die selbst bei 256K Token eine 27,78-fache Beschleunigung erreicht.
Die Arbeit stellt CoE vor, ein trainingsfreies multimodales Zusammenfassungsframework, das mithilfe eines hierarchischen Ereignisgraphen und einer Chain-of-Events-Strategie die Grenzen bestehender Ansätze überwindet und durch strukturierte zeitliche sowie kausale Reasoning-Verfahren state-of-the-art Ergebnisse auf acht Datensätzen erzielt.
Diese Arbeit stellt Conversational Demand Response (CDR) vor, ein neuartiges Koordinationskonzept, das mithilfe einer agentic-AI-Architektur bidirektionale natürliche Sprachinteraktionen zwischen Aggregatoren und Prosumern ermöglicht, um die Transparenz und Handlungsfähigkeit der Nutzer zu wahren und gleichzeitig die Skalierbarkeit automatisierter Laststeuerung zu erreichen.
Die Arbeit stellt TaPD vor, ein einheitliches Framework für die Vorhersage von Trajektorien im autonomen Fahren, das durch progressive Wissensdistillation und eine temporäre Nachfüllung von fehlenden historischen Daten die Vorhersagegenauigkeit auch bei variablen und extrem kurzen Beobachtungszeiträumen signifikant verbessert.
Das Paper stellt GazeMoE vor, ein neuartiges Framework, das auf einem eingefrorenen Vision-Grundmodell und einem Mixture-of-Experts-Ansatz basiert, um durch adaptive Nutzung multimodaler Hinweise und spezieller Verlustfunktionen den Zustand der Technik bei der Schätzung von Blickzielen in Bildern zu verbessern.
Die vorgestellte Arbeit stellt DeCoST vor, einen lernbasierten zweistufigen Ansatz zur Entkopplung diskreter und kontinuierlicher Entscheidungsvariablen beim Orientierungsproblem mit Zeitfenstern und variablen Gewinnen, der durch eine parallele Pfadvorhersage und eine nachgelagerte lineare Optimierung sowohl die Lösungsqualität als auch die Recheneffizienz im Vergleich zu bestehenden Methoden signifikant verbessert.
Das Papier stellt HiPP-Prune vor, einen hierarchischen, präferenzbasierten strukturierten Pruning-Rahmen für Vision-Language-Modelle, der durch die Integration von visuellen Sensitivitätssignalen und eine Multi-Objektive-Optimierung mittels GRPO eine kontrollierbare Balance zwischen Aufgabenleistung, Halluzinationsrobustheit und Kompression ermöglicht.
Die Studie zeigt, dass agentic retrieval-augmented Reasoning-Pipelines in der Radiologie-Fragebeantwortung die Konsistenz und Robustheit über verschiedene Large Language Models hinweg erhöhen, obwohl eine hohe Übereinstimmung nicht automatisch Korrektheit garantiert und viele Fehler klinisch schwerwiegend sein können.
Diese Arbeit stellt ein neuronales Netzwerk vor, das Fuzzy Cognitive Maps mittels Langevin-Differentialdynamik verarbeitet, um Kausalitätsmuster zu lernen und durch inverse Lösungen Kriterien für Anpassungen zu liefern, wobei die Leistung an mehreren Datensätzen evaluiert wurde.
Das Paper stellt Stem vor, ein modulares Sparse-Attention-Verfahren, das durch eine positionsabhängige Top-k-Auswahl und eine output-bewusste Metrik die kausalen Informationsflüsse in Large Language Models effizienter gestaltet und dabei Rechenkosten sowie Latenz bei langer Kontextverarbeitung senkt.
Diese Studie stellt ein neues Entscheidungsunterstützungssystem vor, das Reinforcement Learning nutzt, um langfristige Anpassungsstrategien für klimaresiliente Verkehrssysteme in Kopenhagen zu entwickeln und dabei die Unsicherheiten des Klimawandels sowie komplexe Wechselwirkungen zwischen Überschwemmungen und Mobilität effektiv berücksichtigt.
Die Arbeit stellt GMM-PIELM vor, einen probabilistischen adaptiven Sampling-Ansatz, der die Genauigkeit und Konditionierung von Physics-Informed Extreme Learning Machines für steife PDEs mit scharfen Gradienten drastisch verbessert, indem er Radial-Basis-Funktionszentren autonom in Regionen mit hohem numerischem Fehler konzentriert, ohne dabei auf kostenintensive gradientenbasierte Optimierungen angewiesen zu sein.
Das Paper stellt EpisTwin vor, ein neuro-symbolisches Framework, das durch die Verankerung generativer KI in einem personalisierten Wissensgraphen und die dynamische visuelle Verfeinerung die Fragmentierung persönlicher Daten überwindet und so vertrauenswürdige, ganzheitliche Sinnbildung ermöglicht.
Das Paper stellt DEX-AR vor, eine neue dynamische Erklärungsmethode für autoregressive Vision-Language-Modelle, die durch die Analyse von Aufmerksamkeitskarten auf Token- und Sequenzebene visuelle und linguistische Beiträge zur Entscheidungsfindung unterscheidet und damit die Interpretierbarkeit dieser komplexen Modelle verbessert.
Diese Arbeit stellt eine dreistufige Pipeline vor, die Sprachmodelle durch die Berechnung feinabgestimmter Entropie-Scores, deren Kalibrierung mittels Platt-Skalierung und anschließendes Reinforcement Learning trainiert, um effiziente, gut kalibrierte und interpretierbare Unsicherheitsschätzungen für ihre Antworten zu generieren.