8229 Arbeiten
Die Arbeit stellt Diffusion Controller (DiffCon) vor, ein einheitliches regelungstheoretisches Framework, das reverse Diffusions-Sampling als stochastische Steuerung in LS-MDPs formuliert und daraus effiziente Reinforcement-Learning-Methoden sowie eine parametrisierte Seiten-Netzwerk-Architektur ableitet, die bei der Feinabstimmung von Diffusionsmodellen zu verbesserten Ergebnissen führt.
Die Arbeit zeigt, dass regulatorische Maßnahmen, die sich ausschließlich auf den durchschnittlichen Behandlungseffekt (ATE) stützen, durch kausales Maskieren getäuscht werden können, was zu erheblicher Ungleichbehandlung führt und eine Regulierung auf Modellebene statt auf Entscheidungsebene erfordert.
Diese Arbeit stellt einen effizienten, auf einem Weltmodell basierenden Ansatz vor, der mithilfe von Unsicherheitsschätzungen und konformaler Vorhersage bimanuelle Manipulationsfehler zuverlässig erkennt und dabei sowohl die Genauigkeit als auch die Parameter-Effizienz im Vergleich zu bestehenden Methoden deutlich verbessert.
Die Studie zeigt, dass generative KI im Designunterricht vor allem als kognitiver Beschleuniger in frühen Phasen dient, während menschliche Kompetenzen wie Urteilsvermögen, Domänenwissen und Geschmack entscheidend bleiben, um KI-Ergebnisse zu validieren und zu verfeinern.
Die Studie stellt Self-MOA vor, ein vollständig automatisiertes Framework, das kleine Sprachmodelle durch schwache Aufsicht und dynamische rote Team-Generierung sicherer macht, wobei es die Sicherheit um 12,41 % verbessert und gleichzeitig die Hilfsbereitschaft erhält, während es den Bedarf an menschlich annotierten Daten im Vergleich zu herkömmlichen Methoden um das 11-fache reduziert.
Die Arbeit stellt \textsc{ReSched} vor, ein minimalistisches Deep-Reinforcement-Learning-Framework, das den Flexible Job Shop Scheduling Problem durch eine auf vier essenziellen Merkmalen basierende Zustandsdarstellung und eine angepasste Transformer-Architektur löst und dabei sowohl klassische Heuristiken als auch aktuelle neuronale Methoden übertreift.
Die Arbeit stellt Hit-RAG vor, ein mehrstufiges Präferenz-Alignierungs-Framework, das durch eine progressive Optimierung aus Feinabstimmung, diskriminativer Präferenzanpassung und gruppenbasierter Politikoptimierung die Fähigkeit von Multimodalen Large Language Models verbessert, in langen Kontexten relevante Beweise zu identifizieren und logische Schlussfolgerungen ohne Halluzinationen zu treffen.
Die Arbeit stellt den Hierarchical Memory Tree (HMT) vor, ein dreistufiges Gedächtnisframework, das durch die Entkopplung von logischer Planung und Aktionsausführung die Generalisierungsfähigkeit von Web-Agenten auf neuen Websites signifikant verbessert.
Die Arbeit stellt DeepEarth vor, ein selbstüberwachtes multimodales Weltmodell, das den neuartigen 4D-Raumzeit-Positionscodierer Earth4D nutzt, um durch submetergenaue und subsekundenscharfe planetare Vorhersagen über Jahrhunderte hinweg ökologische Prognosen mit State-of-the-Art-Leistung zu ermöglichen.
Die Arbeit stellt CAPL vor, ein Framework zur Reduzierung von Halluzinationen in Large Vision-Language Models bei Multi-Image-Aufgaben, das durch eine kalibrierte Cross-Image-Attention und eine präferenzbasierte Lernstrategie die modellübergreifende Interaktion verbessert und die Modellierung auf echte visuelle Evidenz statt auf textuelle Priors ausrichtet.
Diese Arbeit stellt ein benutzerfreundliches Framework vor, das es Wissenschaftlern ermöglicht, mit Hilfe von LLM-gestützter Skripterstellung auf handelsüblicher Hardware animierte 3D-Darstellungen petaskaliger, zeitvariabler Klimadaten zu erzeugen und dabei die Abhängigkeit von spezialisierten Infrastrukturen sowie die Datenübertragungszeiten erheblich zu reduzieren.
Der vorgestellte Ansatz verbessert die Few-Shot-Fehlerdiagnose in industriellen Maschinen durch einen bidirektionalen Digital-Twin-Prototypen-Anker mit Multi-Periodizitäts-Lernen, der Meta-Training im virtuellen Raum und Testzeit-Anpassung im physikalischen Raum kombiniert, um auch bei extrem wenigen gelabelten Daten robuste Diagnosen zu ermöglichen.
Das Paper stellt MedSteer vor, ein training-freies Framework zur Erzeugung kausaler, kontrastiver endoskopischer Bildpaare durch Aktivitätssteuerung in Diffusionsmodellen, das im Vergleich zu bestehenden Methoden eine überlegene strukturelle Konsistenz und Wirksamkeit für die Datenvermehrung in der medizinischen Bildanalyse demonstriert.
Diese Studie stellt ein neuartiges System vor, das mittels GPT-4-gestützter Dialoge mit Nutzern detaillierte Produktbewertungen erstellt, die von Lesern als hilfreicher empfunden werden und weniger Nachbearbeitung erfordern als menschlich verfasste Texte.
Die Arbeit stellt CoTJudger vor, ein graphenbasiertes Framework zur automatischen Bewertung von Large Reasoning Models, das durch die Umwandlung von Chain-of-Thought-Traces in Abhängigkeitsgraphen und die Extraktion des kürzesten effektiven Pfades redundantes Denken identifiziert und so die Recheneffizienz von der eigentlichen Lösungsqualität trennt.
Die Studie stellt mit Countdown-Code eine neue Testumgebung vor, die zeigt, wie bereits geringe Verunreinigungen in SFT-Daten Reward-Hacking in LLMs fördern, das durch anschließendes Reinforcement Learning weiter verstärkt und generalisiert wird.
Die Arbeit stellt mAVE vor, ein neuartiges Wasserzeichen-Verfahren für gemeinsame Audio-Visual-Generierungsmodelle, das durch kryptografische Verschränkung der latenten Räume von Audio und Video eine robuste Abwehr gegen Swap-Angriffe gewährleistet und dabei die Modellleistung vollständig erhält.
Diese Studie untersucht, ob große Sprachmodelle in der Lage sind, unter Berücksichtigung von Strukturkonstrukten des Unity-Engines und auf Basis von Ziel-spielbaren Mustern (Goal Playable Patterns) spielbare Spiele zu synthetisieren, und identifiziert dabei insbesondere Probleme der semantischen Verankerung und Code-Hygiene als Hauptengpässe für den Erfolg.
Die Arbeit stellt den PSAD-Framework vor, der durch eine semi-autoregressive Generierung, Online-Wissensdestillation und ein Benutzerprofil-Netzwerk sowohl die Effizienz als auch die Leistung personalisierter Reranking-Modelle in Empfehlungssystemen verbessert.
Die Studie zeigt, dass aktuelle Vision Language Models trotz starker textueller Vorurteile systematisch daran scheitern, physikalische Transformationen zu verstehen und invariante Eigenschaften über dynamische Szenen hinweg zu erhalten.