10238 Arbeiten
Die Arbeit stellt ELLMob vor, ein selbstabstimmendes LLM-Framework, das unter Verwendung der Fuzzy-Trace-Theorie und eines neu erstellten, ereignisannotierten Datensatzes menschengemäße Mobilitätsdaten generiert, die sowohl gewohnheitsbasierte Muster als auch Einschränkungen durch Großereignisse wie den Taifun Hagibis, die COVID-19-Pandemie und die Olympischen Spiele 2021 in Tokio erfolgreich vereinen.
Die Arbeit stellt PSTNet vor, ein extrem ressourcenschonendes neuronales Netzwerk mit nur 552 Parametern, das physikalische Prinzipien direkt in seine Architektur integriert, um die Echtzeit-Schätzung atmosphärischer Turbulenzen für sicherheitskritische Flugsysteme präziser und effizienter zu ermöglichen als herkömmliche Methoden.
Die Arbeit stellt EvoStage vor, ein neuartiges evolutionäres Paradigma, das durch stufenweise Zerlegung, Echtzeit-Feedback und Multi-Agenten-Systeme die LLM-basierte algorithmische Gestaltung verbessert und dabei menschliche Experten sowie bestehende Methoden in Bezug auf Chip-Platzierung und Black-Box-Optimierung übertrifft.
Die Arbeit stellt das HILA-Framework vor, das durch eine metakognitive Policy und einen Dual-Loop-Optimierungsansatz Multi-Agent-Systeme befähigt, den Zeitpunkt für autonome Lösungen oder menschliche Expertise-Einbindung dynamisch zu steuern und sich durch kontinuierliches Lernen aus Feedback stetig zu verbessern.
Das Paper stellt VORL-EXPLORE vor, einen hybriden Lern- und Planungsansatz für die Multi-Robot-Erkundung in dynamischen Umgebungen, der durch eine geteilte Schätzung der Navigierbarkeit die Aufgabenverteilung mit der Bewegungssteuerung koppelt, um Engpässe zu vermeiden und eine robuste, kollisionsfreie Erkundung zu gewährleisten.
Das Paper stellt OSExpert vor, einen Computer-Nutzungs-Agenten, der durch einen GUI-basierten Tiefensuch-Algorithmus (GUI-DFS) und das Erlernen von Aktionsprimitiven professionelle Fähigkeiten erwirbt, wodurch er auf dem Benchmark OSExpert-Eval eine Leistungssteigerung von rund 20 % und eine um 80 % verbesserte Effizienz im Vergleich zu menschlichen Experten erreicht.
Dieser Artikel stellt die These von Krakauer, Krakauer und Mitchell in Frage, dass wahre Intelligenz auf effizienter Kompression und Analogie beruht, und argumentiert stattdessen, dass menschliche Expertise durch domänenspezifische Musterakkumulation entsteht, was dazu führt, dass Künstliche Allgemeine Intelligenz (AGI) besser als ein „Archipel von Experten" aus spezialisierten Modulen ohne einheitliche Prinzipien konzeptualisiert werden sollte.
Die Arbeit stellt \$OneMillion-Bench vor, einen Benchmark mit 400 von Experten erstellten Aufgaben aus fünf Fachbereichen, der darauf abzielt, die Zuverlässigkeit und professionelle Tiefe von Sprachagenten in realen, wirtschaftlich bedeutenden Szenarien durch eine rubrikbasierte Bewertung zu messen.
Die Arbeit stellt CMMR-VLN vor, ein Vision-and-Language-Navigation-Framework, das Large-Language-Modelle durch eine strukturierte, multimodale Erinnerung und Reflexionsmechanismen befähigt, relevante Erfahrungen selektiv abzurufen, was in Simulationen und realen Tests zu signifikant verbesserten Erfolgsraten im Vergleich zu bestehenden Ansätzen führt.
Diese Arbeit stellt den Drag-Aware Aerodynamic Manipulability (DAAM) vor, einen geometrischen Rahmen für die Kraftzuweisung redundanter Multirotoren, der durch eine riemannsche Metrik und die Optimierung des manipulierbaren Volumens motorische Drehmomentgrenzen sowie aerodynamischen Widerstand explizit berücksichtigt, um eine koordinateninvariante Redundanzauflösung zu ermöglichen.
Die Arbeit stellt ViSA vor, ein Framework zur Verbesserung der aerialen Vision-Language-Navigation durch visuelle-räumliche Schlussfolgerung, das ohne Nachtraining von Sprachmodellen auskommt und auf dem CityNav-Benchmark eine 70,3%ige Steigerung der Erfolgsrate gegenüber dem aktuellen State-of-the-Art erzielt.
Die Arbeit stellt PIRA-Bench vor, einen neuen Benchmark und ein Framework namens PIRF, die darauf abzielen, GUI-Agenten von einem reaktiven hin zu einem proaktiven Paradigma zu überführen, bei dem KI-Assistenten Nutzerabsichten autonom aus visuellen Eingaben vorhersagen und Empfehlungen geben.
Das Papier stellt FedMomentum vor, ein neuartiges Framework für das federierte Fine-Tuning von LLMs mit LoRA, das durch mathematisch korrekte Aggregation und SVD-basierte Rekonstruktion den Trainingsmomentum erhält und so die Konvergenzgeschwindigkeit sowie die Endgenauigkeit im Vergleich zu bestehenden Methoden verbessert.
Dieser Artikel stellt ein neues dynamisches Rahmenwerk vor, das die Zusammenarbeit von Menschen und KI durch zwei komplementäre Perspektiven – die Aufgaben- und die Intentions-Linse – neu konzeptualisiert, um die komplexen, nicht-linearen Beziehungen zwischen Ausrichtung, Prozessstruktur und Ergebnisqualität zu erklären.
Die Arbeit stellt MambaDance vor, einen neuartigen Ansatz zur Tanzgenerierung, der ein Mamba-basiertes Diffusionsmodell mit einer glockenförmigen Beat-Repräsentation kombiniert, um im Vergleich zu Transformer-basierten Methoden längere, rhythmisch präzisere und musikalisch synchronisierte Tanzbewegungen zu erzeugen.
Das Paper stellt DyLLM vor, ein trainingsfreies Inferenz-Framework für Masked Diffusion Language Models, das durch die selektive Berechnung nur salienter Token basierend auf der Ähnlichkeit ihrer Aufmerksamkeitskontexte die Durchsatzrate um bis zu 9,6-fach steigert, ohne dabei die Genauigkeit nennenswert zu beeinträchtigen.
Die Arbeit stellt GCGNet vor, ein graphenbasiertes generatives Netzwerk, das durch die Kombination von Variationsgenerierung, Graph-Strukturausrichtung und Graphenverfeinerung robuste und präzise Zeitreihenvorhersagen unter Einbeziehung exogener Variablen ermöglicht und dabei gleichzeitig zeitliche und kanalübergreifende Korrelationen gemeinsam modelliert.
Diese Arbeit stellt ein robustes multimodales Framework mit sicherer Kreuz-Aufmerksamkeit und Modality-Dropout vor, das durch Fokussierung auf unvollständige Daten und Klassenungleichgewicht die Emotionserkennung im Rahmen der 10. ABAW-Herausforderung verbessert.
Die Arbeit stellt CDRRM vor, ein neuartiges Framework, das durch kontrastive Profilierung und Synthese hochwertige Rubriken generiert, um Reward-Modelle für Large Language Models interpretierbarer, bias-resistenter und dateneffizienter zu gestalten.
Der vorgestellte S2S-FDD-Rahmen überbrückt die semantische Lücke zwischen hochdimensionalen industriellen Zeitreihensignalen und natürlicher Sprache, indem er Sensordaten in verständliche Zusammenfassungen umwandelt und eine mehrstufige, baumstrukturierte Diagnosemethode nutzt, um erklärbare Zero-Shot-Fehlerdiagnosen zu ermöglichen.