6997 Arbeiten
Die Arbeit stellt Chart-RL vor, eine Reinforcement-Learning-Methode mit mathematisch überprüfbaren Belohnungen, die Vision-Language-Modelle durch den Einsatz weniger komplexer Trainingsbeispiele signifikant besser in der allgemeinen Diagrammverständnisleistung und im Transfer auf mathematische Probleme macht als herkömmliches Supervised Fine-Tuning.
Die Arbeit zeigt, dass eine neue Nachahmungslernmethode, die auf der Analyse von Grenzzyklen und Poincaré-Abbildungen basiert, es ermöglicht, robuste Laufpolicies für Vierbeiner ausschließlich offline und nur mit wenigen Sekunden Demonstrationsdaten zu trainieren.
Dieser Artikel stellt ein SISA-basiertes Machine-Unlearning-Framework vor, das die Lokalisierung von Kurzschlussfehlern in Transformatorwicklungen ermöglicht und durch gezieltes Neutrainieren betroffener Daten-Shards die Auswirkungen vergifteter Trainingsdaten effizient beseitigt, ohne das gesamte Modell neu trainieren zu müssen.
Diese Studie stellt einen topologiebewussten Reinforcement-Learning-Ansatz vor, der Persistenzhomologie nutzt, um die Widerstandsfähigkeit von Stromverteilungsnetzen bei Ausfällen durch optimierte Netzumschaltung und Lastabwurf zu erhöhen.
Die Arbeit stellt Conditional Unbalanced Optimal Transport Maps (CUOTM) vor, ein ausreißerrobustes Framework für die bedingte generative Modellierung, das durch Lockerung der Verteilungsanpassungsbeschränkungen mittels Csiszár-Divergenz die Empfindlichkeit klassischer Optimal-Transport-Methoden gegenüber Ausreißern überwindet.
Die vorgestellte Arbeit stellt NePPO vor, einen neuen MARL-Ansatz zur Berechnung approximierter Nash-Gleichgewichte in allgemeinen-summen-Spielen, der durch das Erlernen einer spielerspezifischen Potentialfunktion eine stabile Konvergenz in gemischt kooperativ-kompetitiven Umgebungen ermöglicht und dabei bestehende Baselines wie MAPPO übertrifft.
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 eine adaptive Methode vor, die Multimodale Large Language Models (MLLMs) nutzt, um in unter 11 Minuten interpretierbare Audio-Attribute für die Klassifizierung mit geringen Ressourcen effizient zu entdecken und dabei menschliche Experten zu ersetzen, was in den meisten Fällen zu besseren Ergebnissen führt als direkte MLLM-Vorhersagen.
Die Arbeit stellt das neue Online-Lernproblem der kombinatorischen Zuordnungsbanditen (CAB) vor, das die Zufriedenheit der Arme in Matching-Plattformen optimiert, und entwickelt sowie bewertet dafür Upper-Confidence-Bound- und Thompson-Sampling-Algorithmen, die theoretische Regret-Grenzen erreichen und auf synthetischen Daten effektiv sind.
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 Studie „TEA-Time" entwickelt ein Rahmenwerk zur Extrapolation von Behandlungseffekten auf andere Zeitpunkte, indem sie zwei Identifikationsstrategien mit doppelt robusten Schätzern vorstellt, die in einer Anwendung auf Upworthy-Daten einen Zielkonflikt zwischen Präzision und Verzerrung aufzeigen.
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.
Dieser Artikel stellt einen ressourcenadaptiven Rahmen für das föderierte Textgenerieren mit Differential Privacy vor, der die Zusammenarbeit zwischen leistungsstarken und schwachen Clients durch eine Kombination aus Differential-Privacy-Fine-Tuning und einem leichtgewichtigen DP-Stimmmechanismus ermöglicht, um synthetische Datensätze zu erzeugen, die die globale Verteilung unter Berücksichtigung von Heterogenität und Datenschutz genau widerspiegeln.
Das Paper stellt Artoo vor, ein ressourcenschonendes, end-to-end trainiertes akustisches Kommunikationssystem für Roboter, das durch den Verzicht auf menschliche Sprachmerkmale und eine gemeinsame Optimierung von Sender und Empfänger eine hohe Robustheit gegenüber Kanalverzerrungen bei minimalem Rechenaufwand erreicht.
Die Arbeit stellt IMD-AD vor, eine interpretierbare Methode zur tiefen Anomalieerkennung, die durch die Nutzung einer kleinen Menge gelabelter Anomalien und eines Maximum-Margin-Ziels das Problem des Hypersphärenkollapses bei Deep SVDD löst und gleichzeitig eine end-to-end-Optimierung sowie visuelle Diagnose ermöglicht.
Die Arbeit stellt eine entropiebewusste on-policy-Distillation vor, die durch die adaptive Kombination von Reverse- und Forward-KL-Divergenz die Diversität der Generierung bei hoher Unsicherheit des Lehrmodells erhält und gleichzeitig die Genauigkeit der Wissensübertragung auf Mathematik-Benchmarks signifikant verbessert.
Die Arbeit stellt VLN-Cache vor, einen rahmenfreien Ansatz zur Token-Caching für Vision-and-Language-Navigation-Modelle, der durch visuelle und semantische Dynamik-Erkennung die Wiederverwendung stabiler Tokens ermöglicht und so die Inferenzkosten um bis zu 1,52-fach senkt, ohne die Navigationserfolgsrate zu beeinträchtigen.
Der Artikel stellt Dreamer-CDP vor, eine Methode, die durch die Verwendung eines JEPA-ähnlichen Prädiktors auf kontinuierlichen, deterministischen Repräsentationen die Leistung von Dreamer im Crafter-Umfeld ohne rekonstruktionsbasierte Ziele erreicht und so die Lücke zwischen rekonstruktionsbasierten und rekonstruktionsfreien Weltmodellen schließt.
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.