7074 Arbeiten
Diese Arbeit bietet ein prinzipiell begründetes theoretisches Rahmenwerk für Out-of-Distribution-Generalisierung, das auf der Annahme beruht, dass spärliche Hypothesen, die sich auf wenige, durch Erfahrung hervorgehobene Merkmale stützen, auch bei Verteilungsverschiebungen robust generalisieren, sofern eine ausreichende Überlappung in den relevanten Merkmalsbereichen besteht.
Die Arbeit stellt MARIGOLD vor, ein effizientes Framework für Multi-Task-Learning, das Gradientenbalancierung als bi-level-Optimierungsproblem formuliert und durch den Einsatz von Nullter-Ordnung-Methoden die Rechenineffizienz bestehender MGDA-ähnlicher Ansätze überwindet.
Die Studie stellt einen deterministischen, reproduzierbaren Ansatz zur rechtlichen Compliance-Klassifizierung und Beweissuche vor, der transparente fuzzy-ähnliche Schwellenwerte mit einem dualen Encoder kombiniert, um einen praktikablen Mittelweg zwischen starren Regeln und undurchsichtigen großen Sprachmodellen zu schaffen.
Dieses Paper stellt eine Verallgemeinerung von EDLAE durch eine entkoppelte erwartete quadratische Verlustfunktion (DEQL) vor, die effiziente Lösungen für den bisher unerschlossenen Hyperparameterbereich ermöglicht und damit die Leistungsfähigkeit linearer Autoencoder-Empfehlungssysteme über die bisherigen -Baselines hinaus steigert.
Diese Arbeit führt den informations-theoretischen Begriff der Kontext-Kanal-Kapazität ein, um zu beweisen, dass katastrophales Vergessen in kontinuierlichem Lernen unvermeidbar ist, es sei denn, die Architektur strukturell eine unbypassbare Kontextpfad-Kapazität gewährleistet, die die Entropie der Aufgabenidentität übersteigt.
Die Arbeit stellt DualSpec vor, ein heterogenes Spekulationsframework für Deep-Research-Agenten, das die unterschiedlichen Anforderungen von Such- und Besuchsaktionen nutzt, um durch einen leichten semantischen Verifizierer die End-to-End-Latenz um bis zu 3,28-fach zu reduzieren, ohne die Genauigkeit zu beeinträchtigen.
Das Paper stellt OrthoFormer vor, eine kausal fundierte Transformer-Architektur, die Instrumentalvariablenschätzung durch neuronale Kontrollfunktionen integriert, um durch die Trennung statischer Hintergrundfaktoren von dynamischen kausalen Flüssen die Anfälligkeit für konfundierende Verzerrungen zu überwinden und robuste Vorhersagen unter Verteilungsverschiebungen zu ermöglichen.
Diese Arbeit stellt mit AndroidWorld-Generalization einen neuen Benchmark und ein skalierbares Reinforcement-Learning-System vor, das zeigt, dass RL-basierte VLM-Agenten auf mobilen Geräten zwar signifikant besser auf unbekannte Aufgabeninstanzen generalisieren als überwachte Feinabstimmung, jedoch weiterhin vor erheblichen Herausforderungen bei der Generalisierung auf unbekannte Vorlagen und Anwendungen stehen.
Die Arbeit stellt „Data Agent" vor, einen End-to-End-Framework für die dynamische Datenselektion, der durch eine trainingsbewusste sequenzielle Entscheidungsfindung und adaptive Belohnungssignale das Training beschleunigt und dabei die Leistung erhält oder verbessert.
Dieser zweite Teil der Arbeit untersucht kostengesteuertes Repräsentationslernen für die lineare quadratische Gaußsche (LQG) Regelung mit unendlichem Zeithorizont, indem er finite-Sample-Garantien für die Lernverfahren bietet, die entweder explizite oder implizite latente Dynamikmodelle (ähnlich MuZero) nutzen, und dabei eine neue technische Leistung zur Persistenz der Erregung für stochastische Prozesse erbringt.
Die Arbeit stellt PACT vor, einen Feinabstimmungsansatz, der die Sicherheitsausrichtung von großen Sprachmodellen bewahrt, indem er gezielt nur die Konfidenz auf sicherheitsrelevanten Tokens während des Trainings an ein Referenzmodell angepasst wird, um so einen Abgleichsverlust zu verhindern, ohne die Leistung bei downstream-Aufgaben zu beeinträchtigen.
Die vorgestellte Arbeit zeigt, dass eine diskretisierte Tokenisierung in Kombination mit adaptiver Gauß-Glättung Transformer-Modelle befähigt, auf Tabellendaten nicht nur besser als optimierte Gradient-Boosting-Verfahren zu kalibrieren und zu prognostizieren, sondern auch eine überlegene Genauigkeit und Effizienz zu erreichen.
Die Arbeit stellt Dial vor, ein wissensbasiertes Framework für dialektspezifische NL2SQL-Übersetzungen, das durch eine dialektsensible logische Abfrageplanung, eine hierarchische Wissensdatenbank und einen ausführungsbasierten Debugging-Prozess die Genauigkeit und Abdeckung von Datenbankdialekten im Vergleich zu bestehenden Methoden signifikant verbessert.
Die Arbeit stellt SLNet vor, einen super-leichtgewichtigen und geometrieadaptiven Backbone für die 3D-Punktwolken-Erkennung, der durch innovative Komponenten wie NAPE und GMU eine hohe Genauigkeit bei deutlich geringerem Rechenaufwand und weniger Parametern als bestehende Modelle erreicht.
Die vorgestellte Dual-Stream-Transformer-Architektur entkoppelt den Residual-Stream in einen durch Attention aktualisierten Token-Stream und einen durch Feed-Forward-Netzwerke aktualisierten Kontext-Stream, um durch skalierbare Mischstrategien eine nachweisbare Balance zwischen Interpretierbarkeit und Leistungsfähigkeit zu ermöglichen.
Die Arbeit stellt AFTUNE vor, ein Framework, das durch leichte Aufzeichnung und Stichprobenprüfungen die Integrität von Fine-Tuning und Inferenz proprietärer KI-Modelle in der Cloud nachweisbar und überprüfbar macht, ohne dabei einen unpraktischen Rechenaufwand zu verursachen.
Diese Monografie bietet einen rigorosen Überblick über theoretische und methodische Aspekte der probabilistischen Inferenz und des Lernens mit Steinscher Methode, einschließlich der Konstruktion von Stein-Diskrepanzen, ihrer Eigenschaften sowie der detaillierten Verbindung zu Steinschem variationsbasiertem Gradientenabstieg.
Diese Arbeit stellt einen leichten Rahmen vor, der durch selbstüberwachtes Training von Low-Rank-Adaptern an einem eingefrorenen Backbone weniger als 1 % der Parameter aktualisiert und so Speech-Enhancement-Modelle für den effizienten Einsatz in Echtzeit-Umgebungen mit dynamischen akustischen Szenen optimiert.
Diese Studie stellt ein bedingtes Diffusions-Transformer-Framework vor, das mithilfe von Hi-C-Kontaktkarten und einem latenten Diffusionsmodell mit Flow-Matching-Objektiv Ensembles dreidimensionaler E. coli-Genomkonformationen generiert, die sowohl die experimentellen Daten als auch eine hohe strukturelle Diversität widerspiegeln.
Die vorgestellte Arbeit zeigt, dass durch die architektonische Trennung von Token-Strömen und kontextueller Semantik bis zur späten Fusion (Late Fusion Architecture) Transformatoren von Grund auf interpretierbarer gestaltet werden können, indem sie eine funktionale Modularität bewahren und eine vorzeitige Verflechtung verhindern.