7103 Arbeiten
Das Paper stellt ContextBench vor, einen Benchmark zur Bewertung von Methoden, die gezielt latente Merkmale in Sprachmodellen aktivieren, und zeigt, dass eine Kombination aus evolutionärer Prompt-Optimierung, LLM-Unterstützung und Diffusionsmodellen den besten Kompromiss zwischen Wirksamkeit und sprachlicher Flüssigkeit erzielt.
Die Arbeit stellt Sysformer vor, ein trainierbares Transformer-Modell, das durch die adaptive Anpassung von Systemprompts in Eingabe-Embedding-Räumen die Sicherheit und Robustheit von eingefrorenen Large Language Models gegenüber schädlichen Eingaben und Jailbreak-Angriffen signifikant verbessert, ohne die Modellparameter selbst nachtrainieren zu müssen.
Die Arbeit stellt SPoT vor, eine neuartige Tokenisierungsmethode für Vision Transformer, die durch die kontinuierliche Platzierung von Tokens innerhalb eines Bildes und eine oracle-gesteuerte Suche die Beschränkungen diskreter Raster umgeht und so eine effizientere, interpretierbare Architektur mit deutlich reduziertem Tokenbedarf ermöglicht.
Die Arbeit stellt QCAI vor, eine neue post-hoc-Methode zur Interpretation von Cross-Attention-Mechanismen in Transformer-Decodern für TCR-pMHC-Bindungen, die mit dem neu eingeführten TCR-XAI-Benchmark aus 274 experimentellen Strukturen sowohl die Interpretierbarkeit als auch die Vorhersagegenauigkeit verbessert.
Die Studie stellt „DejaVu" vor, einen Angriff auf multimodale Wahrnehmungssysteme autonomer Fahrzeuge, der durch gezielte zeitliche Verzerrungen von Kamera- und LiDAR-Daten die Leistung von Objekterkennung und -verfolgung drastisch verschlechtert und somit schwere Sicherheitsrisiken wie Kollisionen oder Phantom-Bremsungen auslösen kann.
Diese Arbeit stellt ein Student-Lehrer-Framework vor, das mittels multi-agenten-basiertem Reinforcement Learning einen adaptiven Lehrplan automatisch generiert, um autonome Fahrzeuge durch eine ausgewogene Progression von alltäglichen bis zu kritischen Verkehrsszenarien robuster und vielseitiger zu trainieren.
Die vorgestellte Arbeit stellt den State Space Neural Operator (SS-NO) vor, eine kompakte Architektur, die strukturierte Zustandsraummodelle durch adaptive Dämpfung und lernbare Frequenzmodulation erweitert, um effizient und mit weniger Parametern als konkurrierende Ansätze Lösungsooperatoren für zeitabhängige partielle Differentialgleichungen zu lernen.
Die Arbeit stellt ein neues Framework namens „multivariate Fields of Experts" vor, das durch die Verwendung von Multivariaten-Potenzialfunktionen auf Basis von Moreau-Umhüllungen der -Norm bei inversen Bildproblemen wie Entrauschen und Rekonstruktion eine höhere Effizienz und Interpretierbarkeit als univariate Modelle bietet und dabei die Leistung tiefer neuronaler Netze bei deutlich geringerem Ressourcenbedarf erreicht.
Diese Arbeit untersucht das theoretische Verhalten des Expectation-Maximization-Algorithmus bei der Überschätzung von Komponenten in der gemischten linearen Regression und zeigt, dass die Konvergenzgeschwindigkeit und statistische Genauigkeit stark von der Ausgewogenheit der initialen Mischgewichte abhängen, wobei unausgewogene Gewichte zu linearer Konvergenz und einer Genauigkeit von führen, während ausgewogene Gewichte nur sublineare Konvergenz und eine Genauigkeit von ermöglichen.
Dieses Paper stellt Kernel VICReg vor, ein neuartiges selbstüberwachtes Lernframework, das das VICReg-Ziel in einen reproduzierenden Kernel-Hilbert-Raum überführt, um durch die Kernelisierung von Varianz-, Invarianz- und Kovarianztermen nichtlineare Abhängigkeiten besser zu erfassen und so die Leistung bei Datensätzen mit nichtlinearer Struktur oder begrenzten Stichproben im Vergleich zu euklidischen Methoden zu verbessern.
Die Arbeit stellt ScaleZero vor, ein einheitliches Modell für heterogene Multi-Task-Planung, das durch eine Mixture-of-Experts-Architektur Gradientenkonflikte löst und eine dynamische Parameter-Skalierung (DPS) nutzt, um die Effizienz zu steigern und gleichzeitig mit spezialisierten Ein-Task-Agenten konkurrieren zu können.
Die Studie zeigt, dass Deep Ensembles eine schnelle und präzise Quantenparameter-Schätzung mit quantifizierter Unsicherheit und Drifterkennung ermöglichen, was sie zu einer vielversprechenden Alternative zu herkömmlichen bayesschen Inferenzmethoden für den Echtzeiteinsatz in Experimenten macht.
Diese Arbeit stellt „Answer-Then-Check" vor, einen neuartigen Sicherheitsansatz, der durch die Nutzung eines speziell erstellten Reasoned Safety Alignment (ReSA)-Datensatzes Sprachmodelle befähigt, Antworten intern zu generieren und deren Sicherheit kritisch zu prüfen, bevor sie ausgegeben werden, wodurch die Robustheit gegen Jailbreak-Angriffe gesteigert und gleichzeitig die Überverweigerung reduziert wird, ohne die allgemeinen reasoning-Fähigkeiten zu beeinträchtigen.
Das Paper stellt VEGA vor, ein adaptives Routensystem für Elektrofahrzeuge, das einen physik-informierten neuronalen Operator zur Parameterschätzung mit einem Proximal-Policy-Optimization-Agenten kombiniert, um energieeffiziente Routen und Ladestopps zu planen, die sich ohne Neukalibrierung auf verschiedene Netzwerke verallgemeinern lassen.
Die Arbeit stellt den Tensor Atomic Cluster Expansion (TACE) vor, ein neues äquivariantes atomistisches Machine-Learning-Modell, das skalare und tensorielle Eigenschaften in kartesischem Raum vereinheitlicht, um komplexe Kopplungen zu vermeiden und gleichzeitig präzise Vorhersagen für eine breite Palette von physikalischen Observablen und Systemen zu ermöglichen.
Die Arbeit stellt C²Prompt vor, eine neue Methode für das federierte kontinuierliche Lernen, die durch lokale Klassenverteilungs-Kompensation und eine klassenbewusste Prompt-Aggregation die Klassenwissen-Kohärenz zwischen Clients verbessert, um sowohl zeitliches als auch räumliches Vergessen zu reduzieren und damit den aktuellen Stand der Technik zu übertreffen.
Diese Studie stellt einen effizienten Deep-Learning-Ansatz mit einem autoregressiven U-Net und einem CNN vor, der die zeitabhängige Vorhersage von Schrumpfungs-induzierten Schäden und mechanischen Eigenschaften in Beton ermöglicht, um durch Erkenntnisse über Mikrostruktureinflüsse die Mischungsdesigns zu optimieren.
Die Arbeit stellt GPHDM vor, ein neuartiges Modell, das durch die Erweiterung des GPDM auf hyperbolische Mannigfaltigkeiten und die Integration taxonomischer Induktionsverzerrungen menschliche Roboterbewegungen erzeugt, die sowohl die hierarchische Struktur der Bewegungsdaten als auch physikalische Konsistenz bewahren.
Die Arbeit stellt Planner Aware Path Learning (PAPL) vor, eine Trainingsmethode für diskrete Diffusions-Sprachmodelle, die durch die Einführung einer planerbasierten Evidence Lower Bound (P-ELBO) die Diskrepanz zwischen dem Training und der planergesteuerten Inferenz schließt und damit signifikante Leistungsverbesserungen in Bereichen wie Proteinsequenzen, Text- und Codegenerierung erzielt.
Die Arbeit stellt DAV vor, ein Framework, das Diffusion-Alignment als variationalen Expectation-Maximization-Prozess formuliert, um durch einen iterativen Wechsel zwischen Testzeit-Suche und Modellverfeinerung sowohl die Belohnung zu maximieren als auch die Vielfalt der generierten Ergebnisse in Aufgaben wie Text-zu-Bild-Synthese und DNA-Sequenzdesign zu erhalten.