11005 Arbeiten
Die Arbeit stellt „Noise-to-Notes" vor, ein diffusion-basiertes generatives Framework für die automatische Schlagzeugtranskription, das durch die Einführung eines annealierten Pseudo-Huber-Verlusts und die Integration von Merkmalen aus Musik-Foundation-Modellen neue State-of-the-Art-Ergebnisse auf mehreren Benchmarks erzielt.
BridgeDrive ist ein neuartiger, ankerbasierter Diffusions-Brücken-Algorithmus für die geschlossene Trajektorienplanung autonomer Fahrzeuge, der durch theoretisch konsistente Prozesse und effiziente ODE-Löser einen neuen State-of-the-Art auf Bench2Drive erreicht.
Die Studie zeigt, dass subliminales Lernen bei der Modell-Distillation durch eine kleine Menge seltener „Divergenz-Token" in frühen Schichten vermittelt wird, die bei Entfernung oder Paraphrasierung des Prompts den Transfer versteckter Vorurteile verhindern.
Das Paper stellt BeyondBench vor, ein Kontaminations-resistentes Evaluierungsframework, das durch algorithmische Generierung mathematisch fundierter Probleme die echten reasoning-Fähigkeiten von Sprachmodellen unabhängig von Trainingsdaten bewertet und dabei signifikante Leistungseinbußen bei steigender Komplexität aufzeigt.
Die Arbeit stellt SphereAR vor, ein autoregressives Bildgenerierungsmodell, das durch die Einschränkung der Latents auf eine Hypersphäre die Varianzstabilität verbessert und damit erstmals reine Raster-Autoregressionsmodelle in der Bildqualität mit Diffusions- und Maskierungsmodellen konkurrieren lässt.
Diese Arbeit liefert explizite obere Schranken für die quadratische Wasserstein-Distanz zwischen dem Ausgang eines trainierten einlagigen neuronalen Netzwerks und seiner Gaußschen Näherung, die einen polynomiellen Konvergenzverlauf in Abhängigkeit von der Netzbreite und den Trainingsdynamiken quantifizieren.
Die Studie stellt eine stabile NVFP4-Pretraining-Methode für große Sprachmodelle vor, die durch Random Hadamard-Transformationen, ein zweidimensionales Quantisierungsschema und stochastisches Runden eine Effizienzsteigerung ermöglicht, ohne die Leistung im Vergleich zu FP8-Baselines zu beeinträchtigen.
OPPO ist ein leichtgewichtiges, modellunabhängiges Framework, das die Effizienz von PPO-basiertem RLHF durch die Überlappung von Pipeline-Schritten mittels intra- und inter-stufiger Techniken signifikant steigert, ohne die Konvergenz zu beeinträchtigen.
Die Arbeit stellt VidGuard-R1 vor, den ersten KI-generierten Video-Detektor, der durch den Einsatz von Group Relative Policy Optimization (GRPO) und spezialisierten Belohnungsmodellen nicht nur eine state-of-the-art Zero-Shot-Erkennungsgenauigkeit erreicht, sondern auch physikalisch fundierte, nachvollziehbare Erklärungen für seine forensischen Urteile liefert.
Diese Arbeit leitet nicht-asymptotische Schranken für die Effizienz von konformalisierten Regressionsverfahren her, die die gemeinsame Abhängigkeit der Vorhersageintervalllänge von der Trainings- und Kalibrierungsdatengröße sowie dem Misscoverage-Level quantifizieren und Phasenübergänge in den Konvergenzraten aufzeigen.
Diese Arbeit zeigt empirisch, dass eine einfache Vergrößerung der Modellbreite in Kombination mit einer geeigneten Softmax-Temperaturkalibrierung ausreicht, um lineare Modus-Konnektivität zu erreichen, ohne dass eine aufwendige Permutation der Parameter notwendig ist.
Die Arbeit stellt XFactor vor, das erste geometriefreie selbstüberwachte Modell für die Synthese neuer Ansichten, das durch eine spezielle Augmentationsstrategie übertragbare Kameraposen lernt und damit zeigt, dass echte Übertragbarkeit ohne explizite 3D-Induktionsverzerrungen oder Multi-View-Geometrie erreicht werden kann.
Die Arbeit stellt CBF-RL vor, ein Framework, das Control Barrier Functions direkt in das Reinforcement-Learning-Training integriert, um sichere Strategien zu erlernen, die auch ohne nachgeschaltete Online-Sicherheitsfilter robust in realen Anwendungen wie der Unitree G1-Humanoiden-Roboterplattform operieren können.
Diese Arbeit stellt B-ODIL vor, eine bayessche Erweiterung der Methode zur Optimierung eines diskreten Verlustes (ODIL), die physikalische PDE-Modelle als Prior mit Daten-Likelihoods kombiniert, um Lösungen für inverse Probleme mit quantifizierten Unsicherheiten zu liefern, wie beispielsweise bei der Schätzung von Tumorwachstum aus MRT-Daten.
Die Autoren stellen Schrödinger Bridge Mamba (SBM) vor, ein effizientes Ein-Schritt-Modell für die Sprachverbesserung, das durch die Kombination des Schrödinger-Brücken-Trainingsparadigmas mit der Mamba-Architektur sowohl bei der Rauschunterdrückung als auch bei der Entreverberation überlegene Ergebnisse im Vergleich zu bestehenden Methoden erzielt.
Die Arbeit zeigt, dass bestehende Abwehrmechanismen gegen Control-Flow-Hijacking-Angriffe in Multi-Agent-Systemen aufgrund grundlegender Zielkonflikte und unvollständiger Kontextsicht umgangen werden können, und stellt darauf aufbauend ControlValve vor, eine neue Verteidigung, die auf dem Prinzip der Control-Flow-Integrität basiert und die Ausführung durch generierte Graphen sowie kontextuelle Regeln erzwingt.
Diese Arbeit zeigt theoretisch, dass die Geometrie der Daten bei überparametrisierten ReLU-Netzen unterhalb der Stabilitätsgrenze den Generalisierungserfolg bestimmt, indem sie steuert, ob der Gradientenabstieg gemeinsame Muster lernt oder zu einer Memorierung neigt.
Diese Arbeit entwickelt ein prinzipielles statistisches Rahmenwerk für die Hypothesenprüfung übermäßig einflussreicher Datensubsets in der linearen Regression, indem sie exakte Einflussformeln und Extremwertverteilungen nutzt, um rigorose Tests durchzuführen und ad-hoc-Heuristiken zu ersetzen.
Das Paper stellt LLEMA vor, ein Framework, das Large Language Models mit chemischen Evolutionsregeln und Gedächtnis-basiertem Feedback kombiniert, um in einem multi-objektiven Suchprozess effizient und synthetisierbare neue Materialien für verschiedene Anwendungsbereiche zu entdecken.
Die Autoren stellen eine adaptive Sampling-Methode für Physics Informed Neural Networks (PINNs) vor, die es ermöglicht, problem-spezifische Heuristiken zur gezielten Erfassung von Phasenübergängen in Allen-Cahn-Gleichungen zu nutzen und dabei die Leistungsfähigkeit gegenüber residual-adaptiven Ansätzen nachweist.