11076 Arbeiten
Die Arbeit stellt VSPrefill vor, eine vertikal-schräg strukturierte, sparse-Attention-Methode mit leichtgewichtiger Indexierung, die durch adaptive Budgetzuweisung und On-the-Fly-Indexierung bei langen Kontexten (bis 128k) eine 4,95-fache Beschleunigung bei nur minimalen Genauigkeitsverlusten erreicht.
Die Studie stellt MAD-SmaAt-GNet vor, ein multimodales, advektionsgesteuertes neuronales Netzwerk, das die Architektur SmaAt-UNet durch die Integration zusätzlicher Wettervariablen und physikalischer Advektionskomponenten erweitert und damit die Genauigkeit der Niederschlagsvorhersage im Vergleich zum Basismodell signifikant verbessert.
Die Studie analysiert, wie große Sprachmodelle durch widersprüchliche Few-Shot-Beispiele bei der Regelableitung in In-Context-Learning getäuscht werden, und identifiziert mittels linearer Sonden und Logit-Lens-Analyse spezifische Aufmerksamkeitsköpfe in frühen und späten Schichten, deren gezielte Ablation die Robustheit gegen solche Konflikte signifikant verbessert.
Die Arbeit stellt den Act-Observe-Rewrite (AOR)-Rahmen vor, der multimodale Sprachmodelle befähigt, Robotermanipulationsaufgaben durch das visuelle Beobachten von Fehlern und das automatische Neu-Schreiben des zugrunde liegenden Python-Steuerungscode zwischen den Versuchen zu meistern, ohne dabei Demonstrationen, Reward-Engineering oder Gradienten-Updates zu benötigen.
Diese Studie stellt einen erklärungsstarken LSTM-basierten Ansatz zur Vorhersage von Schiffsbahnen auf Binnengewässern vor, der zwar eine hohe Genauigkeit erreicht, jedoch zeigt, dass die durch das gelernte Schiffsdomänenmodell gewichteten Interaktionen nicht vollständig kausal mit den tatsächlichen Begegnungssituationen übereinstimmen.
Die Studie stellt ein neues Framework namens Dictionary Based Pattern Entropy (DPE) vor, das mithilfe von algorithmischer und Shannon-Informationstheorie kausale Richtungen in symbolischen Zeitreihen durch die Minimierung der Unsicherheit von mustergesteuerten Strukturen zuverlässig identifiziert.
Die Studie stellt ein System zur Aktivitätserkennung vor, das mithilfe eines kreisförmigen dilatierten CNN (CDCNN) multi-modale Sensordaten von Smart-Einlegesohlen verarbeitet und dabei eine Testgenauigkeit von 86,42 % bei der Klassifizierung von vier Aktivitäten in einer subjektunabhängigen Evaluation erreicht.
Die Studie stellt das Multi-Teacher-Distillation-Pretraining (MTDP) vor, ein Framework, das etablierte Modelle aus anderen Domänen nutzt, um EEG-Foundation-Modelle effizienter vorzutrainieren und dabei mit nur 25 % der üblichen Daten bessere Ergebnisse als selbstüberwachte Ansätze zu erzielen.
Diese Arbeit untersucht die Kollatz-Stop-Zeit über mittels eines bayesschen hierarchischen Negativ-Binomial-Modells und einer mechanistischen Generatormethode, wobei die Ergebnisse zeigen, dass die Berücksichtigung modularer Restklassen die Verteilungsanpassung erheblich verbessert und das NB2-GLM die höchste Vorhersagegüte erzielt.
Die Studie stellt Ab-Affinity vor, ein neues Large Language Model, das mithilfe künstlicher Intelligenz die Bindungsaffinität von Antikörpern gegen SARS-CoV-2 präzise vorhersagt.
Diese Arbeit stellt ein kontrastives Lernframework vor, das Röntgenspektren mit wissenschaftlicher Literatur verbindet, um multimodale Repräsentationen zu schaffen, die nicht nur die Interpretation seltener astrophysikalischer Quellen beschleunigen, sondern auch die Schätzung physikalischer Variablen signifikant verbessern und neue Kandidaten für Follow-up-Untersuchungen identifizieren.
Die Studie stellt das skalierbare Projektions-Hessische-Lernen (PHL) vor, ein Framework, das durch den Einsatz von Hessischen-Vektor-Produkten und stochastischen Projektionen effizientes, kräftekomplexes Kurvatur-Training für maschinelle Lernpotentiale ermöglicht, ohne die quadratische Speicher- und Rechenkomplexität expliziter Hessischer Matrizen zu benötigen.
Die Autoren stellen die Volterra-Signatur als eine interpretierbare, universell approximierende und rechnerisch effiziente Merkmalsdarstellung für nicht-Markovsche Zeitreihen vor, die durch lineare ODEs, Zeitreparametrisierungsinvarianz und Kernel-Methoden fundiert ist und in Experimenten klassische Signaturen übertrifft.
Die Arbeit stellt das „Invariant Causal Routing"-Framework vor, das durch die Kombination von kontrafaktischem Denken und kausaler Invarianz stabile, interpretierbare und übertragbare Governance-Regeln entwickelt, um soziale Normen in Online-Marktwirtschaften effektiv zu steuern.
Die Autoren stellen ein schnelles generatives Framework für die hochdimensionale Bayes'sche Inferenz vor, das im Vergleich zu Diffusionsmodellen eine um eine Größenordnung schnellere Posterior-Abtastung ermöglicht und erfolgreich zur Entlinsung von CMB-Daten sowie zur robusten Generalisierung über kosmologische Parameter hinweg eingesetzt wird.
Die Arbeit stellt KG-WISE vor, ein LLM-gesteuertes Inferenzsystem für Graph-Neuronale Netze auf großen Wissensgraphen, das durch feinkörnige, abfragebewusste Modellkomponenten und semantische Subgraph-Extraktion die Inferenzgeschwindigkeit um das 28-fache steigert und den Speicherbedarf um 98 % senkt, ohne die Genauigkeit zu beeinträchtigen.
Diese Arbeit stellt einen oracle-effizienten Lernalgorithmus für das hybride Online-Lernen unter eingeschränkten Adversaries vor, der durch eine neue Frank-Wolfe-Reduktion und Martingal-Schranken gleichzeitig statistische Optimalität und Recheneffizienz erreicht.
Diese Studie stellt einen Deep-Learning-Ansatz vor, der auf einem Ensemble von ConvLSTM-Modellen basiert, um das Risiko wetterbedingter Verkehrsunfälle in North Carolina unter Verwendung heterogener räumlich-zeitlicher Daten präziser vorherzusagen als herkömmliche Methoden, insbesondere in hochriskanten Zonen.
Das Paper stellt den Latent Particle World Model (LPWM) vor, ein selbstüberwachtes, objektszentriertes Weltmodell, das ohne manuelle Annotationen aus Videodaten Schlüsselmerkmale und Objektmasken autonom lernt, um stochastische Dynamiken zu modellieren und sowohl für die Videovorhersage als auch für entscheidungsorientierte Aufgaben wie zielgerichtete Imitationslernen eingesetzt zu werden.
Diese Studie analysiert verschiedene Fusions- und Gruppierungsstrategien in Deep-Learning-Modellen zur Klassifizierung lokaler Klimazonen mittels multimodaler Fernerkundungsdaten und zeigt, dass eine hybride Fusionsmethode in Kombination mit Bandgruppierung und Label-Merging die höchste Genauigkeit von 76,6 % erzielt und insbesondere die Vorhersage für unterrepräsentierte Klassen verbessert.