3821 Arbeiten
Diese Arbeit zeigt auf, dass die menschliche Validierung von Sicherheitsurteilen durch LLMs hochgradig instabil ist und von prozeduralen Faktoren wie Verblindung und der Anzahl der Annotatoren abhängt, was oft zu widersprüchlichen Ergebnissen führt, die willkürlich darüber entscheiden können, ob ein Modell Sicherheitsgrenzwerte erfüllt.
Diese Studie validiert die Hypothese der Neurobiologin Margaret Livingstone bezüglich des „flüchtigen Lächelns“ der Mona Lisa, indem sie durch multiskalige räumliche Frequenzfilterung und Vision-Transformer-Analysen nachweist, dass die wahrgenommene Freude des Porträts in peripheren oder distanzierten Ansichten (grobe räumliche Frequenzen) signifikant höher ist als beim direkten fovealen Betrachten (feine räumliche Frequenzen), wo sich der Ausdruck hin zu Neutralität oder Traurigkeit verschiebt.
Dieses Papier präsentiert ein Open-Access-Korpus des 1,6 Millionen Token umfassenden Pāli-Kanons, das lemmatisiert ist und einen kritischen Apparat über fünf Texttraditionen sowie eine spezialisierte Handhabung von Sandhi und metrischen Varianten sowie eine hochgradige Lemmatisierung aufweist, die fortgeschrittene computerlinguistische Aufgaben ermöglicht, die für diese ressourcenarme Sprache zuvor nicht machbar waren.
Dieses Paper führt ein museal fundiertes Auditierungs-Framework namens „Cultural Hallucination“ zur Evaluierung von KI-generierter chinesischer Lackware ein, welches aufzeigt, dass automatisierte Metriken zwar keine systematischen Formfehler erkennen, die menschliche Beurteilung jedoch signifikante Widersprüche zu historischen Belegen bestätigt, insbesondere innerhalb spezifischer Objektfamilien wie den Qin-Han-Ohrenbechern.
Diese Studie legt spezifische Schwellenwerte für die Zeichenfehlerrate für vier papyrologische Aufgaben bei griechischen Texten fest und zeigt auf, dass die Genauigkeitsanforderungen je nach Aufgabe variieren (zwischen 3 % und 20 %), während das erneute Trainieren von Modellen mit verrauschten Daten den Leistungsabfall signifikant abmildert und unvollkommene HTR-Systeme praktisch nutzbar macht.
Diese Studie zeigt, dass ein universell einsetzbarer KI-Agent autonom einen komplexen forensischen Workflow zur 3D-Staturrekonstruktion von Rohdaten bis hin zum fertigen Bericht entwickeln und ausführen kann, wobei eine teilweise Genauigkeit erreicht wird, die jedoch verdeutlicht, dass technische Vollständigkeit ohne strenge menschliche Validierung keine wissenschaftlich korrekten Ergebnisse garantiert.
Diese Arbeit zeigt, dass ein multidimensionales, auf Zuverlässigkeit basierendes selektives Vorhersage-Framework, das Faktoren wie Datensättigung und Verteilungskenntnis über die einfache Modellkonfidenz hinaus einbezieht, die herkömmliche konfidenzbasierte Deferrierung signifikant übertrifft, indem es distinkte, hochriskante Patientensubsets identifiziert und die Anzahl der Fälle, die eine menschliche Überprüfung erfordern, in der klinischen KI erheblich reduziert.
Diese Arbeit schlägt RPDLDGBTWSVM vor, eine robuste Klassifizierungsmethode, die Twin Support Vector Machines verbessert, indem sie granulare Kugeln aus hochdichten Realdaten erzeugt und eine auf KLIEP basierende relative Wahrscheinlichkeitsdichtegewichtung auf der Ebene der granularen Kugelzentren anwendet, um die Genauigkeit und Effizienz bei komplexen Datensätzen zu steigern.
Diese Studie entwickelt leckage-resistente, unsicherheitsbewusste maschinelle Lernmodelle unter Verwendung realer Verkehrs-Telemetrie, um den Stromverbrauch von Carrier-Grade-Routern präzise vorherzusagen, wobei eine hohe Genauigkeit mit leichtgewichtigen, routerspezifischen Ansätzen erzielt wird, die für Anwendungen im Bereich des Network Digital Twin und des Zero-Touch Green Networking geeignet sind.
Diese Studie bewertet die Fähigkeit großer Sprachmodelle, gesetzgeberische Lücken in arabischen Rechtstexten zu identifizieren und zu bewerten, wobei festgestellt wurde, dass sie zwar Auslassungen effektiv erkennen und Argumente generieren können, die Bestimmung der verfassungsrechtlichen Bedeutung solcher Lücken jedoch menschliches juristisches Urteilsvermögen erfordert, um zwischen tatsächlichen Mängeln und beabsichtigten gesetzgeberischen Entscheidungen zu unterscheiden.