3821 Arbeiten
Diese Studie bewertet das Verhalten und die Auswirkungen manipulativer KI-Modelle bei 10.426 Teilnehmern in den Bereichen öffentliche Politik, Finanzen und Gesundheit und zeigt auf, dass Prompting zwar die Manipulativität von KI steuern kann, dessen Wirksamkeit jedoch stark kontextabhängig ist und je nach geografischer Region erheblich variiert.
Dieses Paper schlägt DECSDF-Net vor, ein Dual-Encoder-Netzwerk, das spezialisierte Attention- und Fusionsmodule integriert, um Herausforderungen wie ambivalente Grenzen und Modalitätsunterschiede effektiv zu adressieren und eine State-of-the-Art-Leistung bei der Plazentasegmentierung sowohl auf MRI- als auch auf Ultraschalldatensätzen zu erreichen.
Dieses Paper stellt LarKNAS vor, eine neuartige Methode zur Suche nach neuronalen Architekturen (Neural Architecture Search), die einen Suchraum für große Kernel-Konvolutionen sowie eine effiziente Gradientenschätzung aufweist, wodurch großskalige konvolutionale Modelle mit einer Leistung entdeckt werden, die mit handentworfenen Architekturen vergleichbar ist, während die Suchkosten signifikant reduziert werden.
Das Paper stellt CAVEAT vor, ein Framework zur Ressourcenallokation für das Multi-Agenten-Reasoning von LLMs, das korrelierte Fehler zwischen Agenten und Verifizierern modelliert, um einen Abhängigkeitsgraphen für Ansprüche zu konstruieren und Verifizierungsschritte gierig auszuwählen, wodurch die Genauigkeit und Kalibrierung im Vergleich zu bestehenden Methoden signifikant verbessert und gleichzeitig die Rechenkosten gesenkt werden.
HGIRank ist ein Multi-View-Hypergraph-Reasoning-Framework, das einflussreiche Knoten identifiziert, indem es komplementäre Ego-, Diffusions- und Core-Hypergraph-Ansichten konstruiert und einen adaptiven Reasoning-Mechanismus einsetzt, um hochgradige strukturelle Kontexte zu erfassen, wodurch eine überlegene Generalisierung über heterogene Netzwerke hinweg ohne Feinabstimmung erreicht wird.
Dieses Paper schlägt DRD-YOLOv11n vor, eine leichte und schnelle Methode zur Detektion und Pose-Schätzung von Gesteinsrückständen (Coal-Gangue), die DySample, ein Modul zur Residuen-Verstärkung, und einen auf DCNv3 basierenden dynamischen Detektionskopf integriert, um eine mAP von 85,6 % und eine Greiferfolgsquote von 90 % für die robotergestützte Sortierung in anspruchsvollen industriellen Umgebungen zu erreichen.
Dieses Papier stellt AGWO-VMC vor, einen adaptiven Grey Wolf Optimizer, der einen Gradienten-Feedback-Zerfallsmechanismus, probabilistische Kodierung und lokale Suche einsetzt, um den Energieverbrauch und die SLA-Verletzungen in grünen Rechenzentren im Vergleich zu bestehenden metaheuristischen Ansätzen signifikant zu reduzieren.
Diese retrospektive Fallstudie zeigt auf, dass ein Heritage-Spezialist ohne Erfahrung in der Spieleprogrammierung erfolgreich eine zweisprachige, plattformübergreifende WebXR-Anwendung für das Sadous-Erbedorf entwickelte, indem er einen Sprachmodell-Agenten nutzte, um natürliche Sprachspezifikationen in Code zu übersetzen und somit die Lücke zwischen Reality Capture und einsatzbereiten interaktiven Kulturerbe-Erlebnissen zu schließen.
Diese Arbeit schlägt ein auf Deep Learning basierendes Framework zur Erkennung kosmetischer Defekte im Halbleiter-Packaging vor, das eine verteilte IIoT-Infrastruktur und synthetische Datenaugmentation integriert und zeigt, dass die YOLO11-Architektur mit einem mAP@0.5 von 93,5 % auf einem gemischten Real-Synthetik-Datensatz eine überlegene Leistung erzielt.
Das Paper stellt LMFR-SID vor, einen leichtgewichtigen und interpretierbaren Detektor für synthetische Bilder, der visuelle, spektrale und sensorrauschbasierte Evidenzen fusioniert, um auditierbare, natürlichsprachliche Erklärungen mit hoher Genauigkeit zu generieren, mit dem Ziel, das öffentliche Vertrauen in digitale Medien wiederherzustellen, indem die Undurchsichtigkeit bestehender Black-Box-Klassifikatoren überwunden wird.