5640 Arbeiten
Die Studie PyPitfall analysiert quantitativ die Abhängigkeitsstrukturen von über 378.000 PyPI-Paketen und deckt auf, dass Tausende von Paketen bekannte Sicherheitslücken in ihren direkten oder transitiven Abhängigkeiten enthalten, was die Anfälligkeit der Python-Software-Lieferkette für Angriffe unterstreicht.
Die Arbeit stellt FieldLVLM vor, ein neuartiges Framework, das durch eine feldbewusste Sprachgenerierungsstrategie und eine datenkomprimierte Multimodal-Modellanpassung die Fähigkeit von Large Vision-Language Models verbessert, komplexe Strömungsfelddaten zu verstehen und wissenschaftliche Entdeckungen zu unterstützen.
Diese Arbeit analysiert ein gekoppeltes 3D-2D-Modell für Stokes-Strömung und poroelastische Platten, beweist die eindeutige Lösbarkeit des kontinuierlichen Problems und entwickelt eine stabile Virtual-Element-Methode mit optimaler Konvergenz, die erfolgreich zur Simulation der Immunisolierung mittels Silizium-Nanoporenmembranen eingesetzt wird.
Diese Arbeit stellt eine robuste und konforme Robotersteuerungsstrategie für präzise Batch-Montageaufgaben mit unsicheren Passungsarten und -mengen vor, die durch die Zerlegung der Aufgabe in deterministische Teilaufgaben, den Einsatz eines Kraft-Vision-Fusions-Controllers mit Multi-Task-Reinforcement-Learning (FVFC-MTRL) und die Zusammenführung der gelernten Strategien mittels Multi-Teacher-Policy-Distillation in ein einheitliches Netzwerk erreicht wird.
Diese Arbeit behauptet, das P-gegen-NP-Problem durch einen deterministischen polynomiellen Algorithmus zu lösen, der auf einem graphbasierten Rahmenwerk mit inkrementeller Pfadverifikation und lokalem Konsistenz-Trimming beruht, um NP-Probleme ohne explizite Enumeration von Zertifikaten zu entscheiden.
Der Artikel stellt YOPO vor, einen minimalistischen, einstufigen Transformer-basierten Ansatz, der die 9-DoF-Pose-Schätzung von Objekten in einer Kategorie aus einzelnen RGB-Bildern direkt mit der Objekterkennung vereint und dabei ohne zusätzliche Tiefendaten oder CAD-Modelle neue State-of-the-Art-Ergebnisse erzielt.
Die Studie stellt einen neuen, clusterbasierten Rahmen für Website-Fingerprinting-Verteidigungen vor, der durch die adaptive Kombination von Regularisierung und supersequenzbasierten Gruppen die Sicherheit nachweisbar gewährleistet und gleichzeitig den Overhead im Vergleich zu klassischen Methoden wie Tamaraw drastisch reduziert.
Das Paper stellt BLAST vor, ein Werkzeug, das Large Language Models und search-based software testing kombiniert, um automatisch Tests zu generieren, die Softwarefehler reproduzieren, und validiert dessen Wirksamkeit sowohl durch einen Benchmark als auch durch den Einsatz eines GitHub-Bots in drei Open-Source-Repositories.
Die Arbeit stellt CoRe-GS vor, ein grob-zu-fein Framework für semantisches Gaussian Splatting, das durch eine aufgabenspezifische, selektive Optimierung nur relevanter Punkte von Interesse die Trainingszeit drastisch verkürzt und gleichzeitig die Rekonstruktionsqualität für robotische Anwendungen verbessert.
Diese Studie analysiert erstmals in großem Maßstab die Verwendung von Gleitkommaarithmetik in öffentlich zugänglichen GitHub-Repositories statisch typisierter Sprachen, um durch die Veröffentlichung eines Datensatzes mit 10 Millionen Funktionen und den Vergleich mit bestehenden Benchmarks die Lücke zwischen theoretischen Forschungsansätzen und realer Praxis zu schließen.
Die vorgestellte Arbeit führt AwesomeDE ein, ein von großen Sprachmodellen gesteuerter Meta-Black-Box-Optimierungsansatz, der unter Verwendung des -Frameworks ohne menschliches Eingreifen update-Regeln für eingeschränkte evolutionäre Algorithmen generiert und dabei sowohl Recheneffizienz als auch Lösungsgenauigkeit gegenüber bestehenden Methoden verbessert.
Die Arbeit stellt VocSegMRI vor, ein multimodales Framework, das durch die Integration von Video-, Audio- und phonologischen Daten mittels Cross-Attention-Fusion und kontrastivem Lernen eine präzise Echtzeit-Segmentierung des Stimmtrakts in MRT-Bildern ermöglicht und dabei neue State-of-the-Art-Ergebnisse erzielt.
Diese Arbeit stellt einen dezentralen Lernansatz vor, der es Teams von N-Quadruped-Robotern ermöglicht, nicht greifbare Objekte ausschließlich durch physischen Kontakt zu transportieren, indem eine hierarchische Politik und eine spezielle Belohnungsfunktion eine implizite Synchronisation ohne Kommunikation oder mechanische Kopplung gewährleisten.
Diese Studie analysiert acht reale KI-Einsätze in nicht-westlichen Kontexten und leitet daraus zwölf Leitlinien ab, die betonen, dass für den erfolgreichen und sicheren Einsatz von KI im Dienst der Gesellschaft eine enge Zusammenarbeit zwischen Entwicklern und Fachexperten sowie die Berücksichtigung kultureller, institutioneller und technischer Faktoren entscheidend sind.
Die Studie stellt das kostengünstige, modulare Kamerasystem CSLICS vor, das mithilfe von Computer-Vision-Techniken und menschlicher Rückkopplung die automatisierte Zählung von Korallenlaich ermöglicht und damit den manuellen Aufwand bei der Riffrestaurierung drastisch reduziert sowie die Überwachung der Larvengesundheit verbessert.
Diese Arbeit stellt eine unüberwachte Methode vor, die durch die Identifizierung von Entschlüsselungsrichtungen mittels Aktivierungs-Clustering und die Schätzung von Verschlüsselungsrichtungen über Signalvektoren sowie Uncertainty Region Alignment die latenten Mechanismen zur Kodierung und Dekodierung von Konzepten in Deep-Vision-Netzwerken aufdeckt, um deren Black-Box-Charakter zu durchdringen und interpretierbare Eingriffe zu ermöglichen.
Das Paper stellt LLaVAShield vor, ein Sicherheitsframework für multimodale Mehrdialoge, das zusammen mit dem MMDS-Datensatz und dem MMRT-Red-Teaming-Ansatz entwickelt wurde, um die Grenzen bestehender Inhaltsmoderation zu überwinden und VLMs effektiver vor komplexen, kontextabhängigen Risiken zu schützen.
Diese Studie überwindet die Datenlücke für den französischen Stadtflächenwandel vor den 1970er-Jahren, indem sie eine skalierbare Deep-Learning-Pipeline mit einem zweistufigen U-Net-Ansatz entwickelt, um aus historischen Karten (1925–1950) erstmals einen flächendeckenden, offenen Datensatz urbaner Strukturen für ganz Frankreich zu erstellen.
Die Autoren stellen einen Echtzeit-Bézier-basierten MPC-CLF-CBF-Planungsalgorithmus vor, der die Konnektivität von Multi-Roboter-Schwärmen in komplexen Umgebungen durch gleichzeitige Trajektorien- und Regelungsplanung sicherstellt, Deadlocks vermeidet und bei Verbindungsverlusten eine erfolgreiche Wiederherstellung ermöglicht.
Die Arbeit stellt LARA-Gen vor, ein Framework, das durch die Ausrichtung latenter affektiver Repräsentationen und die Nutzung eines kontinuierlichen Valenz-Arousal-Raums eine präzise, kontinuierliche Emotionssteuerung in Text-zu-Musik-Modellen ermöglicht und dabei Text-Prompts umgeht.