2363 Arbeiten
Diese Studie auditiert 173.369 KI-Datensätze, um aufzuzeigen, dass, während deren Erstellungskosten einem nicht-monotonen Trend folgen, ihr wissenschaftlicher Einfluss weitgehend unabhängig von finanziellem oder personellem Aufwand ist, sondern stattdessen durch die Anzahl der Autoren und die thematische Verbreitung getrieben wird.
Dieses Paper führt Stable Group-Relative Policy Optimization (S-GRPO) ein, eine neuartige Methode, die den „Think-Answer Mismatch“ in großen Reasoning-Modellen durch die Ableitung rauschsensitiver Advantage-Gewichte mildert und dadurch eine überlegene Robustheit sowie Performance gegenüber dem Standard-GRPO unter verrauschten Reward-Bedingungen erreicht.
Dieses Paper schlägt ein datenschutzwahrendes, föderiertes graphbasiertes Intrusion-Detection-Framework vor, das Graph Convolutional Networks und Graph Attention Networks integriert, um sowohl bekannte als auch unbekannte Cyberangriffe in Internet of Medical Things (IoMT)-Umgebungen effektiv zu erkennen und dabei durch Cross-Dataset-Validierung eine hohe Genauigkeit unter Wahrung sensibler Patientendaten zu erreichen.
Dieser konzeptionelle Artikel führt das ProSocial AI-Quality of Life Catalyst Model (PAI-QOL) ein, ein mehrstufiges Framework, das ProSocial AI als einen disziplinierten Innovationsansatz definiert, der durch spezifische Konversionspfade und ermöglichende Bedingungen systematisch faire, multidimensionale Lebensqualitätsgewinne für Menschen, den Planeten und zukünftiges Potenzial generiert.
Dieses Paper stellt GAAR vor, eine Runtime-Governance-Architektur, die zwischen Planungsagenten und der Tool-Ausführung positioniert ist und die Anzahl von Richtlinienverstößen und unsicheren Tool-Aufrufen signifikant reduziert sowie die Treue und Audit-Konformität in Enterprise-KI-Systemen verbessert, wenn auch mit einem moderaten Anstieg der Latenz, wie durch umfangreiches synthetisches Benchmarking nachgewiesen wurde.
Dieses Paper schlägt ein vierschichtiges Framework vor, das Blockchain-Infrastruktur und Decision Intelligence integriert, um die Herausforderungen der Wertrealisierung von ERP-Systemen nach der Implementierung durch die Verbesserung von Datentrust, Prozess-Transparenz und automatisierter Governance mittels Smart Contracts zu adressieren.
Dieses Paper schlägt einen Dynamic Sparse Attention und Mixture-of-Experts Transformer für die iterative visuelle Klassifizierung vor, der durch rekursive Verfeinerung und bedingte Berechnung eine wettbewerbsfähige Genauigkeit auf Standard-Benchmarks erreicht und gleichzeitig die aktiven Parameter sowie die Trainingszeit signifikant reduziert.
Dieses Paper schlägt ein Offline-Rezept zur progressiven Erweiterung der Transformer-Breite vor, das einen geschlossenen Small Residual Integration Operator (SRIO) mit blokkspezifischen Expansionsstrategien und einem skalaren Warmup-Gate kombiniert, um den Trainingsverlust signifikant zu verbessern und gelernte Verhaltensweisen während des Modellwachstums zu bewahren.
Diese Arbeit schlägt eine auf SRGAN basierende Super-Resolution-Methode vor, die durch Efficient Channel Attention und ein zusammengesetztes Degradationsmodell zur Verbesserung der Klarheit verschwommener Fundusbilder optimiert wurde und durch umfassende Pixel-, Struktur- und Perzeptionsbewertungen eine überlegene Leistung sowohl in synthetischen als auch in klinischen Realwelt-Szenarien demonstriert.
Dieses Paper schlägt ein effizientes Online-Test-Time-Adaptation-Framework vor, das dynamisches Confidence-Screening, Branch-Level-inkrementelles Tuning und temporale Verteilungsglättung kombiniert, um eine robuste, latenzarme Performance auf Streaming-Daten mit dynamischen Verteilungsverschiebungen zu erreichen.