6627 Arbeiten
Das Paper stellt AutoDataset vor, ein leichtgewichtiges, automatisiertes System, das durch kontinuierliche Überwachung von arXiv und den Einsatz einer mehrstufigen Pipeline neue Datensätze aus Forschungsarbeiten extrahiert und indiziert, um die Entdeckung und Suche nach aktuellen Datensätzen für Forscher erheblich zu beschleunigen.
Das Paper stellt VisualDeltas vor, ein leichtgewichtiges Rahmenwerk zum Lernen von Präferenzen aus visuellen Qualitätsveränderungen, das ohne menschliche Annotationen auskommt und durch die Ausnutzung systematischer Bildqualitätsunterschiede die Generalisierung multimodaler Modelle verbessert.
Diese Arbeit zeigt, dass ein Algorithmus zur Lösung zufälliger Instanzen einer nicht-modularen Variante des Short Integer Solution-Problems über den ganzen Zahlen auch zur worst-case-Approximation des Shortest Independent Vectors Problem (SIVP) in ganzzahligen Gittern verwendet werden kann.
Die Studie zeigt, dass die Einbettung leichter interaktiver Komponenten in von LLMs generierte Lernscaffolding-Antworten im Vergleich zur passiven Konsumption die wahrgenommene Engagement, den Fokus und die kurzfristigen Lernergebnisse bei Lernenden verbessert.
Die Arbeit stellt LLM-FK vor, ein vollständig automatisiertes Multi-Agenten-Framework, das mithilfe spezialisierter Agenten die Erkennung fehlender Fremdschlüssel in großen, komplexen Datenbanken durch effiziente Suchraumreduktion und konsistente mehrstufige Schlussfolgerung revolutioniert und dabei signifikant höhere Genauigkeit als bestehende Methoden erreicht.
Diese Arbeit stellt eine neue Methode zur Bestimmung unterer Schranken für die bilineare Komplexität der Matrixmultiplikation über endlichen Körpern vor, die durch eine Kombination aus Substitutionsmethode und systematischer Backtracking-Suche mit dynamischer Programmierung erstmals beweist, dass die Komplexität der Multiplikation von -Matrizen über mindestens 20 beträgt.
Eine empirische Studie an vier Modellen und fünf Prompting-Regimen zeigt, dass deploymentbedingte Einschränkungen die Halluzination von Zitaten in geschlossenen Umgebungen nicht verhindern, sondern die Verifizierbarkeit von Referenzen drastisch senken, was eine nachträgliche Überprüfung vor der Nutzung in der Softwaretechnik zwingend erforderlich macht.
Diese Arbeit stellt den BD-VITON-Datensatz für traditionelle bangladeschische Kleidung vor, um die Generalisierungsfähigkeit von virtuellen Anprobe-Modellen über westliche Standards hinaus zu verbessern, und evaluiert verschiedene State-of-the-Art-Modelle auf diesem neuen Benchmark.
Dieser Artikel stellt eine neue Methode zur Optimierung der Auslieferungsrate bei codiertem Caching unter nicht-uniformen Nachfragemustern vor, die auf einem Ranking-Algorithmus aus dem Bereich der Empfehlungssysteme basiert und insbesondere in Szenarien mit geringer Nutzerzahl, begrenztem Cache-Speicher oder verzerrten Beobachtungsdaten eine sublineare Reue sowie eine signifikant bessere Leistung als frühere Ansätze erzielt.
Die Arbeit stellt MAviS vor, ein multimodales KI-System, das auf einem umfassenden Datensatz für über 1.000 Vogelarten basiert, um durch die Integration von Bild-, Audio- und Textdaten präzise artspezifische Fragen zu beantworten und so den Fortschritt im Bereich des Naturschutzes und der ökologischen Überwachung zu fördern.
Diese Arbeit schlägt eine durch die Neurobiologie inspirierte, modulare Architektur für perceptuelle KI vor, die durch hierarchische prädiktive Schleifen und geteilte latente Räume interpretierbares, zusammengesetztes Generalisieren und adaptive Robustheit gegenüber monolithischen Modellen wie GPT-4V ermöglicht.
Die vorgestellte Arbeit zeigt, dass die Kombination von adversariellem Training mit einem leichtgewichtigen Feature-Map-Glättungsblock stabile, spärliche und vertrauenswürdige Saliency-Karten erzeugt, indem sie die Stabilitätsnachteile des adversariellen Trainings ausgleicht und gleichzeitig die menschliche Wahrnehmung der Erklärungen verbessert.
Das Paper stellt Tursio vor, eine sichere, lokale Plattform für Kreditgenossenschaften, die mithilfe von Large Language Models und einem automatisch generierten semantischen Wissensgraphen natürliche Sprachabfragen in präzise, konforme Datenbankabfragen umwandelt, um komplexe Datenstrukturen für Geschäftsanwender zugänglich zu machen.
Eine Online-Studie zeigt, dass bei der Überprüfung von Fakten durch Large Language Models die Korrektheit der Begründungen und deren Sicherheitshinweise den Vertrauen und die Entscheidungsfindung der Nutzer stärker beeinflussen als die Darstellungsform, wobei Nutzer diese Begründungen primär zur Überprüfung der Ausgaben und zur Kalibrierung des Vertrauens nutzen.
Die vorgestellte Arbeit präsentiert einen hybriden Greifer aus starren Schalen und aufblasbaren Silikon-Taschen, der durch aktive Druckregulierung die Reibung erhöht, um schwere, rutschige oder fragile Objekte sicher zu greifen, ohne die Greifkraft zu steigern.
Diese empirische Studie untersucht, wie sich die stochastische Verzögerung und Jitter von 5G-Netzen auf die Zeitgesteuerte Schaltung (TAS) in 5G-TSN-Netzwerken auswirken, und zeigt, dass die Einhaltung deterministischer Anforderungen eine sorgfältige Anpassung der TAS-Offset-Parameter basierend auf hochprozentilenbasierten 5G-Latenzgrenzen erfordert.
Dieses Kapitel untersucht die Entwicklung datengesteuerter Hinweisgenerierung in intelligenten Tutorensystemen, die auf historischen Schülerdaten basieren, und erörtert zukünftige Anpassungsmöglichkeiten durch Verhaltensdaten sowie die Integration von Large Language Models (LLMs).
Der Artikel stellt Faster-HEAL vor, ein effizientes und datenschutzfreundliches Framework für die kollaborative Wahrnehmung heterogener autonomer Fahrzeuge, das durch feine Anpassung von Low-Rank-Visual-Prompts und pyramidenförmiger Fusion eine deutliche Leistungssteigerung bei minimalem Rechenaufwand ermöglicht.
Die Studie „FinSheet-Bench" stellt ein synthetisches Benchmark für Finanztabellen vor und zeigt, dass aktuelle Large Language Models bei komplexen, strukturierten Finanzdaten noch zu viele Fehler machen, um in professionellen Anwendungen ohne menschliche Überprüfung eingesetzt zu werden.
Diese Arbeit stellt eine Methode zur automatisierten Generierung von Beweisübungen mit vergleichbarem Schwierigkeitsgrad vor, die auf der Analyse von Tableau-Beweisen in der ersten Stufe basiert, um den manuellen Aufwand für die Erstellung von Übungsaufgaben im Bereich der diskreten Mathematik zu reduzieren.