8475 Arbeiten
Die Arbeit stellt DeAR vor, einen Rahmen zur feinkörnigen Anpassung von Vision-Language-Modellen, der durch die Zerlegung der Rollen von Aufmerksamkeitsköpfen und die Einführung einer rollenbasierten Maskierung die Balance zwischen Aufgabenanpassung und Erhaltung der Null-Shot-Generalisierung verbessert.
Diese Studie entwickelt einen auf einem Jahr Betriebsdaten validierten Digitalen Zwilling des Flüssigkühlungssystems des Frontier-Supercomputers, um zu zeigen, dass eine kombinierte Optimierung von Durchflussmenge und Zuleitungstemperatur unter Berücksichtigung von Aktorbeschränkungen bis zu 27,8 % Energieeinsparungen ermöglicht, was deutlich über den Ergebnissen einer reinen Durchflussoptimierung liegt.
Dieser technische Bericht erweitert die empirische Validierung des Explainability Solution Space (ESS) durch eine domänenübergreifende Evaluation, die dessen Generalisierbarkeit als operatives Entscheidungsunterstützungsinstrument für die Gestaltung von erklärbarer KI-Strategie in sozio-technischen Systemen bestätigt.
Diese Arbeit entwickelt und bewertet statische sowie adaptive Scheduling-Verfahren für energieeffiziente optische LEO-Satelliten-Downlinks, wobei sich zeigt, dass adaptive Techniken zwar eine höhere Zustellrate unter dynamischen Wetterbedingungen bieten, jedoch auf Kosten einer erhöhten Komplexität und Rechenleistung an Bord gehen.
HarmonyCell ist ein end-to-end Agenten-Framework, das durch eine LLM-gesteuerte semantische Vereinheitlichung und einen adaptiven Monte-Carlo-Baumsuch-Algorithmus die Modellierung von Einzelzell-Perturbationen unter semantischen und distributionellen Verschiebungen automatisiert und dabei sowohl die Ausführungsfähigkeit als auch die Leistung gegenüber Experten-basierten Baselines signifikant verbessert.
Diese Arbeit stellt einen neuartigen, von großen Sprachmodellen (LLMs) gesteuerten geschlossenen Regelkreis vor, der durch semantische Optionserkennung die Dateneffizienz, Interpretierbarkeit und Übertragbarkeit von Deep Reinforcement Learning verbessert, was in Experimenten mit Office World und Montezuma's Revenge bestätigt wurde.
Die Arbeit stellt das MSP-Framework vor, das durch haarkontrollierte Augmentierung, kleidungserhaltendes Löschen und regionsbasierte Aufmerksamkeitsmechanismen die Robustheit der Personenerkennung bei wechselnder Kleidung gegenüber Haartypenänderungen signifikant verbessert.
Diese Arbeit untersucht die Eignung des visuellen Basismodells DINOv3 als eingefrorener Backbone für die robotische Blaubeerenernte und zeigt, dass es zwar die Segmentierung durch stabile Repräsentationen verbessert, jedoch bei der Detektion von Früchten und Clustern aufgrund von Skalierungsvariationen und räumlichen Aggregationsmustern an Grenzen stößt.
Diese Arbeit stellt einen ereignisgesteuerten, sicheren und resilienten Regelungsrahmen vor, der auf adaptiven Angriffstoleranzmechanismen, datengesteuerten Schätzungen des Verhaltens menschlicher Fahrer und der Integration von Control Barrier Functions sowie Control Lyapunov Functions basiert, um automatisierte Fahrzeuge in gemischtem Verkehr auch unter exponentiell unbeschränkten False-Data-Injection-Angriffen kollisionsfrei und stabil zu steuern.
Die vorgestellte Arbeit führt den Generalized Per-Agent Advantage Estimator (GPAE) ein, ein neuartiges Framework für das Multi-Agenten-Reinforcement-Learning, das durch eine per-Agenten-Wertiteration und ein doppeltes abgeschnittenes Importance-Sampling-Verfahren die Stichprobeneffizienz und Koordination in komplexen Szenarien verbessert, ohne direkte Q-Funktionsschätzungen zu benötigen.
Die Arbeit stellt einen Framework für die robuste und überprüfbare Bewertung logischer Reasoning-Agenten vor, der in einer Fallstudie zeigt, dass ein Auto-Formalisierung-Agent für FOL-Reasoning auf Basis von Z3Py mit 86,70 % Genauigkeit einen Chain-of-Thought-Baseline (73,89 %) auf dem bereinigten FOLIO-Datensatz übertrifft.
Diese Arbeit stellt das Required-edge Cycle Cover Problem (RCCP) als einen neuen ASP-Vollständigkeitsrahmen für Graphprobleme und Rätsel vor, der nicht nur die ASP-Vollständigkeit von Kakuro für die Ziffernmenge {1, 2, 3} nachweist und ein offenes Problem der MIT Hardness Group löst, sondern auch die ASP-Vollständigkeit zahlreicher weiterer Rätsel wie Chocona und Hinge beweist.
Das Paper stellt Mica vor, eine Architektur für vertrauliches Computing auf Basis von Arm CCA, die durch die Entkopplung von Vertraulichkeit und Vertrauen sowie die Einführung einer Policy-Sprache zur Attestierung von Kommunikationspfaden sichere Workflows über nicht vertrauenswürdige Komponenten hinweg ermöglicht.
Die Arbeit stellt LDP-Slicing vor, ein effizientes, trainingsfreies Framework, das durch die Zerlegung von Bildern in Bit-Ebenen und eine optimierte Budgetverteilung den Einsatz von lokaler Differentialprivatsphäre für Bilddaten ermöglicht und dabei die Nutzbarkeit für nachgelagerte Aufgaben im Vergleich zu bestehenden Methoden erheblich verbessert.
Die Arbeit stellt RISCBench vor, einen Benchmark und eine Methodik zur Quantifizierung der Orchestrierungseffizienz von RISC-V-Kernen in heterogenen Systemen mittels der neu eingeführten Metrik „Sustained Instantaneous Throughput" (SIT), um die oft vernachlässigten Trade-offs bei Synchronisation und Datenresidenz über reine Spitzenleistungsmetriken hinaus zu bewerten.
Diese Studie bietet eine experimentelle Überprüfung von Algorithmen zur Konvertierung binärer Gleitkommazahlen in kürzeste Dezimalstrings, wobei neuere Methoden wie Schubfach und Dragonbox eine bis zu zehnfache Geschwindigkeitssteigerung gegenüber klassischen Ansätzen wie Dragon4 aufweisen, jedoch oft keine optimal kurzen Ausgaben liefern und Standardbibliotheken in Sprachen wie C++ und Swift deutlich ineffizienter sind.
Diese Design-Research-Studie stellt die GSI D-Hub-Plattform vor, die mittels erklärbarer künstlicher Intelligenz und synthetischer Datenpipelines Informationsasymmetrien zwischen Akteuren der globalen Entwicklung reduziert und so vertrauenswürdige, datengestützte Ökosysteme für transparente Zusammenarbeit ermöglicht.
Die Studie zeigt, dass die Anfälligkeit von Migranten aus dem subsaharischen Afrika für KI-gestützte Betrugsmaschen primär durch frühere Zielgruppenansprache bestimmt wird, während das Selbstvertrauen im Erkennen von KI-Inhalten und ein hohes Maß an Verifikationsbemühungen als wesentliche Schutzfaktoren wirken.
Dieser Artikel stellt einen „Ethics-by-Design"-Ansatz vor, der durch eine dreistufige Gate-Struktur (Metrik, Governance, Ökologie) ethische Prinzipien in messbare, durchsetzbare Kontrollmechanismen für den gesamten KI-Lebenszyklus übersetzt und so eine praktische Verbindung zwischen philosophischen Normen und operativer Governance herstellt.
Diese Studie nutzt Kausalitätsanalysen, um nachzuweisen, dass Autoren aus Minderheiten, Frauen und Institutionen des Globalen Süden in akademischen Peer-Review-Prozessen signifikante Benachteiligungen erfahren, was die dringende Notwendigkeit von Fairness-Maßnahmen sowohl für traditionelle als auch KI-gestützte Begutachtungen unterstreicht.