3447 Arbeiten
Das Paper stellt WalkGPT vor, ein pixelbasiertes Vision-Language-Modell mit Tiefenwahrnehmung und Segmentierungsfähigkeiten, das zusammen mit dem neuen Benchmark PAVE zuverlässige, zugängliche Navigationshinweise für Fußgänger in komplexen städtischen Umgebungen generiert.
Die Studie zeigt, dass trotz des Einflusses von Selbstwirksamkeitsüberzeugungen auf die Delegation von Aufgaben an KI diese Überzeugungen als kognitive Anker wirken und zu einer systematischen „KI-Optimismus"-Verzerrung führen, die sich jedoch nur schwach auf die tatsächliche Leistung von Mensch-KI-Teams auswirkt und daher neue Gestaltungsrichtlinien für effektive Zusammenarbeit erfordert.
Diese Studie modelliert und analysiert die Früherkennung von Krebsbiomarkern mittels intravaskulärer Nanomaschinen und zeigt, dass realistische Gefäßtransportmechanismen die Nachweiswahrscheinlichkeit verringern, wobei Kapillaren über alle Nanomaschinengrößen hinweg die höchsten Detektionsraten aufweisen.
Die Arbeit stellt FutureVLA vor, ein neues Vision-Language-Action-Modell, das durch eine neuartige Architektur zur Entkopplung visueller und motorischer Informationen sowie durch eine gemeinsame Kodierung physikalischer Priors die Vorhersagefähigkeit von Robotern verbessert und dabei sowohl zeitliche Kontinuität als auch eine visuelle Überdominanz vermeidet.
Das Paper stellt MAVEN vor, ein Meta-Reinforcement-Learning-Framework, das es einer einzigen Strategie ermöglicht, durch einen prädiktiven Kontext-Encoder und eine GPU-vektorisierte Simulation innerhalb einer Stunde zu trainieren und sich robust an extreme dynamische Veränderungen wie Massenschwankungen von bis zu 66,7 % oder einen 70 %igen Schubverlust eines Rotors anzupassen, wodurch eine erfolgreiche Zero-Shot-Sim-zu-Real-Übertragung für agile Quadrokopter-Manöver erreicht wird.
Das Papier stellt ASTER vor, ein effizientes Reinforcement-Learning-Framework, das durch eine neuartige, hybriddynamikinformierte Initialisierungsstrategie (HDSS) erstmals den autonomen invertierten Flug eines kabelhängenden Quadrokopters ermöglicht und dabei robuste Sim-to-Real-Transferfähigkeit demonstriert.
Die Arbeit beweist, dass im zentralisierten Joint-Movement-Modell programmierbarer Materie jede beliebige Struktur in sublinearer Zeit von Runden in eine kanonische Linienstruktur umkonfiguriert werden kann, wodurch eine offene Frage zur universellen Rekonfiguration ohne zusätzliche Annahmen positiv beantwortet wird.
Die Studie stellt den eLasmobranc-Datensatz vor, eine öffentlich zugängliche, kuratierte Bildsammlung von sieben Elasmobranchier-Arten aus dem östlichen Mittelmeer, die unter standardisierten Bedingungen außerhalb des Wassers aufgenommen wurde, um die artgenaue Klassifizierung und das Biodiversitätsmonitoring durch künstliche Intelligenz zu unterstützen.
Die Arbeit stellt Just-in-Time (JiT) vor, ein trainingsfreies Framework, das durch die dynamische Auswahl eines spärlichen Token-Subsets und die Formulierung einer räumlich approximierten ODE die Inferenzgeschwindigkeit von Diffusion-Transformern wie FLUX.1-dev um bis zu 7-fach steigert, ohne dabei die Bildqualität signifikant zu beeinträchtigen.
Die Arbeit stellt Pneuma-Seeker vor, ein System, das die LLM-basierte Datenanalyse durch die Reifizierung von Benutzeranfragen in ein relationales Schema verbessert, um so die Genauigkeit und Nachvollziehbarkeit bei der Beantwortung unpräziser Informationsbedürfnisse über heterogene Datenquellen zu erhöhen.
Die Autoren stellen ein neuartiges, kalibrierungsfreies photometrisches Stereo-System vor, das eine rotierende Lichtquelle mit einem Ereigniskamera-basierten, pixelweisen neuronalen Netzwerk kombiniert, um präzise Oberflächennormalen auch unter schwierigen Bedingungen wie starkem Umgebungslicht und spiegelnden Reflexionen zu schätzen.
Die Arbeit stellt AttriGuard vor, eine Laufzeit-Verteidigung für LLM-Agenten, die durch kausale Attribution und kontrafaktische Tests indirekte Prompt-Injection-Angriffe effektiv abwehrt, indem sie Tool-Aufrufe auf ihre Notwendigkeit basierend auf der Benutzerabsicht überprüft.
Die Arbeit „CodePercept" identifiziert die Wahrnehmungsfähigkeit als den entscheidenden Engpass für MLLMs im visuellen STEM-Reasoning und schlägt einen Paradigmenwechsel vor, bei dem ausführbarer Code als präzises Wahrnehmungsmedium dient, was durch die Einführung des 1-Millionen-Einträge-Datensatzes ICC-1M und des Evaluierungsbenchmarks STEM2Code-Eval untermauert wird.
Das Paper stellt RAGPerf vor, ein Open-Source-Framework zur umfassenden End-to-End-Leistungsbewertung von Retrieval-Augmented-Generation-Systemen, das durch modulare Komponenten, flexible Konfiguration und automatisierte Metrikenerfassung detaillierte Analysen ermöglicht, ohne nennenswerten Overhead zu verursachen.
Die Arbeit stellt Aceso vor, ein adaptives System zur kohlenstoff- und kosteneffizienten Platzierung von Microservices für KMU in regional begrenzten Infrastrukturen, das durch dynamische Optimierung und Suchraumverkleinerung im Vergleich zu statischen Bereitstellungen die CO₂-Emissionen um 37,4 % und die Betriebskosten um 3,6 % senkt, ohne dabei Service-Level-Vereinbarungen zu verletzen.
Die Studie zeigt, dass K-12-Lehrkräfte KI-generierte Bewertungsraster als hilfreiche Ausgangspunkte betrachten, die jedoch aufgrund von Anpassungsbedarf und mangelnder Flexibilität eine aktive menschliche Kontrolle und einfache Individualisierungsmöglichkeiten für eine sinnvolle Integration in den Unterrichtsalltag erfordern.
Diese Studie analysiert die Leistungsfähigkeit inkrementeller Federated-Learning-Ansätze mit LSTM-Modellen auf dem CICIoMT2024-Datensatz, um ressourcenschonende und drift-resistente Intrusion-Detection-Systeme für IoT-Netzwerke zu entwickeln, wobei sich zeigt, dass kumulative und repräsentative Lernstrategien die stabilste Leistung bieten.
Die vorgestellte Arbeit führt die Condition-Degradation Guidance (CDG) ein, eine rechenleichte Methode, die das herkömmliche Null-Prompt durch strategisch degradierte Bedingungen ersetzt, um Diffusionsmodelle bei komplexen Zusammensetzungen zu präziseren semantischen Unterscheidungen zu führen und so die Bildtext-Übereinstimmung signifikant zu verbessern.
Die vorgestellte Arbeit stellt mit LGA-RCM-YOLO ein auf YOLO11m-basiertes Modell vor, das zusammen mit dem neuen CTG 2.0-Datensatz die instanzbasierte Segmentierung von Phasengrenzen in transparentem Labor-Glaswerk ermöglicht und so eine zuverlässige visuelle Überwachung chemischer Prozesse für die Laborautomatisierung realisiert.
Diese Arbeit führt die Methode der semantischen Granularitätsausrichtung (SGA) ein, die auf einer geometrischen Analyse der Flow-Matching-Optimierung basiert, um Gradientenkonflikte zu mildern und so die Konvergenzgeschwindigkeit sowie die strukturelle Integrität bei der Text-zu-Bild-Synthese zu verbessern.