3483 Arbeiten
Diese Arbeit stellt einen neuro-symbolischen generativen Agenten vor, der durch die autonome Validierung physikalischer Annahmen und die Vervollständigung fehlender Mechanismen das Problem physikalischer Halluzinationen in wissenschaftlichen Simulationen löst und so KI von bloßen Code-Assistenten zu epistemischen Partnern weiterentwickelt.
Der Artikel stellt LogoDiffuser vor, eine trainingsfreie Methode, die mithilfe von letter-bewusster Aufmerksamkeitskontrolle in multimodalen Diffusions-Transformern multilinguale Logo-Designs erzeugt, indem sie Zielzeichen als Bilder statt als Texteingabe nutzt, um eine robuste Strukturkontrolle und stilistische Harmonie zu gewährleisten.
Die Arbeit stellt MuxGel vor, einen neuartigen taktile Sensor, der durch räumliche Multiplexierung und ein auf U-Net basierendes Rekonstruktionsframework gleichzeitig hochauflösende visuelle und taktile Informationen erfasst, um den klassischen Zielkonflikt zwischen Berührungserkennung und Vor-Kontakt-Sichtbarkeit bei robotischen Greifern zu lösen.
Die Studie widerlegt die Annahme, dass das Entfernen bekannter Trigger eine Backdoor vollständig neutralisiert, indem sie nachweist, dass alternative Trigger dieselbe Hintertür aktivieren und somit zukünftige Abwehrmechanismen sich auf die Beseitigung der zugrunde liegenden Merkmalsraum-Richtungen statt auf Eingabe-Trigger konzentrieren müssen.
Diese Arbeit stellt eine neue, dichte-gradienteninformierte Projektionsmethode vor, die in der Topologieoptimierung mit variabler Dicke unscharfe strukturelle Kanten effektiv wiederherstellt und gleichzeitig unerwünschte Bereiche geringer Dicke unterdrückt, ohne die strukturelle Nachgiebigkeit nennenswert zu beeinträchtigen.
Die Studie CLIOPATRA demonstriert, dass selbst durch mehrschichtige Heuristiken geschützte Systeme wie Anthropic's Clio durch gezielte Angriffe kompromittiert werden können, bei denen ein Angreifer sensible medizinische Daten von Nutzern mit nur begrenztem Vorwissen erfolgreich extrahiert.
Die Arbeit stellt TIMID vor, ein neuartiges Video-Anomalie-Erkennungsframework, das mithilfe schwacher Überwachung und einer Simulationsumgebung zeitabhängige Fehler bei der Ausführung komplexer Roboteraufgaben in Videos auf Frame-Ebene erkennt, wo herkömmliche Modelle und reine Vision-Language-Modelle an mangelnder temporaler Reasoning-Fähigkeit scheitern.
Diese Arbeit stellt eine neue Testzeit-Anpassungsmethode namens DCPGN vor, die durch ein Multi-Label-Prototypen-Wachstumsmodul und eine Dual-Clue-Konsistenz zwischen visuellen und textuellen Hinweisen die Herausforderung der Action Anticipation bei der Anpassung von ego- zu exozentrischen Ansichten ohne Zieltrainingsdaten effektiv löst.
Die Arbeit liefert die erste systematische Untersuchung der Ausdruckskraft der Property-Graph-Einsprachensprache PG-Keys, indem sie diese im Rahmen eines vereinheitlichten Modells mit Graph-Functional-Dependencies (GFD) und Graph-Generating-Dependencies (GGD) vergleicht und eine vollständige Hierarchie ihrer Ausdruckskraft etabliert.
Die Autoren stellen mit RA-SSU eine neue feinabgestufte Audio-Visual-Learning-Aufgabe vor, unterstützen diese durch zwei annotierte Datensätze (f-Music und f-Lifescene) und entwickeln das SSUFormer-Modell, das durch innovative Module eine präzise Segmentierung und detaillierte textuelle Beschreibung von Schallquellen auf Frame-Ebene ermöglicht.
Der Paper stellt ConfCtrl vor, einen konfidenzbasierten Interpolationsrahmen für Videodiffusionsmodelle, der durch eine Kalman-inspirierte Korrekturmechanik präzise Kamerasteuerung ermöglicht und gleichzeitig verdeckte Bildbereiche bei großen Blickwinkeländerungen aus nur zwei Eingabebildern konsistent rekonstruiert.
Die Arbeit stellt EmoSURA vor, ein neuartiges Evaluierungsframework, das durch die Zerlegung von emotionalen Sprachbeschreibungen in atomare Einheiten und deren audio-basierte Verifizierung sowie die Einführung des SURABench-Tests eine genauere und zuverlässigere Bewertung als herkömmliche Metriken ermöglicht.
Das Paper stellt BrainSTR vor, ein Framework für spatio-temporales kontrastives Lernen, das durch adaptive Phasentrennung und graphbasierte Merkmalsextraktion interpretierbare dynamische Hirnnetzwerke modelliert, um subtile diagnostische Signaturen bei neuropsychiatrischen Erkrankungen wie Autismus, bipolarer Störung und Depression präzise zu identifizieren.
Der Artikel stellt VLM-Loc vor, ein Framework, das die räumliche Schlussfolgerungsfähigkeit von Vision-Language-Modellen nutzt, um aus natürlichen Sprachbeschreibungen präzise Positionen in 3D-Punktwolkenkarten abzuleiten, und führt gleichzeitig den neuen Benchmark CityLoc zur Evaluierung ein.
Diese Arbeit stellt eine systematische Evaluierung der Farbzugänglichkeit in diffusionsbasierten Bildgenerierungsmodellen vor, führt die neue Metrik „CVDLoss" ein und zeigt auf, dass aktuelle Modelle auf zugänglichkeitsorientierte Prompts nicht zuverlässig reagieren.
Die Autoren stellen einen Gap-ETH-optimalen randomisierten Approximationsalgorithmus für das Traveling-Salesman-Problem und den Steiner-Baum in hyperbolischen Räumen vor, der auf einer neuartigen hybriden hyperbolischen Quadtree-Zerlegung und einer nicht-uniformen Portalplatzierung basiert.
Der Artikel stellt RecThinker vor, ein agentisches Framework für die Empfehlungssysteme, das durch einen „Analyze-Plan-Act"-Ansatz und den autonomen Einsatz von Werkzeugen passive Informationsbeschaffung durch proaktive, selbstgesteuerte Ermittlungen ersetzt, um die Empfehlungsgenauigkeit bei unvollständigen Benutzerprofilen zu verbessern.
Diese Arbeit verbessert den Laufzeitkomplexitätsfaktor für -Approximationsalgorithmen des -Median- und -Means-Clustering in niedrigdimensionalen euklidischen Räumen auf $2^{\tilde{O}(1/\varepsilon)^{d-1}} \cdot n \cdot \text{polylog}(n)$ und beweist unter der Gap-Exponential-Time-Hypothese, dass diese Laufzeit bis auf polylogarithmische Faktoren optimal ist.
Die Arbeit stellt MissBench vor, einen Benchmark und ein Framework zur Evaluierung multimodaler affektiver Analysen unter realistischen, unausgewogenen Bedingungen fehlender Modalitäten, das durch neue Metriken wie den Modality Equity Index (MEI) und den Modality Learning Index (MLI) verborgene Ungleichheiten und Optimierungsprobleme in bestehenden Modellen aufdeckt.
Die Arbeit stellt ein Capability Coherence System (CCS) vor, das durch die Übertragung von Speicher-Konsistenzmodellen auf die Autorisierungsverwaltung die Anzahl nicht autorisierter API-Aufrufe bei schnellen Agenten-Revokationen im Vergleich zu herkömmlichen zeitbasierten Strategien drastisch reduziert.