3503 Arbeiten
Diese Arbeit stellt eine neue Variante des Pebble-Games vor, die partielle Berechnungen zulässt, um Datenbewegungen in DAGs mit beliebigen Eingangsgraden zu modellieren, und zeigt, dass die Entscheidungsfrage nach einer optimalen Strategie NP-vollständig ist, während Approximationsalgorithmen für Spezialfälle skizziert werden.
Dieser Artikel zeigt, wie untere Schranken für uniforme nichtdeterministische Laufzeiten (z. B. für k-SAT oder MAX-3-SAT) genutzt werden können, um die Existenz von kombinatorischen Objekten mit hoher Komplexität, wie monotonen Booleschen Funktionen, Matrizen mit hoher Steifigkeit und Tensoren mit hohem Rang, nachzuweisen.
Diese Studie untersucht mittels einer computergestützten Analyse von zwei Jahren Hit-Daten, wie sich die unterschiedlichen Plattformlogiken von TikTok und Spotify auf die Produktion und Rezeption von Musik auswirken und wie die Popularität von Hits zwischen den beiden Plattformen interagiert.
Die Studie zeigt, dass algorithmische Agenten ohne direkte Kenntnis der Konkurrenz durch reine Synchronität ihrer Aktionen in wiederholten Gefangenendilemma-Spielen zu einer „naiven Kollusion" neigen können, wobei das Auftreten dieses Phänomens stark von der Wahl des Lernalgorithmus (z. B. deterministisch vs. zufällig) abhängt und erhebliche Implikationen für die Wettbewerbspolitik hat.
Die Arbeit stellt Prithvi-EO-2.0 vor, ein vielseitiges, quelloffenes geospatiales Fundamentmodell, das durch Training auf 4,2 Millionen globalen Zeitreihen und die Integration von Zeit- und Orts-Embeddings signifikante Leistungssteigerungen gegenüber Vorgängermodellen und anderen geospatialen Modellen in verschiedenen Erdbeobachtungsaufgaben erzielt.
Die Arbeit stellt iLLaVA vor, eine Methode zur umfassenden Beschleunigung von Large Multimodal Models durch die gemeinsame Optimierung des Bildencoders und des LLM mittels einer neuartigen Token-Merging-Strategie, die nicht nur die Rechenzeit drastisch reduziert, sondern auch die Genauigkeit größerer Modelle im Vergleich zu kleineren verbessert.
Diese Arbeit untersucht die algorithmische Komplexität der Berechnung eines reinen Nash-Gleichgewichts in allgemeinen Tullock-Wettbewerben und zeigt, dass die Anzahl der Spieler mit mittlerer Elastizität (r_i ∈ (1, 2]) entscheidend ist, da eine logarithmische Beschränkung effiziente Algorithmen ermöglicht, während eine darüber hinausgehende Anzahl NP-Vollständigkeit impliziert, für die jedoch ein FPTAS entwickelt wurde.
Der Artikel stellt LangSurf vor, eine Methode, die durch eine gemeinsame Trainingsstrategie und ein hierarchisches Kontextbewusstseinsmodul präzise sprachbasierte 3D-Segmentierung und -Bearbeitung ermöglicht, indem sie Sprach-Gaussians exakt mit den Objektoberflächen ausrichtet und so die Grenzen bestehender Ansätze wie LangSplat überwindet.
Diese Arbeit stellt ein Deep-Learning-Framework vor, das historische Ausfall- und Wetterdaten nutzt, um die Resilienz von Stromnetzen auf Ereignisebene zu prognostizieren und damit gezielte Investitionen in verteilte Energiequellen zur Stärkung besonders gefährdeter Regionen zu ermöglichen.
Diese Studie stellt eine Methode zur Identifizierung von IoT-Firmware-Versionen mittels Transferlernen und Twin Neural Networks vor, die durch die Analyse von Paketfluss-Statistiken als Graustufenbilder Versionenänderungen mit hoher Genauigkeit erkennt und dabei nur geringe Trainingsdaten benötigt.
Diese Fallstudie untersucht die positiven Auswirkungen des KI-gestützten CGScholar AI Helper auf die Schreibentwicklung von elften Klassen-Schülern in einem einkommensschwachen Umfeld und liefert gleichzeitig Verbesserungsvorschläge für das noch in Entwicklung befindliche Tool.
Die Autoren stellen einen systematischen Ansatz zur statischen und dynamischen Taint-Analyse von Graph-APIs vor, der mithilfe von Graphtransformation und kritischer Paaranalyse Broken Access Control-Schwachstellen identifiziert und durch Anwendung auf die GitHub GraphQL-API sowohl unzulässige Zugriffe als auch ungerechtfertigte Zugriffsbeschränkungen aufdeckt.
Die Autoren stellen ein problemagnostisches, auf dem Maximum-a-Posteriori-Prinzip basiertes Diffusionsmodell vor, das durch die Schätzung eines geführten Terms unbedingte vortrainierte Modelle für inverse Bildprobleme wie Super-Resolution und Inpainting verbessert und dabei die strukturelle Kohärenz der Ergebnisse signifikant erhöht.
Das Paper stellt VL-Nav vor, ein neuro-symbolisches System, das neuronale Schlussfolgerungen mit symbolischer Führung kombiniert, um autonome Roboter bei der Navigation in komplexen, unbekannten Umgebungen basierend auf abstrakten Sprachanweisungen zu ermöglichen und dabei hohe Erfolgsraten in Simulationen und realen Tests zu erzielen.
Diese Arbeit entwickelt ein technisches Rahmenwerk und eine Taxonomie, um die in EU-Wettbewerbsverfahren häufig vorgebrachten Sicherheitsbedenken gegen Interoperabilitätsforderungen systematisch zu analysieren und kritisch zu bewerten.
Die Arbeit stellt Prompt-SID vor, ein selbstüberwachtes Framework für die Einzelbild-Denoising, das mittels latenten Diffusionsprozessen strukturelle Prompts generiert und über einen Transformer-basierten Aufmerksamkeitsmechanismus integriert, um strukturelle Details zu bewahren und die Effizienz gegenüber bestehenden blind-spot-basierten Methoden zu steigern.
Diese umfassende PRISMA-gestützte Übersicht analysiert 232 Studien zu verantwortungsvoller generativer KI, identifiziert Lücken in aktuellen Sicherheitsbenchmarks und regulatorischen Abdeckungen sowie in der Evaluierung dynamischer Agentensysteme und schlägt einen strukturierten Forschungsrahmen mit neuen Metriken und Richtlinien vor, um die Entwicklung sicherer und rechenschaftspflichtiger KI-Systeme für eine nachhaltige Zukunft zu gewährleisten.
Diese Studie stellt einen Algorithmus vor, der durch die Fusion von segmentierten T1-, T2-, T1ce- und FLAIR-MRT-Bildern mittels UNET und gewichteter Durchschnittsbildung sowie deren Klassifizierung mit einem ResNet50-Modell eine Genauigkeit von 99,25 % bei der Untergruppenklassifizierung von Gliomen erreicht.
Diese Studie stellt einen tiefenlernbasierten Ansatz vor, der auf UNET-, Inception- und ResNet-Architekturen aufbaut, um durch eine ausgewogene Kombination von 2D- und 3D-Faltungsschichten eine automatisierte und präzise Gliom-Segmentierung in MRT-Bildern zu ermöglichen, wobei das ResNet-Modell auf den BraTS-Datensätzen mit einer 3D-Dice-Bewertung von 0,9888 die besten Ergebnisse erzielte.
Die Arbeit stellt DEBT control vor, ein Protokoll für Routing und Flusskontrolle in Zahlungsnetzwerken, das durch preisbasierte Mechanismen und Gradientenabstieg eine optimale Betriebszustandskonvergenz für stabile Nachfragemuster gewährleistet.