3775 Arbeiten
Dieses Paper führt ein quantitatives, ohne Ground-Truth auskommendes Framework zur Bewertung der Qualität von Punktwolken-Skeletten ein, indem es vier komplementäre Diagnostika – topologische Konnektivität, Begrenztheit, Zentriertheit und Glattheit – verwendet, um Repräsentationsfehler als aufgabenabhängigen Vektor anstatt als einen einzelnen skalaren Metrikwert zu charakterisieren.
Dieses Papier schlägt ein zeitgewichtetes Nutzenbewertungsmodell (Time-Weighted Utility Scoring Model, TWUSM) vor, das die multikriterielle Entscheidungsfindung nutzt, um die Testfallpriorisierung für industrielle HMI-Systeme zu automatisieren, wodurch eine Reduzierung der Testzeit um 58,9 % bei gleichzeitiger Gewährleistung einer 100-prozentigen Erkennung kritischer Fehler und einer nahezu perfekten Fehlererkennungseffizienz erreicht wird.
Diese Arbeit präsentiert ein kybernetisches UAV-Navigationsframework, das RGB-visuelle Wahrnehmung mit kinematischen und Gedächtnisvariablen fusioniert, optimiert durch einen Twin Delayed Deep Deterministic Policy Gradient (TD3)-Controller mit Meta-Gradient-Belohnungskonfiguration, wobei eine Aufgabenerfüllungsrate von 88,5 % auf Flusskorridor-Benchmarks erreicht wird, was herkömmliche nichtlineare modellprädiktive Regelung und RRT*-Replan-Methoden signifikant übertrifft.
Diese Studie bewertet empirisch die Stabilität und Zuverlässigkeit der SHAP-basierten Merkmalsauswahl über variierende Modellkomplexitäten hinweg, indem sie ein skalierbares benutzerdefiniertes Modell einführt und den Ansatz unter Verwendung des CICIDS2017-Datensatzes validiert, um Lücken im Verständnis darüber zu schließen, wie Komplexität die Merkmalsattribuierung in Black-Box-Modellen beeinflusst.
Diese Arbeit zeigt, dass interpretierbare Kolmogorov-Arnold-Netzwerke (KANs) hochwertige DFT-Deskriptoren aus kostengünstigen HF-3c-Inputs für supramolekulare Strukturen präzise und transparent vorhersagen können, indem sie zu einfachen, einzeiligen Korrekturformeln kollabieren, die bestehende Black-Box-Modelle übertreffen.
Diese Arbeit untersucht die Durchführbarkeit der Ableitung von GPT-2-Anfragegrenzen aus der GPU-Leistungs-Telemetrie mit niedriger Rate auf einer einzelnen NVIDIA RTX 2080 Ti und zeigt auf, dass Oracle-Window-Klassifikatoren zwar eine hohe Genauigkeit erreichen können, die Standard-Passiv-Detektion jedoch mit Prefill-Anfragen kämpft und eine geringe Gesamtabdeckung aufweist, was die Lücke zwischen experimentellen Bedingungen und realen Angriffsszenarien verdeutlicht.
Dieses Paper schlägt eine Architektur zur Sprachmodellierung vor, die den parametrischen Speicher durch externen strukturierten Speicher ersetzt, um Effizienz und Interpretierbarkeit zu verbessern, wobei experimentelle Ergebnisse auf chinesischen Daten zeigen, dass dieser Ansatz zwar moderate Retrieval-Gewinne durch Domänenkalibrierung erzielt, letztlich aber nicht die Genauigkeit traditioneller Modelle erreicht, wodurch sich sein primärer Vorteil auf die Auditierbarkeit statt auf die Leistung beschränkt.
Dieses Paper schlägt eine kontrollierte Studie vor, um die klassische Panko-Taxonomie von Tabellenkalkulationsfehlern für das KI-Zeitalter zu erweitern, mit dem Ziel, die kritische Lücke zwischen den hohen Fehlerraten KI-generierter Analysen und der verringerten Wahrscheinlichkeit, dass menschliche Prüfer diese Fehler im Vergleich zu menschengemachten Fehlern entdecken, zu messen.
Dieses Papier schlägt „AgriSaathi“ vor, ein KI-gestütztes landwirtschaftliches Beratungssystem, das Retrieval-Augmented Generation (RAG) nutzt, um eine domänenspezifische Wissensbasis mit großen Sprachmodellen zu kombinieren, um dadurch präzise, kontextbezogene und evidenzbasierte Empfehlungen an Landwirte zu liefern und gleichzeitig Herausforderungen im Zusammenhang mit der Informationszugänglichkeit und Datenzuverlässigkeit zu bewältigen.
Das Paper stellt DocuStore vor, eine domänenbeschränkte Retrieval-Augmented-Generation-Architektur, die Molekülstrukturen und biologische Entitäten integriert, um die Genauigkeit bei der Beantwortung von Fragen und die Evidenzabfrage in Dokumenten der Wirkstoffforschung durch den neuen DocQABench-Benchmark signifikant zu verbessern.