Arbeiten, bei denen die ursprünglichen Autoren unsere verständliche Erklärung begutachtet haben.
Bei jeder Arbeit auf dieser Seite hat mindestens ein/e der ursprünglichen Autor*innen unsere verständliche Erklärung gesehen und begutachtet — entweder durch Bestätigung der Genauigkeit oder durch Korrekturwünsche, die wir anschließend umgesetzt haben. Eine Bestätigung bedeutet keine formelle Freigabe jedes Satzes, aber die Erklärung ist von den Menschen geprüft worden, die das Paper geschrieben haben.
607 von Autoren geprüfte Arbeiten · 131–140 / 607
Das Papier argumentiert, dass das Lesen und Refactoring von Code zur Erstellung eines minimalen, vereinheitlichten Python-Toolkits (EZR.py) zeigt, dass einfache, leichtgewichtige Algorithmen komplexere State-of-the-Art-Tools bei Aufgaben der tabellarischen Software-Engineering-Optimierung übertreffen können, während sie gleichzeitig signifikant weniger Daten und Rechenressourcen erfordern.
Dieses Paper führt einen trainingsfreien Plug-in-„Drift-Gating“-Mechanismus ein, der die erhöhte Instabilität von adversen Beispielen unter hochfrequenten Rauschstörungen nutzt, um selektiv Testzeit-Abwehrmechanismen auszulösen, wodurch der Clean-Robustness-Trade-off bei Vision-Language-Modellen signifikant verbessert wird, ohne die Genauigkeit bei sauberen Daten zu verschlechtern.
Dieses Papier präsentiert das optimale Design und die analytische Modellierung eines von der Fin-Ray-Struktur inspirierten weichen Greiferfingers für die empfindliche landwirtschaftliche Handhabung unter Verwendung der Finite-Rigid-Elements-Methode zur Erzielung einer hochpräzisen Kraftsteuerung, validiert durch ANSYS-Simulationen und experimentelle Tests.
Diese Arbeit zeigt auf, wie man die akustische Resonanz einer Bierflasche als einen eindimensionalen getriebenen gedämpften Oszillator modelliert, und schlägt vor, Fourier-Methoden zu verwenden, um effizient die notwendigen Daten für die Parameteranpassung in Laborexperimenten für den Bachelorstudium zu sammeln.
Das Papier stellt d2 vor, ein neuartiges Reinforcement-Learning-Framework für Masked Diffusion Language Models, das spezialisierte Trajektorien-Likelihood-Schätzer (d2-AnyOrder und d2-StepMerge) einsetzt, um die Denkfähigkeiten auf logischen und mathematischen Benchmarks signifikant zu verbessern und dabei neue State-of-the-Art-Leistungen zu erzielen.
Diese Arbeit kritisiert die traditionelle Boltzmann-Definition der Entropie als den Logarithmus von Quantenzuständen und schlägt stattdessen vor, dass Entropie aus subquantenmechanischen Prozessen entsteht und mathematisch als das Verhältnis des Logarithmus der maximalen Zustandsrealisierungen eines makroskopischen Systems zur Häufigkeit seiner Quantenzustandsvorkommnisse über einen gegebenen Beobachtungszeitraum ausgedrückt wird.
Diese Arbeit zeigt auf, dass die Reaktion der Stromnachfrage von Bitcoin-Minern auf steigende Kosten auf dem texanischen Strommarkt wirtschaftlich zustandsabhängig ist, indem sie schwächer wird, wenn ein höherer „Hashprice“ (erwarteter Mining-Erlös) die Schwelle für eine Drosselung zu höheren Strompreisen verschiebt, was darauf hindeutet, dass die Behandlung dieser Lasten als zuverlässige Ressourcen zur Netzflexibilisierung deren tatsächliche Verfügbarkeit überbewertet.
Dieses Paper schlägt ein von Metamaterialien inspiriertes formales Engineering-Framework vor, um institutionelle Koordination unter KI-gesteuerter Entscheidungsgeschwindigkeit zu modellieren, wobei ein konstitutives Gesetz eingeführt wird, das ein katastrophales „Freezing Equilibrium“ vorhersagt, wenn die Verifizierungskosten den Nutzen übersteigen, und testbare Hypothesen anbietet, um diesen Phasenübergang durch optimierte Provenienz- und Verifizierungsstrukturen zu verhindern.
Diese Arbeit etabliert einen mikroskopischen Rahmen, der zeigt, dass die Wiederherstellung der Rotationssymmetrie in relativistischen Schwerionenkollisionen als geometrischer Tiefpassfilter wirkt, der effektive Deformationsmoden exponentiell unterdrückt und somit die Verwendung klassisch deformierter Geometrien mit den rotationsinvarianten Quantengrundzuständen von geradzahligen Kernen in Einklang bringt.
Site4Drug ist ein KI-Agent, der durch die Integration vielfältiger biologischer Evidenzen rangierte, modalitätsbewusste Wirkstoffbindungsstellen an Proteinen vorhersagt, um die Mehrdeutigkeit und die Ausfallraten zu überwinden, die mit der Auswahl ansprechbarer Interventionsregionen, insbesondere für Membranproteine, verbunden sind.