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.
606 von Autoren geprüfte Arbeiten · 11–20 / 606
Dieses Paper führt „Rift“ ein, eine detektierbare interne Konfliktsignatur, die durch einen erhöhten Residualrang gekennzeichnet ist und täuschende Ausgaben von Sprachmodellen mit nahezu perfekter Genauigkeit von ehrlichen Fehlern und Halluzinationen unterscheidet, selbst über verschiedene Modellfamilien, Sprachen und strategische Verschleierungsversuche hinweg, während sie gegenüber Injectionen unentdeckbar bleibt.
Dieses Paper stellt MultiClin vor, einen klinischen ASR-Benchmark, der die Unterschätzung der Leistung in nicht-englischen Settings durch Multiscript-Variabilität adressiert und zeigt, dass eine skriptbewusste Evaluierung zu gerechteren Bewertungen führt sowie die Vereinheitlichung von Skripten während des Trainings die Modellkonvergenz und Erkennungsgenauigkeit signifikant verbessert.
Diese Arbeit präsentiert eine End-to-End Open-Source-Reproduktion des FastGRNN-Modells, die dessen erfolgreiche Bereitstellung auf ultra-beschränkten 8-Bit- und 16-Bit-Mikrocontrollern durch eine neuartige Kompressionspipeline demonstriert, welche echtzeitfähige, energieeffiziente Inferenz mit hoher Genauigkeit und bit-äquivalenter Determinismus erreicht.
Diese Arbeit berichtet über ALMA- und JWST-Beobachtungen einer massereichen Galaxie in einem Protocluster bei einer Rotverschiebung von 4,3, die einem extremen Ram-Pressure-Stripping unterliegt, und demonstriert, dass der hydrodynamische Gasentzug massereiche Galaxien in dichten Umgebungen bereits ab effektiv löschen kann.
Diese Arbeit evaluiert das Chebfun-Softwarepaket zur Lösung der Richards-Gleichung und zeigt auf, dass während seine automatisierte `chebop`-Klasse eine hohe Präzision bietet, die explizite funktionale Linearisierung und das implizite L-Schema robustere und global konvergente Alternativen für die Handhabung nichtlinearer Randwertprobleme darstellen.
Diese Studie quantifiziert, wie die Wahl der Anfangs-Endmass-Beziehungen von Weißen Zwergen systematische Unsicherheiten bei der Altersbestimmung von Sternhaufen einführt, wobei sie feststellt, dass der Einfluss für junge Cluster vernachlässigbar ist, aber zu Altersabweichungen von bis zu 0,6 Gyr für mittelschwere Cluster und bis zu 0,8 Gyr für alte, metallarme Cluster führen kann, wenn die Metallizitätsabhängigkeit vernachlässigt wird.
Durch die Integration galaktischer Orbits über die letzten 100 Millionen Jahre und die Validierung von Kandidaten mittels Monte-Carlo-Simulationen identifiziert diese Studie zwei zuverlässige vergangene Annäherungen unter Beteiligung der Hyaden- und Plejaden-Haufen, was darauf hindeutet, dass die jüngste Passage der Hyaden nahe der Sternentstehungsregion Corona Australis interne strukturelle Störungen wie die in den Plejaden beobachteten Minicluster verursacht haben könnte.
Diese Arbeit untersucht die unterschiedlichen superradianten Zerfallsdynamiken verschiedener kollektiver Atomspinzustände, einschließlich Dicke- und atomar kohärenter Zustände, und zeigt auf, dass deren Emissionsprofile und Intensitätskorrelationen für große Systeme mithilfe eines Mean-Field-Ansatzes auf Basis der Fokker-Planck-Gleichung präzise vorhergesagt werden können.
Dieses Paper schlägt ein flexibles, recheneffizientes Framework zur Modellierung nichtlinearer multivariater Zeitreihen-Prädiktionsverteilungen vor, indem es eine maßtheoretische generative Repräsentation nutzt, die mittels bedingter Generative Adversarial Networks geschätzt wird, mit nachgewiesener Konsistenz unter schwacher zeitlicher Abhängigkeit und demonstriertem empirischem Erfolg in Finanzanwendungen.
PHINN ist ein Flow-Matching-generatives Framework, das persistente Homologie, insbesondere dynamische Betti-Kurven und Persistence-Landscape-Verluste, nutzt, um seltene Ereignisse in Zeitreihen effektiv zu modellieren, indem es stabile topologische Fingerabdrücke erfasst, wodurch es bestehende statistische und Diffusions-Baselines in Bezug auf topologische Treue und Tail-Abdeckung über verschiedene Domänen hinweg übertrifft.