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.
1209 von Autoren geprüfte Arbeiten · 791–800 / 1209
Dieser Artikel zeigt, dass das zufällige Entfernen eines festen Anteils (genauer 25 %) von Übergängen aus PPO-Rollouts die Redundanz kausal verketteter Gradienten effektiv aufbricht, wodurch die Trainingsdynamik über verschiedene Umgebungen hinweg stabilisiert wird, ohne den Kernalgorithmus zu verändern oder die finale Belohnungsleistung zu beeinträchtigen.
Dieser Artikel schlägt ein vereinheitlichtes kybernetisches Rahmenwerk vor, das kognitive Prozesse als rückkopplungsgetriebene dynamische Systeme modelliert und eine Kombination aus internen Transformationen, interpretativen Abbildungen und semantischen Äquivalenzbedingungen nutzt, um stabile, invariante Interpretationen durch kategorische und Fixpunktanalyse sicherzustellen.
Dieser Beitrag stellt ein auf TESS-Lichtkurven trainiertes Deep-Learning-Modell vor, das eine Genauigkeit von 99,8 % bei der Identifizierung sonnenähnlicher Oszillationen in kühlen Zwergsternen erreicht und erfolgreich Tausende von Kandidaten auf 24 vielversprechende Sterne eingrenzt, um die Detektionsgrenze der Asteroseismologie für Hauptreihen- und Unterriesensterne zu erweitern.
Dieser Artikel stellt eine exakte analytische Lösung für heterogene Ketten überdämpfter, harmonisch gekoppelter Teilchen mit impuls-erhaltender Dissipation vor und zeigt, dass ein freies Ende eine eigentümliche Treppenreaktion hervorruft, bei der die Teilchenwechselwirkungen unabhängig von den Eigenschaften der dazwischenliegenden Kette sind, sowie dass rangdefiziente Matrizen zu einer deutlichen Trennung zwischen stationärem Zustand und Relaxationsdynamik führen.
Diese Studie zeigt, dass ein elektrisches Feld senkrecht zur Ebene über eine Spin-Valley-Schicht-Kopplung eine dominante Spin-Aufspaltung in den Q- und Q'-Tälern von mehrschichtigem n-leitendem WSe2 induzieren kann und damit eine leistungsstarke nicht-magnetische Alternative zu Magnetfeldern zur Kontrolle von Spin-Zuständen in stromsparenden Spintronik- und Quantenbauelementen bietet.
Dieser Artikel stellt ein neues Helizitäts-weiches Dipol-Pomeron-Modell vor, das auf der Regge-Theorie basiert und erfolgreich die Wirkungsquerschnitte sowie Spinobservablen der Photoproduktion von -Vektormesonen durch beliebig polarisierte Photonen über einen weiten Energiebereich beschreibt, wodurch es frühere Modelle erheblich verbessert und Vorhersagen für zukünftige Experimente sowie die Polarimetrie kosmischer Photonen liefert.
Dieser Beitrag stellt ein hybrides Framework aus Strömungsmechanik-Simulation (Computational Fluid Dynamics) und Multi-Objective Multi-Agent Reinforcement Learning vor, das magnetisch angetriebene mikrorobotische Schwärme in dynamischen, pulsierenden Strömungen erfolgreich koordiniert, indem PCGrad zur Auflösung von Gradientenkonflikten eingesetzt wird, wodurch durch emergente hydrodynamische Verhaltensweisen eine gleichzeitige Optimierung der Vorwärtsbewegung stromaufwärts, der Energieeffizienz und der Bewegungsstetigkeit erreicht wird.
Dieser Beitrag stellt ein einheitliches mehrdimensionales Verhaltensframework vor, das das Schlussfolgern von LLMs über sechs verschiedene Dimensionen hinweg bewertet – Richtigkeit, Konsistenz, Robustheit, logische Kohärenz, Effizienz und Stabilität –, um kritische Erkenntnisse zu gewinnen und Rangfolgefehler zu verhindern, die von herkömmlichen, ausschließlich auf Genauigkeit basierenden Metriken übersehen werden.
Dieser Beitrag stellt Habermolt vor, eine öffentliche Plattform für KI-delegierte Deliberation, auf der Agenten Menschen in kollektiven Entscheidungsprozessen vertreten, und bewertet deren Wirksamkeit anhand der Dimensionen Repräsentation, Aggregation und Revision, um die neuartigen Gestaltungs- und Ausrichtungs-Herausforderungen skalierbarer, vertrauenswürdiger KI-Repräsentanten zu adressieren.
Dieser Beitrag stellt die Concept Allocation Zone (CAZ) vor, ein Rahmenwerk, das die Konzeptbildung in Transformer-Modellen als einen über einen zusammenhängenden Bereich des Residualstroms erstreckten Prozess neu definiert, der sich nicht auf eine einzelne „beste" Schicht beschränkt, wobei neue Metriken zur Identifizierung dieser Zonen eingesetzt werden und gezeigt wird, dass viele Konzepte in subtilen, multimodalen Allokationsregionen existieren, die kausal aktiv sind, jedoch für Standard-Peak-Detection-Methoden unsichtbar bleiben.