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 · 81–90 / 607
Dieses Paper schlägt das Transformations-Response-Framework vor, eine operationale Umformulierung der Quantenmechanik, die Zustände als Kataloge von Antworten auf physikalische Transformationen definiert und den gesamten Standardformalismus – einschließlich Hilbert-Räumen, der Bornschen Regel und dem Pfadintegral – aus dem einzelnen Postulat der Positivdefinitheit ableitet.
Die CASCADES-Durchmusterung nutzte langfristige CORALIE-Radialgeschwindigkeitsmessungen, um drei massereiche planetare Begleiter zu bestätigen, die zwei lichtschwache Rote Riesensterne umkreisen, während sie gleichzeitig eine effektive Beobachtungsstrategie zur Abschwächung von Sternpulsationsrauschen demonstrierte.
Diese Arbeit entwickelt eine exakte kontinuierliche-Zeit-Dynamik-Cavity-Methode für stochastische Systeme auf dünnbesetzten Zufallsgraphen, welche die dynamische Mittelfeldtheorie erweitert, indem sie selbstkonsistente Pfadmaß-Gleichungen herleitet, die explizit die unterschiedlichen dynamischen Abschlüsse berücksichtigen, die für reziproke versus gerichtete Interaktionen erforderlich sind.
Dieses Paper identifiziert fünf strukturelle Barrieren – einschließlich intransparenter Personalisierung, restriktiver Zugangsrichtlinien und instabiler Modellversionen –, die derzeit eine zuverlässige unabhängige Evaluierung darüber verhindern, wie konsumentenorientierte Gesundheits-Large-Language-Models ihre Antworten variieren und im gewöhnlichen Gebrauch Eigennützigkeit (Sycophancy) zeigen, was die dringende Notwendigkeit neuer Governance-Rahmenbedingungen unterstreicht, um Sicherheit und Gerechtigkeit zu gewährleisten.
Diese Arbeit präsentiert ein Meta-Learning-Framework basierend auf Attentive Latent Neural Processes, welches die unüberwachte Rekonstruktion von AGN-Lichtkurven sowie die Rückgewinnung von Eigenschaften supermassereicher Schwarzer Löcher und Transferfunktionen signifikant verbessert und dessen Skalierbarkeit sowie Effektivität für den bevorstehenden Legacy Survey of Space and Time des Vera C. Rubin Observatory demonstriert.
Dieses Paper stellt ein constraint-bewusstes Optimierungsframework vor, das die Robustheit und Genauigkeit der Proteinstabilitätsvorhersage auf Out-of-Distribution-Benchmarks durch die Integration von Balanced Mean Squared Error, einem siamesischen antisymmetrischen Regularisierer und einem OOD-Margin-Konsistenzverlust verbessert, ohne architektonische Modifikationen am zugrunde liegenden Modell zu erfordern.
Dieses Paper stellt das Collaborative Human-Agent Protocol (CHAP) vor, einen neuen Standard, der darauf ausgelegt ist, Multi-Human-Multi-Agent-Workflows zu formalisieren und zu auditieren, indem unstrukturierte menschliche Interventionen und Übergaben in strukturierte, nicht abstreitbare Ereignisse innerhalb eines gemeinsamen, evidenzbasierten Arbeitsbereichs transformiert werden.
Diese Studie zeigt, dass Taylors Hypothese für Temperaturschwankungen in einer hochgradig heterogenen Waldlichtung unter Auftriebsbedingungen ungültig ist, da großskalige, zufällige Sweeping-Ereignisse die Raum-Zeit-Korrelationsfunktionen zu elliptischen Kurven verzerren, was ein allgemeineres elliptisches Modell für eine genaue zeitlichen-zu-räumlichen Konvertierung erforderlich macht.
Dieses Papier führt die Positive Instantial Neighbourhood Logic (PINL) ein, ein negationsfreies modales System mit unabhängigen Box- und Diamond-Modalitäten, und etabliert deren Vollständigkeit mittels persistenter Nachbarschaftssemanitk, algebraischer Semantik unter Verwendung von 2-DLIos sowie einer kanonischen bitopologischen Repräsentation.
Diese Arbeit zeigt, dass eine Coherent Ising Machine, in Kombination mit Equilibrium Propagation und dem Adam-Optimizer, energiebasierte neuronale Netze effektiv mit verbesserter Konvergenz und Skalierbarkeit trainieren kann, was einen vielversprechenden Weg für energieeffiziente KI-Hardware der nächsten Generation eröffnet.