4671 papers
Dit paper introduceert 'Survivability-Aware Execution' (SAE), een middleware-standaard die de uitvoeringslaag van agentic crypto-trading-systemen (zoals OpenClaw) beschermt tegen schade door onbetrouwbare prompts of skills via strikte, niet te omzeilen invariants, wat resulteert in een drastische reductie van maximale drawdown en risico in backtests.
Deze paper introduceert Equivariant Asynchronous Diffusion (EAD), een nieuw diffusion-model dat een adaptief, asynchroon ontmiddelingschema gebruikt om de hiërarchische structuur van moleculen beter te vangen en zo de prestaties bij het genereren van 3D-moleculaire conformaties te verbeteren.
Dit paper introduceert Code-Space Response Oracles (CSRO), een nieuw raamwerk dat Large Language Models gebruikt om in plaats van ondoorzichtige neurale netten interpreteerbare, menselijke code te genereren voor multi-agent beleidsstrategieën, waardoor complexe speltheoretische evenwichten transparanter en betrouwbaarder worden.
Dit paper introduceert een hardware-efficiënte "soft sparsity"-benadering met een instelbare fouttolerantie die, via een aangepaste RISC-V-instructie, de reken- en stroomverbruik van CNN's aanzienlijk verlaagt zonder in te leveren op nauwkeurigheid.
Het CLIPO-papier introduceert een contrastief leermethode binnen beleidsoptimalisatie die het RLVR-framework generaliseert door de consistentie van tussenstappen te waarborgen, waardoor hallucinaties worden onderdrukt en de robuustheid en generalisatie van redenerende grote taalmodellen aanzienlijk worden verbeterd.
Dit artikel toont aan dat het "Lost in the Middle"-fenomeen een inherente geometrische eigenschap is van de architectuur van causal decoders die al bij initialisatie aanwezig is, ongeacht training of positiële encoding, en wordt veroorzaakt door de interactie tussen causale masking en residual connections.
Dit paper introduceert AR-VLA, een autonoom autoregressief actie-expert dat door het behouden van een langlevend geheugen en het synchroniseren van trage waarnemingen met snelle besturing, soepelere en contextbewustere robotacties genereert dan bestaande reactieve Vision-Language-Action-modellen.
Dit paper introduceert een systeem dat data-producten automatiseert en optimaliseert door middel van gespecialiseerde AI-agenten in een continue cyclus, waarbij menselijke controle behouden blijft om betrouwbare en waardevolle inzichten te genereren.
Dit artikel identificeert zes onafhankelijke dimensies waarin generatie en herkenning binnen de formele taaltheorie fundamenteel verschillen, weerlegt het simplistische idee dat generatie altijd makkelijk is, en verbindt deze asymmetrie met concepten als verrassing (surprisal) en de operationele beperkingen van grote taalmodellen.
Dit artikel toont aan dat gebruikersvoorkeuren over verschillende domeinen heen effectief kunnen worden gemodelleerd en voorspeld door gebruikers en populaire entiteiten te projecteren in een gezamenlijke sociale inbeddingsruimte, wat leidt tot aanzienlijke verbeteringen in zero-shot personalisatie ten opzichte van populariteitsbaselines.
Dit paper introduceert Mashup Learning, een methode die door het samenvoegen van de meest relevante historische checkpoints een betere startpositie biedt voor het finetunen van taalmodellen, wat leidt tot hogere nauwkeurigheid en aanzienlijk snellere convergentie vergeleken met training vanaf nul.
Dit artikel introduceert het eerste systematische raamwerk voor het analyseren en uitbuiten van 'compatibiliteitsmisbruik'-aanvallen in de Model Context Protocol (MCP), waarbij een taal-onafhankelijke representatie en LLM-gestuurde statische analyse worden gebruikt om kwetsbaarheden in SDK-implementaties op te sporen die ontstaan door optionele clausules.
Deze paper introduceert een risicobeoordelingsframework voor open-source MCP-servers dat, door middel van statische codeanalyse en mapping naar bekende aanvalspatronen, systematisch kwetsbaarheden identificeert en benadrukt dat veilige ontwikkeling essentieel is voor betrouwbare LLM-agent-implementaties.
Dit paper introduceert Adaptive Activation Cancellation (AAC), een real-time inferentieframework dat hallucinaties in grote taalmodellen effectief onderdrukt door deze te behandelen als gestructureerde interferentie, waardoor de feitelijke nauwkeurigheid op alle geteste schalen verbetert zonder enige afname in de algemene prestaties of vloeiendheid.
Delta-K is een trainingsvrij, plug-and-play inferentiekader dat conceptverwaarlozing bij multi-instantiegeneratie oplost door semantische kenmerken van ontbrekende concepten via Vision-Language-modellen direct in de gedeelde cross-attention Key-ruimte te injecteren, waardoor de compositie van complexe scènes in zowel DiT- als U-Net-architecturen wordt verbeterd zonder extra training of aanpassingen.
Dit onderzoek toont aan dat het integreren van een niet-Engels (Indiaas) dataset en door ChatGPT gegenereerde data, gecombineerd met een Jaro-similariteitsmechanisme, leidt tot een effectievere en taalbewuste wachtwoordsterktemeter die de noodzaak van traditionele modellen zoals PassGAN overbodig maakt.
Dit artikel analyseert een continu-tijd diffusi benadering van policy gradient voor stochastische bandieten en bewijst dat de spijt afhankelijk is van de leersnelheid, waarbij een optimale leersnelheid nodig is om lineaire spijt te voorkomen.
Dit artikel presenteert een framework dat robotische echografie gebruikt om statische CBCT-beelden in real-time aan te passen aan weefselvervormingen tijdens ingrepen, waardoor nauwkeurige navigatie mogelijk wordt zonder herhaalde blootstelling aan straling.
Deze paper breidt het harmonische verlies uit door een breed scala aan niet-Euclidische afstandsmaten te onderzoeken en toont aan dat met name cosinus-afstand de prestaties, interpretatie en duurzaamheid van zowel visuele als taalkundige modellen verbetert ten opzichte van de standaard kruis-entropieverliesfunctie.
Dit artikel beschrijft hoe een agent met een door een quantumcircuit geoptimaliseerde quantum-sensor radiofrequente signalen kan gebruiken om de omgeving te leren kennen, zelfs zonder kanaalmetingen bij implementatie en met minder informatie dan klassieke systemen.