4698 papers
Dit onderzoek toont aan dat een neuromorfe algoritme voor het oplossen van partiële differentiaalvergelijkingen intrinsiek zeer robuust is tegen structurele storingen, waarbij tot 32% van de neuronen en 90% van de spikes verloren kunnen gaan zonder significante nauwkeurigheidsverlies.
Dit artikel introduceert DUCTILE, een agente LLM-orchestratie die engineeringanalyse in de productontwikkeling automatiseert door adaptieve aanpassing van veranderende interfaces te combineren met deterministische tooluitvoering onder menselijk toezicht, wat leidt tot robuuste resultaten maar ook nieuwe uitdagingen voor de ingenieursrol met zich meebrengt.
Dit paper introduceert een unificerend cross-view contrastief raamwerk dat globale beeldvormings- en lokale ROI-grafrepresentaties voor hersenstoornisklassificatie in een gedeelde latente ruimte uitlijnt, wat leidt tot verbeterde prestaties en complementaire inzichten op de ADHD-200 en ABIDE datasets.
Deze paper introduceert ADMM-PnP met een AC-DC-ontruisingsmechanisme om de convergentie en prestaties van score-gebaseerde generatieve modellen in ADMM voor inverse problemen te verbeteren door een driestapsaanpak die de mismatch tussen trainingsmanifolden en iteraties oplost.
Dit paper presenteert een door conversational AI aangedreven verkenningssysteem dat, ontwikkeld via een mensgerichte ontwerpproces, het publiek in staat stelt om via natuurlijke taal en een interactieve kaart de bijna 1,7 miljoen gedigitaliseerde specimenrecords van het Australian Museum te doorzoeken en te begrijpen.
Dit onderzoek toont aan dat kwantumverstrengeling in een hybride agent voor het spel Pong leidt tot superieure prestaties in competitieve versterkende leeromgevingen door het leren van structureel verschillende en effectievere representaties van interacterende staten.
Dit artikel introduceert HyMEM, een hybride, zelfevoluerende gestructureerde grafgeheugenarchitectuur die open-source GUI-agents aanzienlijk verbetert door multi-hop-retrieval en dynamische updates mogelijk te maken, waardoor zelfs kleinere modellen presteren die concurreren met of superieur zijn aan geavanceerde gesloten modellen.
Dit paper introduceert Simulation-in-the-Reasoning (SiR), een conceptueel kader dat domeinspecifieke simulatoren integreert in de redeneerlus van grote taalmodellen om hypothetisch denken om te zetten in een verifieerbaar workflow voor betrouwbare AI in autonome transportsystemen.
Deze paper introduceert RINoBench, het eerste uitgebreide benchmark voor de evaluatie van geautomatiseerde systemen die onderzoeksideeën beoordelen op originaliteit, en onthult dat hoewel grote taalmodellen menselijke redeneringen nabootsen, hun feitelijke beoordelingen van originaliteit significant afwijken van menselijke expertoordelen.
NasoVoce is een neusgemonteerd interface dat door het fusioneren van akoestische en trillingssignalen een robuuste, onopvallende en altijd beschikbare spraakinteractie met AI mogelijk maakt, zelfs bij fluisterende spraak in lawaaierige omgevingen.
Het artikel introduceert PC-Diffuser, een veiligheidsframework dat een certificeerbare, pad-consistente barrièrefunctie direct in de denoising-loop van een diffusiegebaseerde trajectplanner integreert om botsingsrisico's te minimaliseren en dynamisch haalbare, veilige routes te garanderen zonder de geometrie van de oorspronkelijke leerplanning te verstoren.
Dit onderzoek toont aan dat redenerende rerankers, in vergelijking met niet-redenerende modellen, noch de eerlijkheid verbeteren noch verslechteren, maar eerder de bestaande eerlijkheidskenmerken van de invoer rangschikking behouden.
Deze paper introduceert Concept-Gated Visual Distillation (CGVD), een trainingsvrij raamwerk dat de prestaties van Vision-Language-Action-modellen in rommelige omgevingen aanzienlijk verbetert door instructies te analyseren en visuele afleidingen te onderdrukken via Fourier-based inpainting, waardoor de succesratio van 43,0% naar 77,5% stijgt.
Deze paper introduceert FairFAL, een adaptief framework voor federatief actief leren dat de prestaties verbetert onder extreme non-IID-omstandigheden en globale klasse-ongelijkheid door een slimme selectie tussen lokale en globale query-modellen, prototypegestuurde pseudo-labeling en een gebalanceerde bemonsteringsstrategie.
Dit paper introduceert DIBJudge, een robuust fijn-tuningkader dat gebruikmaakt van een gedesintegreerd informatie-flesnek om de systematische vertaalbias in meertalige LLMs te mitigeren door spurious correlaties te isoleren en te onderdrukken.
Dit paper introduceert GenCC, een framework dat grote taalmodellen (LLMs) gebruikt om geoptimaliseerde congestiebesturingsfuncties te genereren, wat leidt tot prestatieverbeteringen van 37% tot 142% ten opzichte van de huidige state-of-the-art protocollen.
Dit paper introduceert HEAL, een RL-vrij raamwerk dat het 'lerend vermogen' van kleinere modellen verbetert door middel van een curriculum dat gebaseerd is op de Zone van de Naaste Ontwikkeling en gebruikmaakt van entropy-gestuurde herstelmechanismen om de beperkingen van traditionele distillatie te overwinnen.
Dit paper introduceert een dynamisch kennisfusieframework dat contrastief leren en gestructureerde slotinformatie combineert om de prestaties en generalisatie van multi-domein dialoogstatus-tracking te verbeteren ondanks beperkte annotatie en complexe dialogen.
Deze paper introduceert AttnLFA en AttnMVP, twee nieuwe architecturen voor generatieve aanbevelingssystemen die door het elimineren van inefficiënte interleaving-mechanismen en het expliciet modelleren van causale afhankelijkheden tussen items en acties, zowel de prestaties als de trainings-efficiëntie aanzienlijk verbeteren.
Dit artikel presenteert een framework voor weinig-shot adaptatie in niet-stationaire robotische omgevingen waarbij een laag-dimensionale 'Trend ID' wordt geschat om conceptverschuivingen aan te pakken zonder modelparameters aan te passen, waardoor catastrofisch vergeten wordt voorkomen en schaalbaarheid wordt gewaarborgd.