4792 papers
Dit paper introduceert een lichtgewicht architectuur voor verifieerbare aggregatie in cross-silo federated learning die bestaande backdoor-injectie technieken repurposed als intrinsieke, tijdelijke bewijzen om servermanipulatie te detecteren zonder de zware computatiekosten van traditionele cryptografische methoden.
Dit paper introduceert RandMark, een methode voor het verifiëren van eigendom van visuele fundamentele modellen door middel van willekeurige watermerken die in interne representaties worden ingebed om intellectuele eigendomsrechten te beschermen.
Dit paper introduceert EvoSchema, een uitgebreid benchmarkkader dat een nieuwe taxonomie van schema-evoluties gebruikt om de robuustheid van text-to-SQL-systemen te evalueren en te verbeteren tegenover dynamische veranderingen in databaseschema's.
Dit onderzoek toont aan dat het gebruik van gestructureerde linked data, specifiek verrijkte entiteitspagina's met JSON-LD en navigatie-instructies, de nauwkeurigheid en volledigheid van zowel standaard als agent-gestuurde Retrieval-Augmented Generation-systemen aanzienlijk verbetert.
AlphaFlowTSE is een nieuwe één-staps generatieve methode voor doel-sprekerextractie die gebruikmaakt van een voorwaartse AlphaFlow-objectief om de latentie te verminderen en de spraakherkenning te verbeteren zonder onbetrouwbare mengverhoudingsvoorspellingen.
Dit paper introduceert PV-VASM, een modelonafhankelijk probabilistisch raamwerk dat de robuustheid van stem-anti-spoofingmodellen verifieert door de misclassificatiekans onder diverse synthetische en perturbatie-scenario's te schatten en een theoretische bovengrens voor de foutkans af te leiden.
Deze paper introduceert CTCNet, een nieuw cross-spectraal model voor robuust UAV-verkeersbegrip dat gebruikmaakt van een kennisgebaseerde module en een kwaliteitsbewuste spectrale compensatie, vergezeld van de Traffic-VQA-benchmark, om prestaties onder moeilijke omstandigheden en complexe verkeerscognitie te verbeteren.
Dit paper introduceert HIR-SDD, een nieuw framework voor het detecteren van spraakdeepfakes dat Large Audio Language Models combineert met chain-of-thought-redenering op basis van een menselijk geannoteerde dataset om zowel de generalisatie als de interpretatie van detecties te verbeteren.
CUPID is een plug-in framework dat ongemodificeerde, vooraf getrainde diepe netwerken in staat stelt om zowel aleatorische als epistemische onzekerheid te schatten zonder hertraining, waardoor betrouwbare en interpreteerbare AI-toepassingen in hoog-risicodomains mogelijk worden.
Dit paper introduceert DeepRDFC, een op autoencoders gebaseerd framework dat de totale variatie-afstand tot een onbekende doelverdeling minimaliseert en zo aanzienlijke verbeteringen in communicatie-efficiëntie biedt ten opzichte van traditionele datacompressie voor willekeurige gedistribueerde functieberekening.
Deze paper introduceert 'Super Neurons', een methode waarbij het direct aftasten van schaalactivaties in de lagere lagen van Vision Language Models leidt tot robuustere classificatieprestaties en een snelheidsverhoging tot 5,10x door extreme vroege exit.
Dit artikel presenteert een AI-gedreven raamwerk met contextbewuste splitsing en foutcorrectie om de ruimtelijke generalisatie van verkeerprognoses voor 5G/6G-netwerken te verbeteren en het risico op datalekken te verminderen.
Dit artikel presenteert een hiërarchisch Graph Attention Network (HR-GAT) dat openbare implementatiegegevens gebruikt om de spectrumvraag op fijne ruimtelijke schaal nauwkeuriger te schatten, waardoor de allocatie en het delen van spectrum voor regelgevers effectiever wordt.
Dit paper introduceert een risicogebaseerd evaluatiekader voor de beveiliging van grote taalmodellen in de financiële sector, dat een gespecialiseerde taxonomie, geautomatiseerde red-teaming en een nieuwe 'Risk-Adjusted Harm Score' combineert om de operationele ernst van schadelijke uitkomsten beter te kwantificeren dan bestaande, domein-agnostische benchmarks.
Dit paper introduceert 'Nurture-First Development', een nieuw paradigma voor het bouwen van domein-expert AI-agenten waarbij kennis niet vooraf wordt ingebouwd, maar geleidelijk ontstaat en wordt gestructureerd via conversaties met experts, in plaats van via traditionele code- of prompt-first benaderingen.
Dit paper introduceert MCCOP, een framework dat gebruikmaakt van een diffusiemodel om in een continue latent ruimte biologisch plausibele en minimale mutaties te genereren die de eigenschappen van eiwitten op een interpreteerbare manier naar een gewenste toestand sturen.
Dit paper introduceert een model-onafhankelijke evaluatieprotocol dat aantoont dat spraakbewuste LLM's een zwakke sprekerdiscriminatie hebben, en lost dit op met een lichtgewicht augmentatie die ECAPA-TDNN-embeddings via LoRA injecteert om een natuurlijke taalinterface te combineren met state-of-the-art sprekerverificatie.
Dit paper introduceert BALD-SAM, een principieel raamwerk voor actieve promptselectie dat Bayesiaanse onzekerheid gebruikt om de meest informatieve locaties voor interactieve segmentatie te identificeren, waardoor de prestaties van het Segment Anything Model (SAM) significant worden verbeterd en vaak menselijke en oracle-prompting overtreffen.
Deze paper introduceert REFINED-BIAS, een betrouwbaarder evaluatiekader voor het diagnosticeren van vorm- en textuurbias in neurale netwerken, dat de onstabiele en dubbelzinnige resultaten van de bestaande cue-conflict-benchmarks oplost door gebruik te maken van beter gedefinieerde cues en een rangschikkingsgebaseerde metriek over het volledige labelruimte.
Dit paper introduceert een baanbrekende oplossing voor menselijke aanwezigheidsdetectie op standaard laptops die gebruikmaakt van de ingebouwde Wi-Fi-hardware en een nieuwe Range-Filtered Doppler Spectrum-techniek, waardoor externe sensoren of camera's overbodig worden terwijl privacy wordt gewaarborgd en de rekenefficiëntie wordt geoptimaliseerd.