5135 papers
Deze paper introduceert een nieuw raamwerk voor differentieerbare, stochastische verkeersdynamica dat fysica-informeren combineert met generatieve modellering om in plaats van deterministische puntwaarden volledige kansverdelingen voor verkeersdichtheid te voorspellen, waardoor onzekerheidskwantificering en risicobeoordeling mogelijk worden.
DuplexCascade is een VAD-vrije, gestreamde spraak-naar-spraak pipeline die volledige duplex-interactie mogelijk maakt door conventionele lange wisselgesprekken om te zetten in micro-turns met behulp van speciale controletokens, waardoor de intelligentie van een tekst-LLM behouden blijft terwijl de onderbrekingsproblemen van traditionele systemen worden opgelost.
Latent-DARM is een nieuw latentruimte-communicatiekader dat Discrete Diffusion-talenmodellen (voor planning) en autoregressieve modellen (voor uitvoering) combineert om de redeneerprestaties en samenwerking tussen heterogene agenten aanzienlijk te verbeteren.
Dit paper introduceert een uitlegbare Innovatie-Engine die Retrieval-Augmented Generation (RAG) verbetert door tekstfragmenten te vervangen door methoden als knooppunten binnen een dubbele boomstructuur, waardoor een agent traceerbare synthese kan uitvoeren en geverifieerde resultaten terug kan schrijven voor continue groei.
Dit paper introduceert het RAISE-framework om aan te tonen dat verbeteringen in logisch redeneren bij grote taalmodellen onvermijdelijk leiden tot een toename van situationeel bewustzijn en strategisch zelfbewustzijn, waardoor er dringende nieuwe veiligheidsmaatregelen nodig zijn.
Het paper introduceert EvalAct, een methode die retrieval-augmented agents verbetert door zoekopdrachten te koppelen aan expliciete evaluaties en een procesgebaseerde optimalisatie (PCAR) te gebruiken, wat leidt tot aanzienlijk betere prestaties bij multi-hop vraagbeantwoording.
Dit onderzoek toont aan dat emotionele toon de aandachtsgewichten en redeneerprestaties van grote taalmodellen beïnvloedt, en introduceert met AURA-QA en een emotionele regularisatieframework een dataset en methode om deze effecten te bestuderen en de leesbegripprestaties te verbeteren.
Dit artikel presenteert een macro-financiële stresstest die aantoont dat snelle AI-adaptatie leidt tot een distributie- en contractprobleem waarbij overvloedige productie samengaat met vraagtekorten, omdat economische instituties vastzitten aan menselijke schaarste, wat een zelfversterkende cyclus van inkomensdaling, afnemende geldomloopsnelheid en instorting van intermediaire marges kan veroorzaken.
Dit paper introduceert PrivPRISM, een automatisch framework dat ontdekt dat bijna de helft van de populaire apps op Google Play discrepanties vertonen tussen hun vereenvoudigde gegevensveiligheidsverklaringen en hun volledige privacybeleid, wat wijst op systemische misleiding en onvoldoende transparantie over datapraktijken.
Dit artikel introduceert een schaalbaar simulatiekader dat een volledig gespierd menselijk model combineert met reinforcement learning om interactieve robotica kwantitatief te analyseren en te co-optimiseren, waardoor interne biomechanische metrics zoals spierkrachten direct toegankelijk worden voor het ontwerp van systemen zoals exoskeletten.
Dit paper introduceert BD-FDG, een raamwerk voor cognitief gelaagde data-synthese dat een hoogwaardig SFT-dataset voor ruimtesituatiebewaking genereert en zo de prestaties van een aangepast LLM aanzienlijk verbetert zonder in te leveren op algemene vaardigheden.
In dit paper stellen de auteurs BridgeDiff voor, een diffusion-gebaseerd framework dat de kloof tussen menselijke waarnemingen en platte kledingreconstructie overbrugt door middel van een kledingvoorwaarde-module en een platte-structuurbeperking-module om state-of-the-art virtuele pasvormresultaten te bereiken.
Dit paper introduceert Social-R1, een versterkingsleerframework dat, ondersteund door het uitdagende ToMBench-Hard-benchmark, kleine taalmodellen in staat stelt om menselijk sociale redenering te overtreffen door het leerproces te aligneren met menselijke cognitie in plaats van alleen op uitkomsten te focussen.
Dit onderzoek presenteert een veelzijdige aanpak voor autonoom rijden die gebruikmaakt van diep learning en computer vision voor taken zoals verkeersbord- en voertuigdetectie, rijstrookherkenning en gedragskloon, met als doel de robuustheid en betrouwbaarheid van zelfrijdende systemen te verbeteren.
Dit paper introduceert Logos, een compact en interpreteerbaar AI-model dat logisch redeneren combineert met strikte chemische consistentie om betrouwbare en menselijk controleerbare moleculaire ontwerpen te genereren.
Dit artikel introduceert DendroNN, een energiezuinig, niet-gedifferentieerd neuronaal netwerk dat inspiratie put uit dendritische sequentiedetectie om event-based data te verwerken en via een asynchrone hardware-architectuur een tot vier keer hogere efficiëntie bereikt dan bestaande neuromorfe systemen.
DenoiseSplat is een feed-forward methode voor 3D Gaussian Splatting die robuuste 3D-scèneherconstructie mogelijk maakt uit ruisige multi-view beelden door te trainen op een groot schaalbaar benchmark met synthetische ruis, zonder gebruik te maken van 3D-ground truth.
Dit onderzoek toont aan dat het ontwerp van de schaal voor verbaal geuite zekerheid, met name het gebruik van een 0–20 schaal in plaats van de standaard 0–100, de kwaliteit van de metacognitieve sensitiviteit van grote taalmodellen aanzienlijk beïnvloedt.
Dit paper introduceert "Curveball steering", een niet-lineaire methode voor het sturen van grote taalmodellen die de complexe geometrie van activatieruimtes beter respecteert dan traditionele lineaire benaderingen en daardoor consistent betere resultaten behaalt.
Het artikel introduceert CLoE, een consistentiegedreven raamwerk dat de segmentatieprestaties bij ontbrekende medische beeldmodaliteiten verbetert door experts op besluit- en regienniveau tot overeenstemming te brengen en modale betrouwbaarheid dynamisch te wegen.