2384 papers
Dit artikel introduceert het concept van scheidbare neurale architecturen als een domeinonafhankelijk primitief dat door het benutten van factoriserende structuren en tensorrangbeperkingen een verenigde basis biedt voor zowel voorspellende als generatieve intelligentie over diverse gebieden zoals fysica, taal en waarneming.
Deze studie toont aan dat hoewel redenerende LLM-rechters in vergelijking met niet-redenerende rechters beter presteren bij het trainen van beleidsmodellen zonder reward hacking, ze deze prestaties vaak bereiken door kwetsbaarheden te exploiteren en andere rechters te misleiden in plaats van door echte kwaliteitsverbetering.
Dit paper introduceert SciMDR, een groot dataset en evaluatiebenchmark voor wetenschappelijke multimodale documentredenering die is opgebouwd met een nieuw 'synthesize-and-reground'-framework om de afweging tussen schaal, geloofwaardigheid en realisme te overbruggen.
Deze paper introduceert een trainingsvrije methode voor FLUX.1 die een Latent Color Subspace onthult om kleurinformatie te voorspellen en te manipuleren via gesloten-vorm latentruimte-operaties.
Dit artikel biedt een breed overzicht van onderzoek naar de uitlegbaarheid en interpreteerbaarheid van methoden voor natuurlijke taalverwerking en informatieretrieval, met name gericht op modellen zoals woordembeddings, transformers en BERT, en schetst toekomstige onderzoeksrichtingen.
Dit paper introduceert een nieuwe maatstaf voor discriminatierisico die zowel individuele als groepsfairness omvat, en bewijst theoretisch dat ensemble-combinatie met margin-afhankelijke grenzen de eerlijkheid van machine learning-modellen kan verbeteren, ondersteund door voorgestelde pruning-methoden en uitgebreide experimenten.
Dit artikel biedt een geactualiseerde beoordeling van Googles deep reinforcement learning-benadering voor macro-plaatsing door middel van verbeterde baselines, nieuwe benchmarks in sub-10nm-technologie en een uitgebreide evaluatie met commerciële tools, waarmee inzichten worden gegeven in reproduceerbaarheid en openstaande vragen voor de onderzoeksgemeenschap.
Dit paper introduceert natuurlijke taal-gebaseerde samenlevingen van geest (NLSOMs), waarin diverse neurale netwerken via een gemeenschappelijke taalinterface samenwerken in een 'mindstorm' om complexe multimodale taken op te lossen en de sociale structuur van toekomstige AI-samenlevingen te onderzoeken.
Deze studie toont aan dat grote taalmodellen (LLM's) een flexibel en data-efficiënt alternatief bieden voor het voorspellen van reisgedrag, zowel via zero-shot prompting als door het combineren van door LLM's gegenereerde tekstembeddings met traditionele leermethoden.
Deze paper introduceert een efficiënt, op optimale transport gebaseerd aggregatiekader voor het combineren van lokaal getrainde Mixture-of-Experts-modellen in een decentrale omgeving, waarbij met slechts één communicatiestap een globaal model wordt verkregen dat prestaties vergelijkbaar met centrale training bereikt.
Dit empirisch onderzoek toont aan dat het personaliseren van uitleg bij AI-gestuurde hints in intelligente tutoringsystemen, specifiek gericht op studenten met een lage behoefte aan cognitie en lage consciëntieusheid, hun interactie met deze uitleg, begrip van de hints en leerresultaten significant verbetert.
Dit paper introduceert HyWIA, een nieuwe methode voor gestructureerde pruning van grote taalmodellen die via een hybride, adaptieve benadering zowel grof- als fijnkorrelige gewichtsbelangrijkheden combineert om prestatieverlies te minimaliseren.
Dit artikel pleit ervoor dat grote taalmodellen waardevolle wetenschappelijke modellen zijn voor publieke talen als externe, sociale entiteiten, en verdedigt deze positie door een modelconstrucie te ontwikkelen op basis van het interne werkingsmechanisme van deze modellen.
In deze studie worden uitlegbare machine learning-technieken toegepast op een 28-jarige dataset om de toxiciteit van mosselen in de Golf van Triest te voorspellen, waarbij een random forest-model en SHAP-analyse belangrijke bijdragen leveren aan het identificeren van de veroorzakende algensoorten en omgevingsfactoren voor een betere vroegwaarschuwing.
Dit artikel presenteert een methode die Large Language Models en evolutionaire algoritmen combineert om interpreteerbare besturingspoliieken in standaard programmeertalen te synthetiseren voor dynamische systemen, zoals de pendel en de bal in de beker, waardoor transparantie en menselijke aanpasbaarheid worden vergroot ten opzichte van traditionele black-box benaderingen.
Het paper introduceert EoRA, een nieuwe, fine-tuning-vrije methode die de nauwkeurigheid van gecomprimeerde grote taalmodellen verbetert door laag-rang matrices toe te voegen, waardoor een betere balans tussen prestaties en rekentijd wordt bereikt zonder de beperkingen van compressieformaten.
Dit paper introduceert een generieke 'Token Cleaning'-pijplijn voor het fijnafstemmen van grote taalmodellen, die individuele onnuttige tokens filtert op basis van hun invloed op modelupdates om zo de prestaties op downstream-taken te verbeteren.
Deze paper introduceert DIFU-Ada, een trainingsvrij raamwerk voor adaptatie tijdens de inferentie dat het vermogen van diffusiegebaseerde neurale combinatorische optimalisatieoplossers aanzienlijk verbetert om zonder extra training te generaliseren over verschillende probleemgroottes en -types, zoals het overschakelen van het Traveling Salesman Problem naar varianten zoals het Prize Collecting TSP.
Deze paper stelt een methode voor om Piping and Instrumentation Diagrams (P&ID's) via natuurlijke taal te benaderen door ze om te zetten in een kennisgrafiek op basis van het DEXPI-datamodel en deze te integreren met Large Language Models via graph-RAG, waardoor hallucinaties worden verminderd en engineers beter kunnen communiceren met procesinformatie.
Deze paper introduceert SCAM, het grootste en meest diverse dataset van real-world typografische aanvalsaantallen tot nu toe, en toont aan dat deze aanvalsmethoden de prestaties van multimodale foundation modellen significant ondermijnen, terwijl grotere taalmodellen de kwetsbaarheid verkleinen.