6006 papers
Het paper introduceert Sim2Act, een robuust kader voor simulatie-naar-beslissingen dat via adversariele kalibratie en groepsrelatieve perturbatie de stabiliteit en betrouwbaarheid van beleidsleer verbetert in kritieke domeinen zoals toeleveringsketens.
Dit paper introduceert Doki, een tekstgebaseerde interface die videomaken toegankelijk maakt door het creatieve proces te aligneren met het natuurlijke schrijven van verhalen, wat wordt onderbouwd door een weeklange evaluatiestudie.
Het paper introduceert GST-VLA, een 3D diepte-bewust Vision-Language-Action-model dat anisotrope 3D-Gaussische ruimtelijke tokens en gestructureerde redeneerprocessen gebruikt om de precisie en prestaties van robotacties aanzienlijk te verbeteren.
Deze studie toont aan dat het integreren van sentimentanalyse van nieuwsberichten, gegenereerd door een op Qwen3 gefinetuned LLM, in combinatie met traditionele tabulair data, de voorspellende nauwkeurigheid en economische meerwaarde van aluminiumprijzen aanzienlijk verbetert, vooral tijdens periodes van hoge volatiliteit.
Dit artikel introduceert een unificerend raamwerk voor latente wereldmodellen in geautomatiseerd rijden dat een gestructureerde taxonomie, een evaluatiekader en toekomstige uitdagingen biedt om de overgang van open-lus naar gesloten-lus prestaties te verbeteren.
Dit artikel introduceert een transformer-gebaseerd raamwerk voor het zoeken naar huidkankergevallen via samengestelde visueel-taalqueries, dat door middel van gezamenlijke globale en lokale uitlijning klinisch relevante case-gegevens efficiënter en nauwkeuriger identificeert dan bestaande methoden.
VIVID-Med introduceert een efficiënt kader voor het vooraf trainen van medische vision transformers met behulp van een bevroren groot taalmodel als gestructureerde leraar, wat resulteert in een lichtgewicht, alleen-vision model dat aanzienlijk betere prestaties levert dan bestaande methoden met minder data en zonder de zware taalmodelcomponent tijdens het gebruik.
Dit artikel introduceert PM-Nav, een prioriteitskaart-gestuurde benadering voor embodied navigation in functionele gebouwen die, door het gebruik van semantische prioriteitskaarten en hiërarchische prompt-templates, aanzienlijke verbeteringen in navigatieprestaties bereikt ten opzichte van bestaande methoden.
DexHiL is een nieuw mens-in-de-lus-framework dat de prestaties van vision-language-action-modellen voor dexterous manipulatie aanzienlijk verbetert door gecoördineerde menselijke interventies op arm en hand te integreren, wat leidt tot een gemiddelde stijging van 25% in slagingspercentages ten opzichte van traditionele offline-finetuning.
Deze paper introduceert QUSR, een nieuwe diffusion-model voor beeldsuperresolutie dat realistische en hoogwaardige resultaten in complexe scenario's bereikt door een onzekerheidsgeleide ruisgeneratiemodule te combineren met een kwaliteitsbewuste prior die wordt gegenereerd door een multimodaal groot taalmodel.
Dit onderzoek toont aan dat multi-LLM-deliberatiesystemen, zelfs onder omstandigheden die als deterministisch worden beschouwd, gevoelig kunnen zijn voor chaotische dynamiek en instabiliteit veroorzaakt door rolverschillen en modelheterogeniteit, wat onderstreept dat stabiliteitsaudits essentieel zijn voor het ontwerp van dergelijke bestuursystemen.
Dit paper introduceert een PNS-gebaseerde regularisatiemethode voor class-incremental learning die causale volledigheid en scheidslijnen tussen taken waarborgt door middel van een dubbel-scope counterfactuele generator, waardoor feature-collisie en catastrofale forgetting worden verminderd.
Dit paper introduceert Deep Tabular Research, een nieuw agentisch raamwerk dat complexe analyse van ongestructureerde tabellen aanpakt door middel van een gesloten-lus besluitvormingsproces met hiërarchische meta-graafconstructie, verwachtingsbewuste selectie en continue verfijning via een siamese gestructureerd geheugen.
Dit paper introduceert DataFactory, een collaboratief multi-agent framework dat de beperkingen van bestaande Large Language Models voor tabelvraagbeantwoording overwint door gespecialiseerde agententeams te coördineren voor geautomatiseerde kennisomzetting en adaptieve planning, wat leidt tot aanzienlijke verbeteringen in nauwkeurigheid en betrouwbaarheid.
Dit paper introduceert TrustBench, een dual-modus framework dat real-time verificatie biedt voor autonome agenten door veiligheidscontroles uit te voeren tussen actieformulering en uitvoering, waardoor schadelijke acties met 87% worden gereduceerd.
RubiCap is een nieuw reinforcement learning-framework dat de uitdagingen van dichte beeldbeschrijving oplost door gebruik te maken van door LLM's geschreven rubrieken voor gestructureerde, veelzijdige beloningssignalen, waardoor het superieure resultaten bereikt ten opzichte van bestaande methoden en zelfs modellen die zijn getraind op data van propriëtaire modellen.
Deze paper introduceert een kosteneffectief raamwerk dat imperfecte, door LLM's gegenereerde RTL-code gebruikt om netlistrepresentaties te leren, waardoor de schaarste aan gelabelde data voor circuitanalyse wordt overwonnen zonder in te leveren op de prestaties op realistische ontwerpen.
Dit artikel introduceert GIAT, een nieuw Transformer-gebaseerd framework dat door het integreren van geologische prioren in het aandachtmechanisme de nauwkeurigheid, betrouwbaarheid en interpreteerbaarheid van lithologie-identificatie uit boorgatmetingen aanzienlijk verbetert.
ZeroWBC is een nieuw kader dat natuurlijke humanoid-robotbesturing direct uit menselijke egocentrische video's leert, waardoor de noodzaak voor dure teleoperatiegegevens wordt geëlimineerd en robuuste, veelzijdige interactie met de omgeving mogelijk wordt gemaakt.
Dit artikel introduceert AlphaEvolve, een op een groot taalmodel gebaseerd agent dat code mutaties uitvoert en daarmee de ondergrenzen voor vijf klassieke Ramsey-getallen heeft verbeterd, terwijl het tevens bestaande resultaten succesvol reproduceerde en matchte.