2384 papers
GTR-Turbo is een efficiëntere methode voor het trainen van multi-modale agenten die de afhankelijkheid van dure leraarmodellen elimineert door gewichten van checkpoints te samenvoegen tot een gratis leraar, wat leidt tot betere prestaties en aanzienlijk lagere kosten.
Dit artikel introduceert de Pretrained Battery Transformer (PBT), het eerste fundamentele model dat door middel van transfer learning en een mengsel van experts gespecialiseerde kennis leert uit heterogene data, waardoor het de nauwkeurigheid van de voorspelling van de levensduur van batterijen aanzienlijk verbetert over diverse chemieën en omstandigheden heen.
Dit onderzoek toont aan dat YOLOv8, gecombineerd met de Finer-CAM-techniek voor explainable AI, een nauwkeurige en interpreteerbare methode biedt voor het classificeren van zeven Europese boomsoorten op basis van TLS-puntwolkprojecties, waarbij de modellen voornamelijk vertrouwen op kroongebieden maar ook stamkenmerken benutten voor specifieke soorten.
Dit paper introduceert 'Bayese windtunnels' om aan te tonen dat transformatoren via een specifiek geometrisch mechanisme in hun residual streams en attention-lagen exacte Bayesiaanse inferentie uitvoeren, terwijl vergelijkbare MLP-architecturen hierin falen.
Dit artikel onthult dat cross-entropy-training in transformers via een gekoppeld dynamisch systeem van 'voordeel-gebaseerd routeren' en 'verantwoordelijkheids-gewogen updates' de interne geometrie vormgeeft, waardoor optimering leidt tot Bayesiaanse manifolds die in-context probabilistisch redeneren mogelijk maken.
De studie toont aan dat moderne taalmodellen een meetkundige ondergrond behouden die Bayesiaanse inferentie mogelijk maakt, waarbij de onzekerheid wordt gecodeerd in een dominante as die correleert met voorspellende entropie, hoewel deze geometrie meer fungeert als een bevoorrechte afleesmechanisme dan als een enkelvoudig computatieknooppunt.
Dit artikel analyseert het fenomeen van 'over-searching' in zoekversterkte grote taalmodellen, introduceert de metriek Tokens Per Correctness (TPC) om de kosten-batenverhouding te kwantificeren, en biedt mitigatiestrategieën om de efficiëntie te verbeteren en hallucinaties te verminderen.
Dit artikel introduceert een veilige multi-tenant architectuur gecombineerd met een 'Burn-After-Use'-mechanisme om datalekken in enterprise LLM-omgevingen te voorkomen door strikte isolatie en automatische vernietiging van ephemerale conversatiecontexten.
Deze paper introduceert een sluwe, multi-turn Denial-of-Service-aanval op LLM-agenten via tool-callings die, door middel van tekstbewerkingen en Monte Carlo Tree Search, de kosten en energieverbruik drastisch opvoert zonder dat standaard filters dit detecteren.
Dit onderzoek toont aan dat het modelleren van gevechten in Dark Souls III als een gerichte vaardigheidsgrafiek, gecombineerd met selectieve aanpassing, het mogelijk maakt om een agent te trainen die nieuwe vaardigheden kan leren zonder bestaand gedrag te overschrijven of opnieuw te hoeven trainen.
MemOCR is een multimodaal geheugenagent dat langdurig redeneren binnen krappe contextlimieten verbetert door interactiegeschiedenissen om te zetten in visueel gestructureerde afbeeldingen die cruciale informatie prioriteren en minder belangrijke details comprimeren.
Dit artikel introduceert MHDash, een open-source platform dat een gedetailleerde evaluatie en audit van AI-systemen voor mentale gezondheid mogelijk maakt door aggregate prestaties te vervangen door risicospecifieke analyses in multi-turn dialogen, waarbij wordt aangetoond dat bestaande benchmarks ontoereikend zijn voor veiligheidskritieke toepassingen.
Dit paper toont aan dat hallucinaties in grote taalmodellen een onvermijdelijk gevolg zijn van optimale geheugenefficiëntie bij het testen van lidmaatschap, waarbij beperkte capaciteit het model dwingt om met hoge zekerheid onjuiste feiten te genereren als onderdeel van een verliesbeperkende compressiestrategie.
Dit paper introduceert EverMemBench, het eerste benchmark voor het evalueren van langetermijngeheugen in multi-partij collaboratieve dialogen, en onthult fundamentele beperkingen van huidige systemen op het gebied van multi-hop redenering, temporele gevolgtrekking en bewustzijn van het geheugen.
Dit paper introduceert DEFT, een op diffusie gebaseerd trajectiegeneratiesysteem dat robots in staat stelt om taken veilig af te ronden ondanks actuatiefouten door te generaliseren over beschadigingen en onvoorziene omstandigheden, zowel in simulatie als in de echte wereld.
Het paper introduceert DMS2F-HAD, een innovatief dubbel-vertakkend Mamba-gebaseerd netwerk dat door het efficiënt combineren van ruimtelijke en spectrale kenmerken via een dynamische fusie-mechanisme, state-of-the-art prestaties en een aanzienlijk hogere inferentiesnelheid bereikt voor hyperspectrale anomaliedetectie.
Dit paper introduceert Fine-grained Group Policy Optimization (FGO), een versterkt leer-algoritme dat de inefficiëntie en entropie-inzakking van GRPO oplost en effectieve compressie van Chain-of-Thought-redeneringen mogelijk maakt zonder prestatieverlies.
UniWeTok is een geünificeerde binaire tokenizer met een codebook van $2^{128}$ die door middel van een hybride architectuur en een driestaps trainingsframework state-of-the-art prestaties bereikt in zowel beeldherstel als generatie, terwijl het aanzienlijk minder rekenkracht vereist dan bestaande methoden.
Dit paper introduceert TikArt, een agent die multimodaal redeneren verbetert door een Think-Aperture-Observe-cyclus te gebruiken voor sequentiële beeldvergroting en segmentatie, waarbij versterkingsleer met een Relative Uncertainty Reduction-beloning wordt ingezet om fijne-granulariteit visuele redenering te stabiliseren.
Het paper introduceert GOT-JEPA, een model-predictief pretrainingsframework dat de generalisatie en robustheid van objecttracking verbetert door het voorspellen van trackingmodellen in plaats van beeldfeatures, aangevuld met OccuSolver voor verfijnde verwerking van occlusies.