2099 papers
Dit paper introduceert ConLID, een methode voor superviserend contrastief leren die de taalidentificatie voor taakarme talen op domein-onafhankelijke data significant verbetert zonder de prestaties voor talen met veel data te verstoren.
Deze paper introduceert OPENXRD, een uitgebreid benchmarkkader dat de prestaties van talloze talmodellen evalueert bij het beantwoorden van kristallografische vragen en aantoont dat contextuele informatie, vooral van experts, de prestaties van middelgrote modellen aanzienlijk verbetert.
Dit paper stelt dat wiskundige ontdekking voortkomt uit het creëren van expliciete concepten die de taal van het probleem oplossen verruimen, een stap die huidige AI-systemen nog niet kunnen zetten omdat ze uitsluitend werken met impliciete concepten binnen een vast vocabulaire.
Dit paper introduceert Latent Policy Steering (LPS), een methode die een vooraf getraind wereldmodel en een waardefunctie gebruikt om robotvisuomotorische beleidsplanning te verbeteren door optische stroming als embodiment-agnostische actierepresentatie te benutten, wat leidt tot aanzienlijke prestatiewinsten in scenario's met beperkte trainingsdata.
Het paper introduceert MMGraphRAG, een nieuw framework dat visuele taalscenen en tekstuele kennisgrafen combineert via een innovatieve spectrale koppelmethode om hallucinaties in multimodale Large Language Models te verminderen en de interpretatie van complexe visuele structuren te verbeteren.
Deze studie introduceert een LLM-agentframework dat, door middel van drie debiasing-mechanismen waaronder een 'duivel-advocaat'-agent, de invloed van mediaberichten op de Amerikaanse houding ten opzichte van China simuleert en aantoont dat kritische contextualisatie effectiever is dan feitelijke extractie om menselijke cognitieve neigingen te benaderen.
Dit paper introduceert SFDA-PFT, een lichtgewicht methode voor bronvrije domeinaanpassing die een voorgetraind model aanpast aan ongelabelde neutrale doelgegevens door gebruik te maken van gepersonaliseerde feature-translatie in de latentruimte, waardoor privacybehoud wordt gewaarborgd en de prestaties voor gezichtsuitdrukkingsherkenning worden verbeterd zonder brondata of beeldsynthese.
Deze paper introduceert EgoCross, een nieuw benchmark voor het beoordelen van de cross-domein generalisatie van multimodale grote taalmodellen in egocentrische video-vraag-antwoordtaken, waarbij wordt aangetoond dat bestaande modellen moeite hebben met domeinen die afwijken van het dagelijkse leven, zoals chirurgie en extreme sporten.
Dit artikel presenteert een innovatieve aanpak waarbij AI gegenereerde zang en virtuele avatars worden gebruikt om studiegidsen in een aantrekkelijk audiovisueel formaat te presenteren, wat volgens de resultaten de betrokkenheid van studenten verhoogt en de retentie van belangrijke cursusinformatie verbetert.
TaoSR1 is een nieuw raamwerk dat Large Language Models direct inzetbaar maakt voor e-commerce relevantiezearch door een drie-staps training te gebruiken die redeneervermogen installeert, hallucinaties tegengaat en efficiënte online implementatie mogelijk maakt, wat leidt tot aanzienlijk betere prestaties dan bestaande methoden.
Dit artikel introduceert CMASE, een raamwerk voor computationele multi-agent-samenlevingsexperimenten dat generatieve agentmodellen combineert met virtuele etnografie om onderzoekers in staat te stellen zich als geïntegreerde deelnemers te begeven in virtuele sociale omgevingen voor causaal onderbouwde interventiemodellering.
Dit paper introduceert VistaWise, een kostenefficiënte agent voor Minecraft die een cross-modale kennisgrafiek en een gespecialiseerd objectdetectiemodel combineert om de afhankelijkheid van grote hoeveelheden trainingsdata te verminderen en tegelijkertijd state-of-the-art prestaties te leveren.
Dit paper introduceert SEER, een zelfoptimaliserend framework dat de Chain-of-Thought-redenering van grote taalmodellen adaptief comprimeert om de rekenkosten en latentie te verlagen zonder in te leveren op de nauwkeurigheid.
Dit artikel introduceert VSSFlow, een verenigd flow-matching framework dat video-geconditioneerde geluids- en spraakgeneratie succesvol combineert door middel van een ontward condition-aggregatiemechanisme binnen een Diffusion Transformer-architectuur.
Dit artikel introduceert VoiceBridge, een efficiënt één-staps latent bridge-model dat diverse spraakhersteltaken, zoals ruisreductie en super-resolutie, verenigt in één generatief proces voor het reconstrueren van hoogwaardige 48 kHz spraak zonder distillatie.
Dit paper introduceert v-HUB, een nieuw benchmark voor het begrijpen van videohumor dat de beperkingen van multimodale modellen blootlegt en aantoont dat het integreren van geluid de prestaties verbetert.
Dit paper introduceert de Latent Speech-Text Transformer (LST), een model dat spraaktokens aggregeert tot latente patches om de rekenefficiëntie te verbeteren en de prestaties van zowel spraak- als teksttaken te verhogen door de sequentiegranulariteit tussen beide modaliteiten te aligneren.
AlphaApollo is een agentic redeneersysteem dat de beperkingen van fundamentele modellen in complexe probleemoplossing en onbetrouwbare testtijd-evolutie aanpakt door middel van een geïntegreerde architectuur met multi-turn redenering, versterkt leren en een iteratieve evolueringscyclus met tool-geassisteerde verificatie.
Dit paper introduceert NavSpace, een benchmark voor het evalueren van ruimtelijke intelligentie in navigatieagenten, en presenteert SNav, een nieuw model dat op deze benchmark en met echte robots superieure prestaties levert.
Het paper introduceert RECODE, een agentisch framework dat multimodale redenering verbetert door visuele elementen zoals grafieken en diagrammen om te zetten in verifieerbare uitvoerbare code via een proces van afbeelding naar code en terug.