6765 papers
Het artikel introduceert LaVCa, een data-gedreven methode die grote taalmodellen gebruikt om gedetailleerde natuurlijke taalbeschrijvingen te genereren voor de selectiviteit van neurale populaties in de visuele cortex, waarmee de beperkingen van bestaande diepe-neurale-netwerkmodellen worden overwonnen en fijnmazigere inzichten in menselijke visuele representaties worden verkregen.
Dit paper introduceert het Clustering-On-Difficulty (COD)-framework, dat taken clusteren op basis van hun schaalingsmoeilijkheid om een nauwkeurige voorspelling van de downstream-prestaties van grote taalmodellen mogelijk te maken, zelfs bij het optreden van emergente fenomenen.
Dit onderzoek presenteert een hoogpresterend algoritme dat T1-, T2-, T1ce- en FLAIR-MRI-beelden fuseert via UNET-segmentatie en ResNet50-classificatie om gliomen met een nauwkeurigheid van 99,25% te onderscheiden in subklassen zoals necrotische kern, oedeem en versterkende tumor.
Dit onderzoek presenteert een diep leer-gebaseerde aanpak met UNet-, Inception- en ResNet-architecturen voor geautomatiseerde 2D- en 3D-segmentatie van gliomen op de BraTS-datasets, waarbij het ResNet-model met name uitstekende prestaties levert (tot 99,77% nauwkeurigheid en een Dice-score van 0,9888) en zo een evenwicht biedt tussen computationele efficiëntie en ruimtelijke precisie voor klinische toepassing.
Dit paper introduceert LOOP, een nieuwe versterkingsleermethode voor het fijnafstemmen van tekst-naar-beeld diffusiemodellen die de steekproefefficiëntie en stabiliteit van PPO combineert met de variansiereductietechnieken van REINFORCE om een betere balans tussen efficiëntie en prestaties te bereiken.
Dit artikel introduceert een nieuw raamwerk voor LLM-gestuurde multi-agent systemen in Minecraft dat door middel van een parallelle planning-actie-architectuur met onderbrekbare uitvoering de beperkingen van traditionele seriële methoden overwint en zo de real-time responsiviteit in dynamische omgevingen aanzienlijk verbetert.
In deze studie wordt GlucoLens, een uitlegbare machine learning-oplossing die draagbare sensoren, voedsel- en activiteitsdata combineert met grote taalmodellen, gepresenteerd om postprandiale hyperglykemie bij volwassenen te voorspellen en via contrafactuele verklaringen behandelingspaden voor een gezonde levensstijl te ontdekken.
Deze studie introduceert een schaalbaar en robuust transformer-model op tetraëdrische meshes met anatomische landmarks, dat de diagnose van de ziekte van Alzheimer en de voorspelling van amyloïde positiviteit bij personen met een gemiddeld risico verbetert zonder dure PET-scans.
Deze studie onderzocht met behulp van het CGScholar-platform hoe 36 Kazachse wetenschappers AI-tools en peerfeedback ervaren, en concludeerde dat hoewel er een gematigde positieve correlatie is tussen AI-ervaring en openheid tot feedback, de deelnemers methodologische richtlijnen van collega's nog steeds zeer op prijs stellen, wat wijst op het potentieel van een hybride benadering voor het verbeteren van academisch schrijfkwaliteit.
Dit paper introduceert ViLAM, een methode die visueel-taalredenering distilleert naar ruimtelijke attentiekaarten om sociale robotnavigatie te verbeteren, wat resulteert in een aanzienlijke stijging van het succespercentage in vergelijking met bestaande methoden.
Dit paper introduceert IMPACT, een nieuw bewegingsplanningskader dat Vision-Language Models gebruikt om veilige contacttrajecten in rommelige omgevingen te genereren door objecteigenschappen te analyseren en een anisotrope kostenkaart te combineren met een contactbewuste A*-planner.
Dit paper introduceert iProg, een tool die interactieve gestructureerde induktieve programmering toepast om via een samenwerkingsprotocol tussen mens en LLM betrouwbare en onderhoudbare data-analysesystemen te genereren, wat leidt tot een significante verbetering in kwaliteit en ontwikkelingstijd ten opzichte van bestaande Low Code/No Code-methoden.
Hoewel grote taalmodellen vrouwelijke karakters vaker genereren dan in de realiteit het geval is, vertonen hun verhalen over beroepen nog steeds een sterkere overeenkomst met genderstereotypen dan met feitelijke arbeidsmarktgegevens, wat wijst op de blijvende uitdaging om deze vooroordelen effectief te mitigeren.
Dit artikel introduceert een nieuwe methode voor het reconstrueren van twee handen uit één afbeelding die heterogene 2D-priors verenigt en een penetratievrije diffusiemodel gebruikt om nauwkeurige, fysiek plausibele interacties te genereren, zelfs bij ernstige occlusie.
Deze paper introduceert EDU-PRM, een nieuw trainingsframework dat gebruikmaakt van entropie-gedreven onzekerheid om complexe redeneerstappen automatisch te segmenteren zonder dure handmatige annotaties, waardoor het op het ProcessBench-benchmark presteert met slechts 1,5% van de trainingsdata en tegelijkertijd de nauwkeurigheid verhoogt terwijl het tokenverbruik met 32% daalt.
Dit onderzoek presenteert MediTools, een prototype-toepassing die grote taalmodellen (LLMs) inzet om medisch onderwijs te revolutioneren door interactieve tools te bieden voor het simuleren van klinische scenario's, het analyseren van medische literatuur en het samenvatten van nieuws.
Deze studie verbetert de voorspelling van metabool syndroom door een nieuw hybride framework genaamd MetaBoost te introduceren dat geavanceerde databalanceringstechnieken combineert met contrafactuele analyse om zowel de nauwkeurigheid van machine learning-modellen te verhogen als klinisch relevante inzichten te bieden over risicofactoren zoals bloedsuiker en triglyceriden.
Dit paper biedt een uitgebreid overzicht van de evolutie van LLM-reasoning naar autonome AI-agenten door een gestandaardiseerde taxonomie van benchmarks, een analyse van frameworks, een inventarisatie van real-world toepassingen en een evaluatie van samenwerkingsprotocollen te presenteren, gevolgd door aanbevelingen voor toekomstig onderzoek.
Deze paper introduceert SFIBA, een nieuwe aanvalsmethode die multi-target backdoors in diepe neurale netwerken realiseert door triggers in specifieke ruimtelijke gebieden te injecteren via frequentiedomein-transformaties, waardoor zowel de onopgemerkbaarheid als de vermijding van bestaande verdedigingen wordt gegarandeerd zonder de prestaties op schone data te beïnvloeden.
Dit paper introduceert Task 5 van de DCASE 2025 Challenge, een meerdimensionale benchmark voor audio-vraag-antwoordtaken die de redeneervermogens van audio-taalmodellen in diverse akoestische domeinen evalueert.