6879 papers
Deze studie introduceert een forensische methode voor het detecteren van door AI gegenereerde afbeeldingen, genaamd 'diffusion snap-back reconstruction', die analyseert hoe afbeeldingen reageren op reconstructie door een diffusiemodel en hiermee een hoge nauwkeurigheid bereikt zonder te vertrouwen op traditionele pixelartefacten.
Deze studie vergelijkt een interpreteerbare ANFIS-FBCSP-PSO-methode met het diep-learningmodel EEGNet voor motorische imaginatie-EEG-classificatie en concludeert dat de fuzzy-neurale aanpak beter presteert bij binnen-subjecttests, terwijl EEGNet superieure generalisatie biedt bij cross-subjecttests, waardoor de keuze afhankelijk is van het ontwerpdoel: interpreteerbaarheid of robuustheid.
Dit paper introduceert het Networked Mixture-of-Experts (NMoE)-systeem, een federatief leerframework voor mobiele randcomputing dat samenwerking tussen apparaten en een mix van supervisie en zelftoezicht combineert om grote AI-modellen efficiënt te trainen en uit te voeren binnen de beperkte middelen van randapparaten.
Dit paper introduceert FATE, een nieuwe reeks formele algebra-benchmarks met problemen die variëren van undergraduate-oefeningen tot PhD-niveau, om de aanzienlijke kloof tussen de huidige prestaties van grote taalmodellen in wiskundig redeneren en het niveau van modern wetenschappelijk onderzoek in kaart te brengen.
Dit paper introduceert Jr. AI Scientist, een autonoom systeem dat als beginnend onderzoeker werkt om nieuwe wetenschappelijke hypotheses te formuleren en te valideren op basis van bestaande papers, en analyseert zowel de prestaties als de risico's en beperkingen van dergelijke systemen voor de toekomst van de academische gemeenschap.
Deze paper introduceert HatePrototypes, interpreteerbare en overdraagbare vectorrepresentaties die, zelfs met slechts 50 voorbeelden per klasse, effectief zijn voor het detecteren van zowel expliciete als impliciete haatzaaiende taal zonder herhaaldelijke fine-tuning.
Dit artikel introduceert LAMP, een framework dat taal verrijkt in multi-agent versterkend leren via een 'Denk-Spreek-Beslis'-pipeline om economische beslissingen robuuster, effectiever en interpreteerbaarder te maken.
Deze paper introduceert UnfoldLDM, een diep-ontvouwing-gebaseerd raamwerk dat latent diffusion-priors integreert om blind beeldherstel te verbeteren door degradatie-afhankelijkheid en oververvaging aan te pakken via een multi-granulariteitsmodule en een degradatie-resistente transformer.
Deze paper presenteert een stabiel multi-drone GNSS-tracking-systeem voor maritieme robots dat, door middel van visuele detectie, multi-object tracking, triangulatie en een confidence-gewogen Extended Kalman Filter, nauwkeurige positiebepaling mogelijk maakt op het wateroppervlak en net daaronder.
Dit paper introduceert een realistischer probabilistisch certificeringskader voor SmoothLLM dat de strikte 'k-onstabiele' aanname vervangt door een '(k, ε)-onstabiele' definitie, waardoor betrouwbaardere veiligheidsgaranties tegen diverse jailbreak-aanvallen mogelijk worden gemaakt.
Dit paper introduceert Yo'City, een nieuw agentisch kader dat gebruikmaakt van grote modellen voor top-down planning en een iteratief verfijningsproces om gepersonaliseerde, onbeperkt uitbreidbare en realistische 3D-stadsscènes te genereren die de huidige state-of-the-art-methoden overtreffen.
Dit onderzoek toont aan dat het integreren van op fysica en detectorontwerp gebaseerde attention-masks in transformer-modellen de reconstructie en classificatie van lage-energie-neutrino's in het KM3NeT/ORCA-telescoop verbetert en effectieve fine-tuning tussen verschillende configuraties mogelijk maakt.
Dit paper introduceert een geautomatiseerde pipeline voor het genereren van grootschalige, psychologisch onderbouwde multi-turn jailbreak-datasets en toont aan dat GPT-modellen kwetsbaar zijn voor dergelijke contextuele manipulaties, terwijl Gemini 2.5 Flash uitzonderlijk robuust blijkt.
Dit paper presenteert een algoritme voor het berekenen van alle evolutionair stabiele strategieën in niet-ontaarde normale-spelvormen met drie of meer spelers.
Het paper introduceert RadDiff, een nieuwe methode voor eiwit-inverse vouwing die door middel van een op retrievals gebaseerd mechanisme en een kennisbewust diffusion-model de prestaties van bestaande methoden verbetert door tot 19% hogere sequentierecovery-rates te bereiken.
Dit artikel introduceert ForamDeepSlice, een hoog-accuraat deep learning-framework dat een ensemble van CNN-architecturen gebruikt om foraminiferasoorten te classificeren op basis van 2D micro-CT-slices, waarbij een testnauwkeurigheid van 95,64% wordt bereikt en een interactief dashboard voor praktische toepassing wordt ontwikkeld.
Dit artikel introduceert een raamwerk voor voorschrijvend onderhoud dat een causaal fundamenteel model integreert om als 'wat-als'-simulator te fungeren, waardoor de oorzaken van productiefouten niet alleen worden voorspeld maar ook begrepen en geoptimaliseerd kunnen worden via gerichte interventies om de algehele apparaateffectiviteit te verhogen.
Het paper introduceert AltNet, een methode die het plasticiteit-stabiliteitsdilemma in versterkingslering oplost door gebruik te maken van een paar tweelingnetwerken die om de beurt actief zijn, waardoor plasticiteit wordt hersteld zonder prestatieverlies tijdens resets.
Deze paper introduceert "Dual Randomized Smoothing", een raamwerk dat de beperking van een vaste globale ruisvariatie doorbreekt door per invoer een geoptimaliseerde variatie te voorspellen, waardoor zowel bij kleine als grote stralen aanzienlijk betere gecertificeerde robuustheid wordt bereikt dan met eerdere methoden.
Deze paper introduceert Graphectory, een grafgebaseerde methode voor het analyseren van het proces van agente softwaresystemen, die niet alleen inzicht geeft in hun redeneerstrategieën, maar ook door middel van realtime monitoring en interventies de oplossingskansen aanzienlijk verbetert.