6998 papers
Dit onderzoek concludeert dat de methode CDD voor het detecteren van datacontaminatie in kleine taalmodellen (70M-410M parameters) over het algemeen niet effectiever is dan willekeur en dat probabilistische methoden zoals perplexiteit en Min-k% Prob in alle geteste scenario's superieure resultaten leveren.
Dit artikel onderzoekt de potentie van SPARQL-MCP-gebaseerde intelligente agenten voor federatieve kennisgrafiekvraagbeantwoording door een bestaand benchmark uit te breiden en verschillende architecturale opties te evalueren voor de integratie van SPARQL-federatie met LLM-agenten.
Dit artikel introduceert een open, sport-agnostisch platform dat trackingdata omzet in vergelijkbare ruimtelijke maatstaven voor Ultimate Frisbee, basketbal en voetbal, waarmee coaches de beschikbare ruimte en het juiste moment voor bewegingen zonder bal kunnen analyseren.
Dit artikel introduceert twee versterkte leerframeworks, RLOP en QLBS, die autonome AI-agenten voor optiemanagement verbeteren door tekortkomingen te minimaliseren en zo de financiële stabiliteit te vergroten, zoals aangetoond door empirische tests met SPY- en XOP-opties.
Dit paper introduceert de Isotonic Layer, een nieuw differentieerbaar raamwerk dat via monotoon geconstrueerde segmenten en leerbare embeddings systematische vertekeningen in aanbevelingssystemen corrigeert, wat resulteert in betere kalibratie, eerlijkheid en prestaties in productieomgevingen.
Dit paper introduceert een transformer-gebaseerd systeem dat de prestaties op ARC-AGI-2 aanzienlijk verbetert door neurale inferentie te combineren met structurele priors, test-tijd training en symmetrie-bewuste decoding om generalisatie buiten patroonherkenning te bereiken.
Deze studie toont aan dat bestaande LLM-judges de robuustheid van AI-veiligheid tegen adversariale aanvallen onbetrouwbaar meten door distributieveranderingen en semantische ambiguïteit, waardoor veel succespercentages kunstmatig worden opgeblazen in plaats van echte schadelijkheid weer te geven.
Dit artikel introduceert een tweestaps neurodynamische aanpak op basis van projectievergelijkingen om distributie-robuste geometrische gezamenlijke kansbeperkte optimalisatieproblemen op te lossen, waarbij onbekende verdelingen binnen onzekerheidssets worden behandeld en convergentie naar het globale optimum wordt gegarandeerd zonder gebruik van traditionele methoden.
Dit paper introduceert een ethiek-van-ontwerp besturingsarchitectuur die een drievoudige poortstructuur (metrisch, bestuurlijk en ecologisch) implementeert in de volledige AI-levenscyclus om ethische risico's om te zetten in afdwingbare en testbare controles die compatibel zijn met bestaande MLOps-pipelines en regelgeving zoals de EU AI Act.
Dit paper introduceert FuzzingRL, een methode die fuzzing en versterkingsfinetuning combineert om automatisch uitdagende vragen te genereren die de kwetsbaarheden van Vision Language Models onthullen en hun prestaties aanzienlijk verminderen.
Dit artikel toont aan dat data-duplicatie bij het voorbewerken van taalmodellen schaalafhankelijk is, waarbij semantische duplicaten bij grotere modellen steeds meer als exacte duplicaten fungeren en leiden tot verslechterende generalisatie en afwijkende schaalwetten.
Deze paper introduceert een gestructureerd benchmarkkader met geïsoleerde interferentiegames en uitgebreide datasets om de specifieke uitdagingen van multi-agent deep reinforcement learning voor C-V2X-resourceallocatie te ontrafelen, waarbij blijkt dat robustheid en generalisatie over diverse voertuigtopologieën de grootste obstakels vormen.
Deze paper introduceert de Two-Bridge Map Suite, een open-source benchmark voor StarCraft II die als tussenliggend niveau fungeert tussen de volledige game en mini-games, waardoor onderzoekers tactische vaardigheden kunnen bestuderen zonder de hoge rekenkosten van de volledige game.
Dit paper concludeert dat het vermeerderen van inferentieberekeningen via crowd-wisdom-strategieën de waarheidsgetrouwheid van taalmodellen in niet-verifieerbare domeinen niet verbetert, omdat de fouten van modellen sterk gecorreleerd zijn en aggregatie vaak gedeelde misvattingen versterkt in plaats van de waarheid te onthullen.
Dit paper introduceert OptiRoulette, een nieuwe stochastische meta-optimizer die tijdens het trainen dynamisch update-regels selecteert en hiermee de convergentie tot 5,3 keer versnelt en de testnauwkeurigheid op diverse beeldclassificatiedatasets aanzienlijk verbetert ten opzichte van de standaard AdamW-baseline.
Dit paper introduceert het Annealed Co-Generation (ACG)-framework, dat multivariate co-generatie in wetenschappelijke toepassingen efficiënter maakt door complexe gezamenlijke modellering te vervangen door een samenstellende reeks van laag-dimensionale, paarsgewijze diffusiemodellen die via een drie-fase-annealingsproces worden gekoppeld.
Dit paper introduceert RACER, een risicobewuste en gekalibreerde routeringsmethode voor grote taalmodellen die query's naar sets van modellen routeert om de misroutingrisico's te beheersen en de downstream-nauwkeurigheid te verbeteren zonder afhankelijk te zijn van specifieke verdelingsaannames.
Dit paper introduceert Evo, een nieuw type groot taalmodel dat autoregressieve en diffusiemethoden verenigt in een continu evolutionair raamwerk om zowel hoge generatiekwaliteit als snelle inferentie te bereiken.
Deze paper introduceert een nieuw topology-bewust kader dat kennisdistillatie en contextbewuste representatielering combineert om zero-shot interactievoorspelling in multiplex biologische netwerken te verbeteren, waardoor de beperkingen van bestaande methoden worden overwonnen en de ontdekking van nieuwe biologische interacties voor gepersonaliseerde therapieën wordt bevorderd.
Het artikel introduceert NAT (Not All Tokens Are Needed), een framework dat de trainingskosten van reinforcement learning voor lange redeneringen verlaagt door alleen een subset van tokens te updaten via Horvitz-Thompson-herschaling, terwijl het prestatieniveau van volledige token-training behouden blijft.