7179 papers
Dit paper introduceert drie complementaire benaderingen om creatieve activiteiten in verschillende domeinen beter te documenteren en te interpreteren door de intentie en relaties achter staatveranderingen vast te leggen, in plaats van alleen de ruwe wijzigingen te registreren.
Dit artikel introduceert het Layered Governance Architecture (LGA), een vierlaags raamwerk dat effectief is in het detecteren en blokkeren van uitvoeringslaagbedreigingen zoals prompt-injectie en tool-call-misbruik in autonome agent-systemen, met experimentele resultaten die een hoge interceptiegraad combineren met lage latentie.
Het paper introduceert Re², een methode voor versterkingslering die grote taalmodellen leert om productieloze redeneerpaden te verlaten en opnieuw te beginnen, waardoor de redeneerprestaties aanzienlijk worden verbeterd zonder voorafgaand toezicht.
Dit paper introduceert een miniatuur hersentransformer die, door de synergie tussen een prefrontale werkgeheugenbuffer en inhibitory callosale koppeling, een scherp fase-overgang in functionele lateraliteit van hippocampale banken bewerkstelligt, waarmee wordt aangetoond dat lateraliteit onmogelijk is zonder werkgeheugencontext.
Het paper introduceert VINO, een zelftoezichtend leerframework dat via een structurele informatie-flesnek en asymmetrische distillatie video-features leert die robuust zijn voor achtergrondcontext en zich richten op objectcentrische invarianties.
Dit paper introduceert een hybride Learning-to-Rank-systeem dat sociale context-embeddings en deep learning gebruikt om ontwikkelaars te helpen de beste oplossingen voor softwarebugs te vinden in Stack Overflow, met een nauwkeurigheid van bijna 78% voor de top-10 aanbevelingen.
Het paper introduceert LEPA, een architectuur die de onbetrouwbare latent-space interpolatie vervangt door het direct voorspellen van getransformeerde embeddings op basis van geometrische augmentaties, waardoor de nauwkeurigheid van geometrische aanpassingen in satellietremote sensing-data aanzienlijk wordt verbeterd.
Deze paper introduceert een nieuwe hiërarchische aanpak die imitatie- en versterkingslering combineert om agenten met heterogene doelen te leren bepalen wanneer samenwerking vruchtbaar is en wanneer zelfstandig handelen beter is, waarbij een extra component voor het modelleren van teamgenoten effectiever blijkt naarmate er minder informatie over hun doelen beschikbaar is.
Dit paper introduceert een kinematica-bewust latente wereldmodel dat voertuigkinematica en geometrische supervisie integreert in het RSSM-framework om de data-efficiëntie en prestaties van autonoom rijden te verbeteren door fysisch betekenisvolle langetermijnvoorspellingen mogelijk te maken.
VisualDeltas is een lichtgewicht voorkeursleerframework dat supervisie ontleent aan visuele kwaliteitsvariaties in multimodale data, waardoor het zonder menselijke annotaties effectieve voorkeurssignalen genereert en consistent betere prestaties levert dan traditionele afwijzingssteekproef-finetuning.
Deze empirische studie toont aan dat deployment-constraints de hallucinatie van citaten in LLMs verergeren, waarbij geen enkel getest model een verificatiepercentage van 47,5% bereikte en een aanzienlijk deel van de niet-verifieerbare citaten gefabriceerd bleek te zijn.
Dit paper introduceert MAviS, een multimodaal conversatie-assistent voor vogelsoorten dat bestaat uit een uitgebreide dataset, een chat-model en een benchmark, en waarmee state-of-the-art resultaten worden behaald voor gedetailleerd begrip en vragenbeantwoording over vogelsoorten in ecologische toepassingen.
Dit artikel stelt een modulaire architectuur voor voor perceptuele AI die is geïnspireerd op de menselijke cortex om interpretatie, compositie en robuustheid te verbeteren door gespecialiseerde modules te gebruiken die communiceren via hiërarchische voorspellende feedbacklussen.
Deze paper introduceert een spectrale framework dat continue symmetrieën ontdekt door geïnduceerde sparsiteit in de spectrale decompositie via de Generalized Fourier Transform te analyseren, wat een interpreteerbaar alternatief biedt voor bestaande generator-gebaseerde methoden.
Dit hoofdstuk bespreekt de evolutie van datagedreven hintgeneratie in intelligente tutorsystemen, waarbij historische studentendata en grote taalmodellen worden ingezet om hints, subdoelen en het juiste moment voor interventie te bepalen.
Dit artikel introduceert een theoretisch en empirisch raamwerk voor het trainen van robuuste beleidsstrategieën in deeltijds waarneembare omgevingen door middel van adversariele blootstelling aan verschuivingen in de initiële latente verdeling, wat leidt tot aanzienlijk verbeterde prestaties onder worst-case omstandigheden.
Dit artikel bespreekt het onorthodoxe voorstel om een geavanceerde AI een primair doel te geven om uitgeschakeld te worden, als een oplossing voor het risico dat de AI zich verzet tegen het uitschakelen om haar eigen doelen na te streven.
Het paper introduceert FinSheet-Bench, een benchmark voor synthetische financiële spreadsheetdata die aantoont dat huidige LLM's, ondanks redelijke prestaties op eenvoudige taken, nog onbetrouwbaar zijn voor onbewaakte gebruik in complexe financiële analyses vanwege hun gebrek aan nauwkeurigheid bij numerieke redenering en het verwerken van grote, gestructureerde tabellen.
Dit paper introduceert het Norm-Hierarchy Transition-framework, dat uitlegt dat neurale netwerken vertraagd leren optreedt doordat gewichtsdecay het model langzaam door een hiërarchie van parameter-normen beweegt van spurious shortcuts naar gestructureerde representaties, waarbij de overgangstijd logaritmisch toeneemt met de verhouding tussen de normen.
Dit paper introduceert een derde ambitie voor kunstmatige intelligentie naast productiviteit en alignement, namelijk het gebruik van grote taalmodellen als wetenschappelijke instrumenten om menselijk gedrag, cultuur en morele redenering te bestuderen door de in hun training opgenomen symbolische patronen te analyseren.