7179 papers
Dit paper introduceert OrthoFormer, een transformer-architectuur die instrumentele variabele schatting via neurale controlefuncties integreert om correlatief leren te overwinnen en causale mechanismen te modelleren voor robuustheid bij distributieveranderingen.
Dit paper introduceert een raamwerk voor causale stress-testvoorspellingen dat onzekerheid in drie lagen decomposeert om schattingen en verstorende factoren te scheiden, waardoor robuuste tegenwereldscenario's voor kredietverliezen mogelijk worden onder extreme macro-economische omstandigheden.
Het paper introduceert HLER, een mens-in-de-lus multi-agent architectuur die empirisch economisch onderzoek automatiseert door datasetbewuste hypothesevorming en menselijke beslispunten te integreren, waardoor haalbare onderzoeksvragen en complete manuscripten met lage kosten kunnen worden gegenereerd.
Dit paper introduceert Dial, een kennisgebaseerd framework dat de vertaling van natuurlijke taal naar SQL voor verschillende database-systemen verbetert door dialectbewuste logica, een hiërarchische kennisbank en een uitvoeringsgedreven debugcyclus te combineren, wat resulteert in een aanzienlijke stijging van vertaalnauwkeurigheid en dialectondersteuning.
Dit paper introduceert Backdoor4Good, een unificerend raamwerk en benchmark dat de traditioneel kwaadaardige backdoor-mechanismen in grote taalmodellen herdefinieert als veilige, controleerbare en auditbare interfaces voor betrouwbare AI-toepassingen.
Dit paper biedt een uitgebreid technisch overzicht van de evolutie van beeldgeneratiemodellen, variërend van VAEs en GANs tot diffusiemodellen, inclusief hun architectuur, trainingsmethoden, beperkingen, recente doorbraken in videogenereatie en de noodzaak van verantwoord gebruik.
Dit onderzoek toont aan dat er een significant verwachtingsverschil bestaat tussen freelancers en klanten over het proactief melden van AI-gebruik, waarbij freelancers vaak passief handelen en klanten juist transparantie wensen, wat duidt op de noodzaak van heldere richtlijnen voor AI-disclosure in de freelance-economie.
Deze paper introduceert een doelgerichte risicobeoordelingsframework voor LLM-systemen dat systeemmodellering combineert met aanvals- en verdedigingstrbomen en CVSS-scoring om kwetsbaarheden in kritieke workflows, zoals de gezondheidszorg, gestructureerd te analyseren en gerichte verdedigingsmaatregelen te mogelijk maken.
Dit paper introduceert de Dual-Stream Transformer, een nieuwe architectuur die het residu-stroom ontbindt in een token-stroom en een context-stroom om een instelbare afweging tussen interpretatie en prestaties te bieden, waarbij specifieke mengstrategieën slechts een minimale kosten van 2,5% opleveren.
Dit artikel introduceert een mensgericht raamwerk dat uit-distributie (OOD) herschikt als een spectrum van perceptuele moeilijkheid om de foutenafstemming tussen AI-modellen en mensen te evalueren, waarbij wordt aangetoond dat verschillende architecturen (zoals Vision-Language-modellen, CNNs en ViTs) afhankelijk van de moeilijkheidsgraad uiteenlopende aligneringsprofielen vertonen.
Deze paper introduceert een lichtgewicht raamwerk voor de aanpassing van spraakverbeteringsmodellen in realistische omgevingen, dat door middel van zelftoezicht opgeleerde low-rank adapters minder dan 1% van de parameters bijwerkt om met slechts 20 updates een robuustheid en geluidskwaliteit te bereiken die concurreren met geavanceerdere methoden.
Deze studie introduceert een conditioneel diffusion-transformer-framework dat, geleid door Hi-C contactkaarten, een ensemble van diverse driedimensionale 3D-genoomstructuren van *E. coli* genereert in plaats van één deterministische structuur.
Dit onderzoek onthult dat het ontbreken van authenticatie voor de aanroepende partij in Model Context Protocol (MCP)-systemen fundamenteel onveilig is, omdat servers vaak niet kunnen onderscheiden wie een verzoek doet en zo onbedoeld toegang verlenen aan onbevoegde gebruikers.
Dit onderzoek toont aan dat taalkundige modellen binnen vision-language modellen hyperoniemen van objecten op afbeeldingen kunnen voorspellen en generaliseren, zelfs zonder expliciete training, dankzij een combinatie van taalkundige kennis en de coherentie van visuele input.
Dit paper introduceert een nieuw transformer-ontwerp met architecturale stroomonafhankelijkheid, genaamd Late Fusion Architecture (LFA), dat interpretatie door ontwerp mogelijk maakt door symbolische en semantische informatie gescheiden te houden totdat de uitvoer, waardoor modellen minder afhankelijk worden van positiële heuristieken en meer van semantisch begrip.
Dit paper introduceert een nieuw end-to-end systeem dat conceptherkenning, assertieclassificatie en relatie-extractie uit klinische tekst gezamenlijk optimaliseert, wat aanzienlijk betere resultaten oplevert dan bestaande pijplijnbenaderingen.
Dit artikel introduceert het Hiërarchische Autonomie Evolutie (HAE)-kader, dat de beveiliging van AI-agenten structureert in drie niveaus—cognitieve autonomie, uitvoeringsautonomie en collectieve autonomie—om de toenemende kwetsbaarheden van autonome systemen op te lossen en een meerlaagse defensiearchitectuur te bevorderen.
Dit paper introduceert SeDa, een unificerend raamwerk dat meer dan 7,6 miljoen datasets van diverse bronnen integreert via semantische annotatie en multi-entiteit navigatie om betrouwbare en contextbewuste datasetontdekking mogelijk te maken.
Dit paper toont aan dat driftmodellen een exacte score-matching formulering zijn op gekernelde verdelingen, waarbij de relatie met diffusion-modellen en Distribution Matching Distillation wordt verduidelijkt en de nauwkeurigheid voor Laplace-kernen wordt bewezen.
InterReal is een unificerend, op fysica gebaseerd imitatieleerkader dat humanoid robots in staat stelt om realistische mens-object-interacties te leren en succesvol in de echte wereld toe te passen, zoals aangetoond op de Unitree G1-robot.