7179 papers
Het artikel introduceert VoiceSHIELD-Small, een lichtgewicht model dat spraak in real-time tegelijkertijd transcribeert en detecteert of deze kwaadaardig is, waardoor vertragingen worden vermeden en een hoge nauwkeurigheid wordt bereikt.
Dit paper beschrijft YAQIN, een co-ontworpen AI-toepassing die door middel van een islamitisch gefundeerde chatbot en dagboekfunctie de culturele en spirituele behoeften van moslimvrouwen in het VK op het gebied van mentale gezondheid ondersteunt, waardoor vertrouwen en toegankelijkheid van de zorg worden verbeterd.
Dit onderzoek toont aan dat taalmodellen in bandietproeven rigide beslissingstendensen vertonen door lage leersnelheden en hoge omgekeerde temperaturen, wat leidt tot starre exploitatiepatronen die de interactie tussen mens en AI kunnen beïnvloeden.
Dit paper introduceert een nieuw multi-agent architectuur die hallucinaties van grote taalmodellen reduceert bij het automatiseren van meerstaps structurele modellering en analyse met OpenSeesPy, waardoor een hoge nauwkeurigheid en schaalbaarheid wordt bereikt.
Dit onderzoek evalueert de prestaties van verschillende grote taalmodellen bij het oplossen van discrete optimalisatieproblemen met uitgebreide datasets en concludeert dat sterkere modellen beter presteren, terwijl de Chain-of-Thought-techniek niet altijd effectief is en verstoord data soms de prestaties op eenvoudige problemen kan verbeteren.
Dit paper introduceert FedShift, een innovatieve twee-traps "Verstop en Zoek"-aanval op Federated Graph Learning die door het injecteren van een verborgen "shifter" en het benutten van globale modelinformatie, een uiterst effectieve, stealthy en efficiënte methode biedt om bestaande verdedigingsmechanismen te omzeilen.
Het artikel introduceert DECADE, een onbewaakte diffusiemodel dat tijdsconsistentie toepast om ruis in dynamische Rb-82 hart-PET-beelden te verminderen en zo de beeldkwaliteit en kwantitatieve nauwkeurigheid verbetert zonder gebruik te maken van gepaarde trainingsdata.
Dit paper presenteert QuadAI, een ensemble-systeem voor SemEval-2026 dat een hybride RoBERTa-encoder combineert met grote taalmodellen via voorspellingsniveau-ensemble learning om de prestaties bij dimensionele aspectgebaseerde sentimentanalyse aanzienlijk te verbeteren.
ProgAgent is een doorlopende versterkingsleer-agent die catastrofale vergeeting en hoge kosten voor beloningsspecificatie aanpakt door ongelabelde expertvideo's te gebruiken voor het afleiden van progreseergerichte beloningen, gecombineerd met een JAX-native architectuur voor stabiele en snelle robotleer.
Deze studie toont aan dat grote taalmodellen in de Nepalese context aanzienlijke sociale vooroordelen vertonen, waarbij impliciete generatieve bias sterk verschilt van expliciete instemming en een niet-lineair verband vertoont met de temperatuurinstelling, wat de noodzaak benadrukt van cultureel onderbouwde evaluatie- en debiasingstrategieën.
Dit artikel presenteert een methode om met behulp van Physics Informed Neural Networks en orthogonale hoofdcomponentenanalyse een robuuste, laagdimensionale inbedding te construeren voor de oplossingsruimte van de niet-lineaire Burgers-vergelijking, waarbij een klein aantal latentemodes de dominante dynamische kenmerken effectief vastlegt.
HybridStitch is een nieuwe methode voor tekst-naar-afbeelding-generatie die de berekening versnelt door complexe beeldgebieden te verfijnen met een groot model en eenvoudige gebieden te genereren met een kleiner model, wat resulteert in een 1,83-voudige snelheidswinst op Stable Diffusion 3.
Dit paper introduceert een Column Generation-framework met prijsbepalingsheuristieken om het Micro-Transit Zoning-probleem op te lossen onder een globaal budget, wat leidt tot efficiëntere en schaalbaardere oplossingen voor het plannen van geo-fenced zones in vergelijking met bestaande methoden.
Dit paper introduceert Gradient Iterated Temporal-Difference learning, een nieuw algoritme dat de stabiliteit van gradient TD-methoden verbetert door de gradiënten over bewegende doelen te berekenen, waardoor het voor het eerst een concurrerende leersnelheid bereikt ten opzichte van semi-gradiënt-methoden op benchmarks zoals Atari-games.
Dit artikel stelt dat het misbruik van AI in het onderwijs niet primair een detectieprobleem is, maar een meetprobleem door verlies van inzicht in het leerproces, en lost dit op met het 'Learning Visibility Framework' dat transparantie en procesinformatie boven surveillance stelt.
Het paper "DistillGuard" introduceert een raamwerk voor het evalueren van verdedigingen tegen kennisdistillatie van LLM's en concludeert dat bestaande output-niveau maatregelen over het algemeen inefficiënt zijn en sterk afhankelijk van de specifieke taak.
Dit paper introduceert AI Steerability 360, een open-source Python-bibliotheek van IBM die een gestandaardiseerde interface biedt om grote taalmodellen via vier controleoppervlakken (invoer, structuur, staat en uitvoer) te sturen en verschillende stuurmethoden eenvoudig te combineren en evalueren.
Dit onderzoek toont aan dat opzettelijke misleiding in LLM-agenten een gecontroleerde vaardigheid is die voornamelijk werkt via strategische misleiding in plaats van fabricage, waarbij de motieven van de doelagenten het meest kwetsbaar zijn voor manipulatie.
Het paper introduceert SynPlanResearch-R1, een framework dat synthetische trajecten genereert om de verkenning van tools te stimuleren tijdens de koude-start-fase van deep research agents, wat leidt tot aanzienlijke prestatieverbeteringen op meerdere benchmarks in vergelijking met bestaande methoden.
Dit paper introduceert Sleep Replay Consolidation (SRC), een post-training methode die geïnspireerd is op biologische slaap om de betrouwbaarheid van voorspellingskansen in kunstmatige neurale netwerken te verbeteren zonder toezicht.