7179 papers
Dit artikel introduceert Hospitality-VQA, een nieuwe dataset en evaluatieframework voor informativiteit, om te onderzoeken hoe Vision-Language Models beslissingsgerelateerde vragen over hotelvoorzieningen kunnen beantwoorden en hoe domeinspecifieke finetuning de bruikbaarheid van deze modellen verbetert.
Dit paper introduceert CCR-Bench, een nieuw benchmark voor het evalueren van grote taalmodellen op complexe instructies die voortkomen uit real-world industriële scenario's, waarbij wordt aangetoond dat zelfs de meest geavanceerde modellen aanzienlijke tekortkomingen vertonen in het volgen van ingewikkelde content- en formatvereisten, logische workflows en conditioneel redeneren.
Dit paper introduceert een theoretisch kader gebaseerd op deeltjesschermen (particle filtering) om de nauwkeurigheids-kostentrade-offs van inferentiemethoden voor grote taalmodellen die meerdere samples aggregeren en pruning toepassen, rigoureus te analyseren en fundamentele grenzen te identificeren.
Dit paper introduceert VLM-SubtleBench, een nieuw meetinstrument dat VLM's evalueert op hun vermogen om subtiele verschillen in diverse domeinen zoals industrie en medische beeldvorming te onderscheiden, en blootlegt dat er nog een aanzienlijke kloof bestaat tussen model- en menselijke prestaties.
Dit artikel presenteert beeldsegmentatie als een visueel testkader voor coalitieformatie in hedonische spellen, waarbij wordt onderzocht hoe een granulariteitsparameter de evenwichtsfragmentatie beïnvloedt en de link legt tussen mechanismeontwerp en de structuur van evenwichten.
Dit paper introduceert een nieuwe methode die het vermogen van LaCAM* benut om een dynamische, lichtgewicht verkeerskaart te construeren tijdens de zoektocht, waardoor de rekenkosten worden verlaagd en de oplossingskwaliteit voor Multi-Agent Path Finding wordt verbeterd ten opzichte van bestaande statische aanpakken.
Dit artikel beschrijft een nieuw besluitvormingskader en een hybride AI-statistisch voorspellingsmodel voor de Indiase moesson, dat in 2025 operationeel werd ingezet om 38 miljoen boeren nauwkeurige, op maat gemaakte seizoensvoorspellingen te bieden voor betere landbouwbeslissingen.
Dit paper introduceert SMGI, een structurele theorie voor algemeen kunstmatige intelligentie die leren herkijkt als de gecontroleerde evolutie van het leerinterface en bewijst dat bestaande methoden zoals versterkend leren en empirisch risicominimalisatie beperkte instanties zijn van dit uitgebreide raamwerk.
Het artikel introduceert EveryQuery, een EHR-fundatiemodel dat via task-geconditioneerd pre-training zero-shot klinische voorspellingen mogelijk maakt door direct de waarschijnlijkheid van een uitkomst te schatten op basis van een patiëntgeschiedenis en een gestructureerde query, wat leidt tot aanzienlijke prestatieverbeteringen ten opzichte van autoregressieve baselines, met name voor zeldzame klinische gebeurtenissen.
Deze studie presenteert een volledig visuele autonomieframework voor robotische bronchoscopie dat, zonder externe tracking, lange- en korte-termijn agenten combineert met een wereldmodel om succesvol te navigeren naar doelgebieden in de luchtwegen.
Dit artikel introduceert Ares, een framework dat dynamisch het benodigde redeneerniveau per stap van een agent voorspelt om de inferentiekosten aanzienlijk te verlagen zonder de taakprestaties significant te beïnvloeden.
Dit paper introduceert Rel-MOSS, een relationeel deep learning-model dat het probleem van class imbalance in relationele databases aanpakt door een relation-gestuurde over-sampling-methode te gebruiken die de prestaties significant verbetert ten opzichte van bestaande methoden.
Dit artikel introduceert IMSE, een methode voor testtijdadaptatie die gebruikmaakt van intrinsieke spectrale experts in Vision Transformers door alleen singuliere waarden aan te passen en een diversiteitsmaximalisatieverlies toepast om feature-collapse te voorkomen, waardoor state-of-the-art prestaties worden bereikt met aanzienlijk minder trainbare parameters.
Het paper introduceert SWE-Fuse, een trainingsframework dat software-agenten verbetert door issue-vrije trajecten en entropie-bewuste RLVR-training te combineren om de beperkingen van onnauwkeurige probleembeschrijvingen te overwinnen en aanzienlijk betere oplossingspercentages op de SWE-bench Verified-benchmark te bereiken.
Dit paper stelt voor dat intelligente, door mensen gecontroleerde AI-agenten, gebaseerd op deep learning en grote taalmodellen, de volgende evolutie van de wetenschappelijke methode vormen om de groeiende kloof tussen datageneratie en -begrip te overbruggen, zoals geïllustreerd door het Dr. Sai-systeem in de deeltjesfysica.
Dit paper introduceert ELLMob, een zelf-gealigneerd LLM-framework dat menselijke mobiliteit genereert die zowel gewoontes als gebeurtenisgerelateerde beperkingen respecteert, en presenteert het eerste dataset met gebeurtenisannotaties voor drie grote wereldwijde gebeurtenissen.
Dit artikel introduceert PSTNet, een lichtgewicht neurale netwerkarchitectuur die fysische principes direct in zijn structuur verwerkt om atmosferische turbulentie in real-time en met hoge nauwkeurigheid te schatten op beperkte hardware, waardoor het een effectief alternatief biedt voor bestaande methoden in veiligheidskritieke vliegtuigsturingssystemen.
Dit paper introduceert EvoStage, een evolutionair raamwerk dat Large Language Models (LLMs) gebruikt om door middel van gefaseerde ontwerpstappen en real-time feedback geautomatiseerde algoritmen te creëren die menselijke expertontwerpen en bestaande methoden overtreffen in complexe industriële toepassingen zoals chipplaatsing.
Dit artikel introduceert HILA, een framework voor mens-agent samenwerking dat via een tweeledige policy-optimatie met meta-cognitieve agenten leert wanneer ze zelfstandig moeten handelen en wanneer ze menselijke expertise moeten inschakelen, waardoor systemen continu kunnen leren en robuuster worden in complexe taken.
Het artikel introduceert VORL-EXPLORE, een hybride leer- en planningsframework dat de robuustheid van multi-robot verkenning in dynamische omgevingen verbetert door taaktoewijzing te koppelen aan uitvoeringsbetrouwbaarheid via een gemeenschappelijke navigatie-inschatting, wat leidt tot minder botsingen, kortere paden en minder overlap.