2385 papers
NasoVoce is een neusgemonteerd interface dat door het fusioneren van akoestische en trillingssignalen een robuuste, onopvallende en altijd beschikbare spraakinteractie met AI mogelijk maakt, zelfs bij fluisterende spraak in lawaaierige omgevingen.
Het artikel introduceert PC-Diffuser, een veiligheidsframework dat een certificeerbare, pad-consistente barrièrefunctie direct in de denoising-loop van een diffusiegebaseerde trajectplanner integreert om botsingsrisico's te minimaliseren en dynamisch haalbare, veilige routes te garanderen zonder de geometrie van de oorspronkelijke leerplanning te verstoren.
Dit onderzoek toont aan dat redenerende rerankers, in vergelijking met niet-redenerende modellen, noch de eerlijkheid verbeteren noch verslechteren, maar eerder de bestaande eerlijkheidskenmerken van de invoer rangschikking behouden.
Deze paper introduceert Concept-Gated Visual Distillation (CGVD), een trainingsvrij raamwerk dat de prestaties van Vision-Language-Action-modellen in rommelige omgevingen aanzienlijk verbetert door instructies te analyseren en visuele afleidingen te onderdrukken via Fourier-based inpainting, waardoor de succesratio van 43,0% naar 77,5% stijgt.
Deze paper introduceert FairFAL, een adaptief framework voor federatief actief leren dat de prestaties verbetert onder extreme non-IID-omstandigheden en globale klasse-ongelijkheid door een slimme selectie tussen lokale en globale query-modellen, prototypegestuurde pseudo-labeling en een gebalanceerde bemonsteringsstrategie.
Dit paper introduceert DIBJudge, een robuust fijn-tuningkader dat gebruikmaakt van een gedesintegreerd informatie-flesnek om de systematische vertaalbias in meertalige LLMs te mitigeren door spurious correlaties te isoleren en te onderdrukken.
Dit paper introduceert GenCC, een framework dat grote taalmodellen (LLMs) gebruikt om geoptimaliseerde congestiebesturingsfuncties te genereren, wat leidt tot prestatieverbeteringen van 37% tot 142% ten opzichte van de huidige state-of-the-art protocollen.
Dit paper introduceert HEAL, een RL-vrij raamwerk dat het 'lerend vermogen' van kleinere modellen verbetert door middel van een curriculum dat gebaseerd is op de Zone van de Naaste Ontwikkeling en gebruikmaakt van entropy-gestuurde herstelmechanismen om de beperkingen van traditionele distillatie te overwinnen.
Dit paper introduceert een dynamisch kennisfusieframework dat contrastief leren en gestructureerde slotinformatie combineert om de prestaties en generalisatie van multi-domein dialoogstatus-tracking te verbeteren ondanks beperkte annotatie en complexe dialogen.
Deze paper introduceert AttnLFA en AttnMVP, twee nieuwe architecturen voor generatieve aanbevelingssystemen die door het elimineren van inefficiënte interleaving-mechanismen en het expliciet modelleren van causale afhankelijkheden tussen items en acties, zowel de prestaties als de trainings-efficiëntie aanzienlijk verbeteren.
Dit artikel presenteert een framework voor weinig-shot adaptatie in niet-stationaire robotische omgevingen waarbij een laag-dimensionale 'Trend ID' wordt geschat om conceptverschuivingen aan te pakken zonder modelparameters aan te passen, waardoor catastrofisch vergeten wordt voorkomen en schaalbaarheid wordt gewaarborgd.
Dit onderzoek introduceert het concept van 'reactief schrijven', waarbij schrijvers door AI-suggesties worden geleid naar een evaluatie-georiënteerde schrijfstijl die hun eigen ideatie verdringt en onbewust hun opvattingen beïnvloedt, terwijl ze toch het gevoel behouden dat ze volledige controle houden.
Dit artikel introduceert Causal Concept Graphs, een methode die sparse autoencoders en differentieerbare structuurlerning combineert om causale relaties tussen concepten in de latent ruimte van taalmodellen te visualiseren en te manipuleren voor verbeterde stapsgewijze redenering, wat resulteert in een significant hogere Causal Fidelity Score dan bestaande technieken.
Dit paper introduceert een nieuwe schaalwet voor Mixture-of-Experts-modellen die een optimale machtsverhouding tussen expert- en attentie-berekeningen definieert, waardoor efficiëntere modelontwerpen mogelijk zijn binnen vaste rekenbudgetten.
Het artikel introduceert TRACED, een raamwerk dat de redeneerkwaliteit van taalmodellen analyseert via geometrische kinematica, waarbij correcte redenering wordt gekenmerkt door stabiele voortgang en hallucinaties door onstabiele patronen met hoge kromming.
Dit artikel presenteert een nieuw probabilistisch veiligheidskader voor mens-robotinteractie dat controlebarrièrefuncties combineert met conformale risicobesturing om formele veiligheidsgaranties te bieden en botsingen te verminderen zonder de taakprestaties te beïnvloeden.
Deze paper introduceert nieuwe prompt-technieken gebaseerd op onnauwkeurige kansen om de hogere-orde onzekerheid van grote taalmodellen beter te kwantificeren en zo hun betrouwbaarheid in complexe scenario's te vergroten.
Dit paper analyseert de leer-dynamiek van twee-laags lineaire netwerken getraind met labelruis-SGD en onthult een tweefasig proces waarbij de ruis de overgang van het 'lazy' naar het 'rich' regime drijft, wat de verbeterde generalisatie empirisch verklaart.
Deze paper introduceert PP-LUCB, een efficiënt algoritme dat de beste serviceconfiguratie identificeert door goedkope, maar bevooroordeelde LLM-gebaseerde scores te combineren met strategisch ingekochte dure menselijke audits, waardoor de auditkosten met 90% worden verlaagd terwijl de nauwkeurigheid behouden blijft.
Deze paper introduceert STemDist, de eerste dataset-distillatiemethode die specifiek is ontworpen voor spatio-temporale voorspelling door zowel de ruimtelijke als temporale dimensies te comprimeren, wat resulteert in aanzienlijk snellere training, lager geheugengebruik en hogere voorspellingsnauwkeurigheid.