2385 papers
Dit paper introduceert het 'Gradient Flow Drifting'-framework, dat wiskundig aantoont dat het recente Drifting-model equivalent is aan een Wasserstijn-gradiëntstroom voor de forward KL-divergentie onder KDE-approximatie, en biedt een theoretisch onderbouwde strategie voor het combineren van divergenties om zowel modusinstorting als modusvervaging te voorkomen.
Deze paper introduceert het Progressive Retrospective Framework (PRF), een plug-and-play methode die variabele lengte trajectvoorspelling verbetert door een cascade van retrospectieve eenheden te gebruiken om features van onvolledige observaties geleidelijk af te stemmen op die van volledige observaties.
Deze paper introduceert een nieuw kader dat agenttrajecties analyseert om gestructureerde, contextuele leermomenten te genereren en op te halen, waardoor zelfverbeterende LLM-agenten hun prestaties aanzienlijk verbeteren door fouten te vermijden en succesvolle strategieën toe te passen.
Dit artikel introduceert Conditional Expectation Reward (CER), een methode die grote taalmodellen gebruikt als impliciete verifiers om versterkingslering met verifieerbare beloningen uit te breiden naar domeinen met vrije antwoorden door een zachte, graduele beloning te bieden op basis van de waarschijnlijkheid van het genereren van een referentieantwoord.
Dit paper presenteert een nieuwe, verklaarbare aanpak om neurale netwerk-backdoors te detecteren en te elimineren door middel van actieve paden, met succesvolle experimenten in het domein van inbraakdetectie.
Deze paper introduceert een innovatief raamwerk voor het intermitterend plannen van taken en bewegingen dat door middel van een incrementele leerlus symbolische feedback van bewegingsplanners gebruikt om een bestaande planner te sturen naar haalbare oplossingen voor multi-object navigatie in gedeelde werkruimtes.
Deze paper introduceert ROVA, een trainingsframework dat de robuustheid van video-redeneringsmodellen tegen realistische verstoringen verbetert door middel van een bewustzijn voor moeilijkheidsgraad en consistentiebeloningen, en presenteert PVRBench als een nieuwe benchmark om deze prestaties te evalueren.
Dit paper introduceert FAME, een nieuwe methode voor formele abstracte minimale verklaringen van neurale netwerken die via geavanceerde perturbatiedomeinen en LiRPA-bounds schaalbaar is naar grote netwerken terwijl het de grootte van de verklaringen verkleint en de kwaliteit kwantificeert.
Het paper introduceert DxEvolve, een zelfevoluerend diagnostisch agent dat de kloof tussen klinische cognitie en huidige AI-systemen dicht door interactieve onderzoekswerkflows te gebruiken voor het autonomisch aanvragen van onderzoeken en het omzetten van ervaring in een beheersbaar leermiddel, wat resulteert in een significante verbetering van de diagnoseprecisie.
Dit artikel introduceert een platformonafhankelijk raamwerk voor digitaal mensmodelleer dat multimodale fysiologische sensoren (zoals EEG en EMG) en een reproduceerbare game-omgeving integreert om gestructureerde, tijdsgesynchroniseerde data te leveren voor toekomstige ethisch goedgekeurde AI-onderzoek naar toegankelijkheid en inclusie, zonder zelf AI-modellen of menselijke proefpersonen te gebruiken.
Dit paper introduceert Contract And Conquer (CAC), een methode die via kennisdistillatie en een bewezen overdraagbaarheidsgarantie het zoekruimte voor adversariële voorbeelden in een black-box model contracteert om zo binnen een vast aantal iteraties een gegarandeerd adversariaal voorbeeld te vinden.
Dit paper introduceert een lichtgewicht architectuur voor verifieerbare aggregatie in cross-silo federated learning die bestaande backdoor-injectie technieken repurposed als intrinsieke, tijdelijke bewijzen om servermanipulatie te detecteren zonder de zware computatiekosten van traditionele cryptografische methoden.
Dit paper introduceert RandMark, een methode voor het verifiëren van eigendom van visuele fundamentele modellen door middel van willekeurige watermerken die in interne representaties worden ingebed om intellectuele eigendomsrechten te beschermen.
Dit paper introduceert EvoSchema, een uitgebreid benchmarkkader dat een nieuwe taxonomie van schema-evoluties gebruikt om de robuustheid van text-to-SQL-systemen te evalueren en te verbeteren tegenover dynamische veranderingen in databaseschema's.
Dit onderzoek toont aan dat het gebruik van gestructureerde linked data, specifiek verrijkte entiteitspagina's met JSON-LD en navigatie-instructies, de nauwkeurigheid en volledigheid van zowel standaard als agent-gestuurde Retrieval-Augmented Generation-systemen aanzienlijk verbetert.
AlphaFlowTSE is een nieuwe één-staps generatieve methode voor doel-sprekerextractie die gebruikmaakt van een voorwaartse AlphaFlow-objectief om de latentie te verminderen en de spraakherkenning te verbeteren zonder onbetrouwbare mengverhoudingsvoorspellingen.
Dit paper introduceert PV-VASM, een modelonafhankelijk probabilistisch raamwerk dat de robuustheid van stem-anti-spoofingmodellen verifieert door de misclassificatiekans onder diverse synthetische en perturbatie-scenario's te schatten en een theoretische bovengrens voor de foutkans af te leiden.
Deze paper introduceert CTCNet, een nieuw cross-spectraal model voor robuust UAV-verkeersbegrip dat gebruikmaakt van een kennisgebaseerde module en een kwaliteitsbewuste spectrale compensatie, vergezeld van de Traffic-VQA-benchmark, om prestaties onder moeilijke omstandigheden en complexe verkeerscognitie te verbeteren.
Dit paper introduceert HIR-SDD, een nieuw framework voor het detecteren van spraakdeepfakes dat Large Audio Language Models combineert met chain-of-thought-redenering op basis van een menselijk geannoteerde dataset om zowel de generalisatie als de interpretatie van detecties te verbeteren.
CUPID is een plug-in framework dat ongemodificeerde, vooraf getrainde diepe netwerken in staat stelt om zowel aleatorische als epistemische onzekerheid te schatten zonder hertraining, waardoor betrouwbare en interpreteerbare AI-toepassingen in hoog-risicodomains mogelijk worden.