8314 papers
Dit artikel stelt dat zichtbaarheidsmetingen voor domeinen in generatieve zoekmachines inherent onzeker zijn vanwege hun niet-deterministische aard, en pleit daarom voor het gebruik van statistische frameworks met betrouwbaarheidsintervallen in plaats van betrouwbare enkelvoudige schattingen.
Dit paper introduceert een synthetische benchmark die aantoont dat Vision Language Foundation-modellen, zoals Gemma 3 en Qwen3-VL, via in-context learning dronebeelden kunnen vertalen naar JSON-configuraties voor plantensimulaties, waarmee een schaalbaar raamwerk wordt geboden voor digitale tweelingen in de landbouw, hoewel de modellen nog steeds vatbaar zijn voor contextuele bias en afhankelijkheid van datasetgemiddelden.
Dit paper introduceert Guardian, een interpreteerbaar besluitvormingssysteem dat Markov-ketens, versterkende leerling en LLM's combineert om dynamische zoekplannen voor vermiste kinderen te genereren op basis van ongestructureerde data.
Het artikel presenteert PathoScribe, een geïntegreerd framework dat op grote schaal digitale pathologierapporten omzet in een interactieve, redenerende kennisbron die artsen in staat stelt om via natuurlijke taal gevallen te doorzoeken, onderzoeksgroepen te bouwen en klinische vragen te beantwoorden, wat leidt tot een aanzienlijke tijdsbesparing en verbeterde patiëntenzorg.
Dit paper introduceert VoxEmo, een uitgebreide benchmark voor spraak-gevoelsherkenning met spraak-LLMs die 35 corpora in 15 talen omvat en een nieuwe evaluatiemethode biedt die rekening houdt met de subjectiviteit en ambiguïteit van menselijke emoties.
Dit artikel introduceert AgentOS, een nieuw paradigma dat traditionele besturingssystemen vervangt door een natuurlijke taalgedreven omgeving waarin een 'Agent Kernel' taken ontleedt en applicaties als modules fungeert, waardoor het realiseren van dit systeem fundamenteel wordt gedefinieerd als een probleem van kennisontdekking en data mining.
Dit paper introduceert BiCLIP, een eenvoudig framework dat door het toepassen van een gestructureerde geometrische transformatie op multimodale kenmerken, gebruikmakend van een klein aantal ankers, state-of-the-art prestaties bereikt bij few-shot classificatie in gespecialiseerde domeinen.
Dit paper introduceert Guardian, een end-to-end systeem dat een meermodel-pipeline met consensusmechanismen en QLoRA-finetuning gebruikt om de eerste 72 uur van zoektochten naar vermiste personen te ondersteunen door middel van gecontroleerde, auditabele informatie-extractie.
Dit paper introduceert \texttt{EinSum}, een tensor-relationale uitbreiding van de Einstein-sommatienotatie die computatie-intensieve onderdelen efficiënt uitvoert met numerieke kernels terwijl de verwerking van grote, schaarse datasets relationeel wordt beheerd.
Dit artikel introduceert de FABRIC-strategie, een nieuw algoritme dat voorwaartse en achterwaartse bereikbaarheidsanalyse integreert om de verificatie van niet-lineaire neurale feedbacksystemen aanzienlijk te verbeteren.
Dit paper introduceert Semantic Level of Detail (SLoD), een raamwerk dat via warmtekernel-diffusie op hyperbolische variëteiten een continue zoomoperator biedt voor het automatisch detecteren van kwalitatieve grenzen tussen abstractieniveaus in kennisgrafieken zonder menselijke supervisie.
Dit paper introduceert Arbiter, een framework dat formele regels en multi-model LLM-scouring combineert om interferentiepatronen in systeemprompts van coderingsagenten te detecteren, waarbij het verschillende kwetsbaarheden blootlegt die vaak worden gemist door traditionele methoden.
Deze studie biedt de eerste empirische vergelijking van 16 beveiligingskaders voor multi-agent systemen en concludeert dat geen enkel bestaand kader voldoende dekking biedt, met name voor niet-determinisme en datalekken, waarbij het OWASP Agentic Security Initiative en het CDAO Responsible AI Toolkit de beste resultaten behalen.
Dit artikel analyseert genderbias in audio-deepfake-detectiemodellen met behulp van de ASVspoof 5-dataset en toont aan dat eerlijkheidsmetrieken essentiële inzichten bieden in demografische ongelijkheden die door traditionele prestatie-indicatoren worden gemaskeerd.
Dit artikel introduceert het CMA-ES-IG-algoritme, dat robots in staat stelt om effectiever te leren van niet-expert gebruikers door voorkeursrankingvragen te genereren die niet alleen informatief zijn, maar ook rekening houden met de gebruikerservaring en zo de adoptie van robotsystemen verbeteren.
Dit paper introduceert Meissa, een lichtgewicht 4B-parameter medisch multimodaal model dat offline agente capaciteiten biedt door gestructureerde trajecten van geavanceerde modellen te distilleren, waardoor het prestaties van gesloten API-systemen benadert met aanzienlijk lagere kosten, latency en privacyrisico's.
Dit paper pleit voor 'AI-fenomenologie' als een onderzoeksraamwerk dat de complexe, persoonlijke ervaringen van mensen met AI-systemen in de tijd in kaart brengt, en biedt daarvoor een praktische toolkit met methoden, ontwerpprincipes en een onderzoeksagenda om de wederzijdse uitlijning tussen mens en machine beter te begrijpen.
Dit paper introduceert MEMO, een zelfspel-framework dat de prestaties en stabiliteit van multi-agent LLM-games verbetert door een persistent geheugen voor inzichten te combineren met een exploratiestrategie voor prompt-evolutie, wat leidt tot aanzienlijk hogere winniveaus en minder variatie in de uitkomsten.
Dit paper introduceert Pichay, een transparante proxy die demand paging en virtueel geheugenconcepten toepast op LLM-contextvensters om structurele verspilling te elimineren en de contextgebruik met tot 93% te verminderen door verouderde inhoud dynamisch te vervangen en alleen relevante informatie in het dure 'cache'-geheugen te houden.
Dit artikel presenteert een geautomatiseerde pipeline die Large Language Models (LLMs) gebruikt om flakke tests in quantumsoftware te detecteren en hun oorzaken te analyseren, waarbij het bestaande dataset met 54% wordt uitgebreid en Google Gemini de beste prestaties levert met een F1-score van 0,9420 voor detectie.