2385 papers
Dit paper introduceert DeepRDFC, een op autoencoders gebaseerd framework dat de totale variatie-afstand tot een onbekende doelverdeling minimaliseert en zo aanzienlijke verbeteringen in communicatie-efficiëntie biedt ten opzichte van traditionele datacompressie voor willekeurige gedistribueerde functieberekening.
Deze paper introduceert 'Super Neurons', een methode waarbij het direct aftasten van schaalactivaties in de lagere lagen van Vision Language Models leidt tot robuustere classificatieprestaties en een snelheidsverhoging tot 5,10x door extreme vroege exit.
Dit artikel presenteert een AI-gedreven raamwerk met contextbewuste splitsing en foutcorrectie om de ruimtelijke generalisatie van verkeerprognoses voor 5G/6G-netwerken te verbeteren en het risico op datalekken te verminderen.
Dit artikel presenteert een hiërarchisch Graph Attention Network (HR-GAT) dat openbare implementatiegegevens gebruikt om de spectrumvraag op fijne ruimtelijke schaal nauwkeuriger te schatten, waardoor de allocatie en het delen van spectrum voor regelgevers effectiever wordt.
Dit paper introduceert een risicogebaseerd evaluatiekader voor de beveiliging van grote taalmodellen in de financiële sector, dat een gespecialiseerde taxonomie, geautomatiseerde red-teaming en een nieuwe 'Risk-Adjusted Harm Score' combineert om de operationele ernst van schadelijke uitkomsten beter te kwantificeren dan bestaande, domein-agnostische benchmarks.
Dit paper introduceert 'Nurture-First Development', een nieuw paradigma voor het bouwen van domein-expert AI-agenten waarbij kennis niet vooraf wordt ingebouwd, maar geleidelijk ontstaat en wordt gestructureerd via conversaties met experts, in plaats van via traditionele code- of prompt-first benaderingen.
Dit paper introduceert MCCOP, een framework dat gebruikmaakt van een diffusiemodel om in een continue latent ruimte biologisch plausibele en minimale mutaties te genereren die de eigenschappen van eiwitten op een interpreteerbare manier naar een gewenste toestand sturen.
Dit paper introduceert een model-onafhankelijke evaluatieprotocol dat aantoont dat spraakbewuste LLM's een zwakke sprekerdiscriminatie hebben, en lost dit op met een lichtgewicht augmentatie die ECAPA-TDNN-embeddings via LoRA injecteert om een natuurlijke taalinterface te combineren met state-of-the-art sprekerverificatie.
Dit paper introduceert BALD-SAM, een principieel raamwerk voor actieve promptselectie dat Bayesiaanse onzekerheid gebruikt om de meest informatieve locaties voor interactieve segmentatie te identificeren, waardoor de prestaties van het Segment Anything Model (SAM) significant worden verbeterd en vaak menselijke en oracle-prompting overtreffen.
Deze paper introduceert REFINED-BIAS, een betrouwbaarder evaluatiekader voor het diagnosticeren van vorm- en textuurbias in neurale netwerken, dat de onstabiele en dubbelzinnige resultaten van de bestaande cue-conflict-benchmarks oplost door gebruik te maken van beter gedefinieerde cues en een rangschikkingsgebaseerde metriek over het volledige labelruimte.
Dit paper introduceert een baanbrekende oplossing voor menselijke aanwezigheidsdetectie op standaard laptops die gebruikmaakt van de ingebouwde Wi-Fi-hardware en een nieuwe Range-Filtered Doppler Spectrum-techniek, waardoor externe sensoren of camera's overbodig worden terwijl privacy wordt gewaarborgd en de rekenefficiëntie wordt geoptimaliseerd.
Het paper introduceert EvoKernel, een zelfevoluerend agentiek framework dat door middel van een waardegedreven geheugenaanpak en versterkingsleer de uitdagingen van het ontbreken van trainingsdata voor NPU-kernels oplost, waardoor de correctheid van generatieve modellen van 11% naar 83% stijgt en de uitvoeringssnelheid met een factor 3,6 verbetert.
Dit artikel introduceert een Semantisch Landmark-deeltjesfilter dat LiDAR-gegevens combineert met de detectie van boomstammen en palen om robotlokalisatie in wijngaarden robuuster te maken door het probleem van perceptuele aliasing tussen parallelle rijen op te lossen.
Dit paper introduceert , een methode die een Generalist Value Model als prior combineert met empirische rollouts via real-time statistische testen en dynamische budgettoewijzing, waardoor een robuuste en efficiënte advantage-baseline wordt verkregen die significant betere prestaties en snellere convergentie bereikt dan GRPO en DAPO op wiskundige redeneerbenchmarks.
Het paper introduceert GRACE, een geünificeerde 2D-simulatie- en benchmarkomgeving die multi-robot padplanningstaken op verschillende abstractieniveaus (raster, routekaart en continu) mogelijk maakt om transparante en reproduceerbare vergelijkingen tussen verschillende modellen en planners te faciliteren.
Deze paper introduceert een tweetalig corpus en een machine-actievere GND-taxonomie voor het trainen en evalueren van AI-systemen die bibliothecarissen ondersteunen bij het automatisch toewijzen van onderwerpswoorden aan catalogusrecords.
Deze paper introduceert een parameter-efficiënte Diffusion Transformer die, dankzij een 2D CNN-encoder en DDPO-finetuning, 200bp celtype-specifieke regulatoire DNA-sequenties genereert met een aanzienlijk snellere convergentie, minder memorisatie en een 38-voudige verbetering in voorspelde regulatoire activiteit vergeleken met eerdere modellen.
Dit artikel introduceert Dynamics-Predictive Sampling (DPS), een methode die de effectiviteit van versterkingslering voor grote redeneermodellen verbetert door door middel van Bayesiaanse inferentie en een verborgen Markov-model de leerdynamiek van prompts te voorspellen, waardoor kostbare rollouts worden geminimaliseerd en het trainingsproces wordt versneld zonder in te leveren op de redeneerprestaties.
Dit paper introduceert PharmGraph-Auditor, een hybride framework dat een betrouwbaar farmaceutisch kennisbestand en een bewijsgebaseerde verificatiestrategie combineert om de veiligheid en traceerbaarheid van medicatieverificatie door apothekers te verbeteren.
LookaheadKV is een lichtgewicht framework dat de prestaties van KV-cache-evictie verbetert door parameter-efficiënte modules te gebruiken om toekomstige belangrijke tokens te voorspellen zonder dure generatie, wat leidt tot een aanzienlijke vermindering van de uitvoeringstijd en kosten bij lange contexttaken.