9753 papers
Dit paper introduceert ARLArena, een gestructureerd raamwerk voor het analyseren van trainingsstabiliteit in agentic reinforcement learning, en presenteert SAMPO, een nieuwe methode die instabiliteit aanpakt en robuuste prestaties garandeert voor LLM-gebaseerde agenten.
CryoNet.Refine is een geautomatiseerd, één-staps diffusiemodel dat de verfijning van atomaire structuren op basis van cryo-EM-dichtheidskaarten aanzienlijk versnelt en verbetert ten opzichte van traditionele methoden.
Dit artikel introduceert het concept 'vibe researching' en analyseert hoe AI-agenten met gespecialiseerde vaardigheden, zoals de scholar-skill-plugin, sociale wetenschappers kunnen versterken door repetitieve taken te automatiseren, terwijl ze beperkt blijven in theoretische originaliteit en tacite kennis, wat leidt tot nieuwe professionele uitdagingen en pedagogische crises.
Dit artikel introduceert een wiskundige theorie die 'bipredictability' (P) als fundamentele maatstaf voor interactie definieert, waarbij wordt aangetoond dat huidige AI-systemen weliswaar handelen kunnen (agency), maar door het ontbreken van zelfmonitoring en adaptieve leercapaciteit nog geen ware intelligentie bezitten.
Dit paper introduceert AVDE, een lichtgewicht en efficiënt autoregressief framework dat EEG-signalen gebruikt om beelden te decoderen door LaBraM en een multi-scale token-predictiestrategie te combineren, waardoor het de prestaties van bestaande methoden verbetert met slechts 10% van de parameters.
Deze studie onthult dat de meeste discrepanties tussen artsen in de HealthBench-evaluatie structureel zijn en niet door bestaande metadata verklaard kunnen worden, maar wel dat het onderscheid tussen herleidbare en onherleidbare onzekerheid inzicht biedt in hoe evaluatieontwerp kan worden verbeterd.
Dit paper introduceert CeRA, een parameter-efficiënte fine-tuning-methode die door middel van SiLU-gating en structurele dropout de lineaire beperkingen van LoRA doorbreekt en zo superieure prestaties bereikt op complexe redeneertaken door de dormantie van het singuliere waarden-spectrum te activeren.
Deze paper toont aan dat het formuleren van gegeneraliseerd plannen als het leren van een expliciet transitiemodel, in plaats van directe actie-voorspelling, leidt tot betere generalisatie en hogere sample-efficiëntie met kleinere modellen.
Dit paper beschrijft hoe het gebruik van een gespecialiseerd, fijngefineerd LLM om schaalbare tekstuele relevantielabels te genereren, de App Store-rangschikking verbetert door zowel gedrags- als tekstuele relevantie te optimaliseren, wat resulteert in een statistisch significant toename van de conversie, vooral voor zeldzame zoekopdrachten.
Dit paper introduceert Attn-QAT, een kwantiseringsbewuste trainingsmethode die stabiele 4-bit attention mogelijk maakt op FP4-GPU's door de backward pass aan te passen, waardoor de kwaliteit van modellen behouden blijft en er tot 1,5x snelheidswinst wordt geboekt.
Dit artikel introduceert PEPA, een cognitieve architectuur voor een fysieke agent die door middel van persoonlijkheidstrekken en een driedelig systeem autonoom doelen genereert en gedrag aanpast, waardoor het zonder externe instructies langdurig en zelfstandig kan opereren in dynamische omgevingen.
Deze paper introduceert een reproduceerbaar kader voor het evalueren van het redeneervermogen van multimodale modellen op ECG-signalen door het redeneren te ontleden in perceptie en deductie, waarbij respectievelijk code-generatie en een klinische criteria-database worden gebruikt voor schaalbare en semantisch accurate verificatie.
Deze studie introduceert een conformal prediction-framework dat, ondanks variaties in modelkalibratie tussen gestructureerde FDA-documenten en vrije radiologieteksten, betrouwbare coverage-garanties biedt voor veilige medische entiteitsextractie met grote taalmodellen in klinische toepassingen.
Dit technische rapport bevestigt de generaliseerbaarheid van het Explainability Solution Space (ESS)-kader door middel van een uitgebreide cross-domein validatie die de oorspronkelijke toepassing op personeelsverloop uitbreidt naar een heterogeen intelligent stedelijk hulpbronnensysteem, waarbij wordt aangetoond dat ESS-rangschikkingen systematisch aanpassen aan governance-rollen en stakeholderconfiguraties in plaats van domeinspecifiek te zijn.
Dit paper presenteert een tweelaags HMM-POMDP-raamwerk dat, door rivaliserende auto's' verborgen energiestatus te infereren uit waarneembare telemetrie, de optimale energie-inzetstrategie voor de 2026 Formule 1-reglementen bepaalt en valstrikken zoals de 'counter-harvest trap' effectief detecteert.
HarmonyCell is een end-to-end agentframework dat single-cell perturbatiestudies automatiseert door semantische heterogeniteit op te lossen met een door LLM-aangedreven semantic unifier en statistische heterogeniteit aan te pakken met een adaptieve Monte Carlo Tree Search-engine, waardoor schaalbaar virtueel celmodelleren mogelijk wordt zonder dataset-specifieke engineering.
Dit paper introduceert een nieuw LLM-gedreven raamwerk dat semantische opties ontdekt om de data-efficiëntie, interpreteerbaarheid en overdraagbaarheid van Deep Reinforcement Learning te verbeteren door natuurlijke taal instructies om te zetten in uitvoerbare regels.
Dit paper introduceert een detectie-gestuurde pipeline die robuuste glottale segmentatie en klinische pathologie-evaluatie mogelijk maakt door een lokale detector te combineren met een segmentatiemodel, waardoor state-of-the-art prestaties en cross-dataset generalisatie worden bereikt voor real-time klinisch gebruik.
Dit artikel presenteert een robuust classificatiekader voor beelden van het immaterieel cultureel erfgoed in de Mekongdelta, waarbij de CoAtNet-architectuur wordt gecombineerd met modelsoepen om de generalisatie te verbeteren door de variantie te verminderen in een data-schaarste omgeving.
Deze studie toont aan dat bij geheugenverrijkte LLM-agenten de kwaliteit van de ophaalstrategie een veel grotere impact heeft op de prestaties dan de schrijfstijl, waarbij ruwe opslag vaak superieur is aan duurere, samenvattende methoden omdat de huidige ophaalmechanismen nuttige context uit verloren gegane informatie niet kunnen compenseren.