13477 papers
Dit paper introduceert ASDA, een trainingsvrij kader dat door middel van iteratief leerproces gestructureerde vaardigheidsartefacten genereert om grote taalmodellen zonder gewichts-aanpassing effectief te laten aanpassen aan complexe financiële redeneertaken, wat aanzienlijk betere resultaten oplevert dan bestaande methoden.
Het artikel introduceert PathGLS, een referentievrij evaluatiekader dat pathologie Vision-Language-modellen beoordeelt op gronding, logica en stabiliteit om hallucinaties te detecteren en een betrouwbaarheidscore te genereren zonder gebruik te maken van grondwahrheid.
Dit paper toont aan dat compositional generalisatie in neurale netwerken kan worden gegarandeerd door decoderarchitecturen te construeren als strikte monoidale functors afgeleid van Higher Inductive Types, wat leidt tot aanzienlijk betere prestaties dan bestaande methoden zoals self-attention.
Dit paper introduceert SWE-QA-Pro, een robuust benchmark voor repository-level codebegrip dat gebaseerd is op diverse, lange-staart repositories, en presenteert een schaalbaar trainingsrecept met synthetische data dat kleine open modellen in staat stelt om concurrentie aan te gaan met geavanceerde proprietary modellen.
Deze studie toont aan dat generatieve augmentatie met FastGAN bij zeer beperkte datasets de classifier-bias juist verergert door mode collapse, terwijl Stable Diffusion met LoRA de bias effectief verlaagt en de beste prestaties levert.
Deze paper presenteert een door een groot taalmodel (LLM) aangedreven multimodaal raamwerk dat historische GPS-data, RGB-afbeeldingen en LiDAR-data combineert om betrouwbare straalvoorspelling in complexe near-field XL-MIMO-systemen te realiseren door middel van geavanceerd ruimtelijk redeneren.
Het paper introduceert NeuronSpark, een 0,9B-parameter spiking neural network taalmodel dat aantoont dat end-to-end taalmodellering zonder Transformer-distillatie haalbaar is door een combinatie van selectieve state-space dynamica, adaptieve tijdstappen en stabilisatietechnieken.
Dit paper introduceert HIPO, een nieuw uitlijningskader dat hiërarchische instructieopvolging aanpakt door systemprompt-compliance om te vormen tot een strikte algoritmische beperking binnen een Constrained Markov Decision Process, waardoor modellen zowel systeminstructies nauwkeuriger volgen als de nuttigheid voor de gebruiker maximaliseren.
Dit artikel introduceert GATS, een nieuw dubbel invariant framework dat door middel van Uncertainty Guided Gaussian Convolution en Temporal Scaling Attention robuuste 4D ruimtetijd-puntwolkrepresentaties biedt die onafhankelijk zijn van variaties in densiteit, ruis, occlusie en frame-rate.
Het artikel introduceert DyJR, een efficiënt framework voor versterkt leren dat de diversiteit van Large Language Models behoudt door een dynamische buffer en Jensen-Shannon-divergentie-regulering te gebruiken, waardoor het de prestaties van bestaande methoden zoals GRPO verbetert zonder in te leveren op trainingsefficiëntie.
Het paper introduceert SQL-ASTRA, een framework dat het probleem van schaarse feedback in Text-to-SQL verhelpt door een tweelaags beloningssysteem te gebruiken dat trajectaggregatie en kolommen-matching combineert om stabiele multi-turn agenten te realiseren die state-of-the-art prestaties behalen.
Dit paper introduceert een nieuwe methode voor zichtbaar-infrarood persoonsheridentificatie genaamd HHCR, die via twee modules voor heterogene en homogene consistentie de uitdagingen van modale verschillen en variaties aanpakt om state-of-the-art prestaties te bereiken.
Deze paper presenteert een volledig open-source reproductie van het Corrective Retrieval Augmented Generation (CRAG)-systeem met Wikipedia en Phi-3-mini, die vergelijkbare prestaties behaalt en voor het eerst inzicht biedt in de werking van de evaluatiecomponent via SHAP-analyse.
Het paper introduceert MemX, een lokaal geïmplementeerde, stabiel ontworpen langdurig geheugensysteem voor AI-assistenten dat gebruikmaakt van een hybride zoek- en herordeningpijplijn om zoekresultaten te verbeteren en valse recalls te onderdrukken.
Deze paper introduceert 360Bench, een benchmark voor het beoordelen van multimodale taalmodellen op 360-gradenbeelden, en presenteert Free360, een trainingsvrije methode die scene graphs en adaptieve transformaties gebruikt om de prestaties van deze modellen voor visuele vraag-antwoordtaken aanzienlijk te verbeteren.
Dit artikel presenteert een gefaseerd transfer-learningkader dat door het onafhankelijk leren van representaties uit ongelabelde data en daaropvolgende aanpassing met weinig gelabelde patiëntdata, de benodigde klinische supervisie voor het voorspellen van drugrespons significant verlaagt ondanks sterke biologische domeinverschillen.
Dit paper toont aan dat de schijnbare superioriteit van grote taalmodellen op publieke benchmarks grotendeels het gevolg is van dataverontreiniging, waarbij experimenten aantonen dat deze modellen vaak op de testvragen zijn getraind en hun prestaties aanzienlijk dalen wanneer vragen worden herschreven of indirect worden gesteld.
Deze paper introduceert een robuuste methode voor de beoordeling van de kwaliteit van gegenereerde audio die, door middel van domein-adversariale training en aspect-specifieke domeindefinities, spurious correlaties elimineert en zo de generalisatie en correlatie met menselijke beoordelingen aanzienlijk verbetert.
Deze scoping review schetst het landschap van door AI aangedreven digitale interventies in de geestelijke gezondheidszorg door de toepassing te analyseren in vijf fasen, de voordelen en uitdagingen te belichten en een nieuw vier-pijlerskader te introduceren voor veilige en effectieve zorg.
Dit paper introduceert het Dual-Stage Intent-Aware (DS-IA) framework, dat de betrouwbaarheid en efficiëntie van AIoT-smarthomes verbetert door hoogwaardige intentie-analyse te scheiden van deterministische uitvoeringsverificatie, waardoor hallucinaties worden voorkomen en de interactiefrequentie met gebruikers wordt geoptimaliseerd.