13477 papers
Het paper introduceert MOSAIC, een modulair framework dat composable safety alignment voor grote taalmodellen mogelijk maakt via leerbare controletokens die contextafhankelijke veiligheidsregels toepassen zonder de modelcapaciteiten te beschadigen of overmatige weigeringen te veroorzaken.
Dit artikel introduceert CoMAI, een samenwerkend multi-agent framework dat door middel van taakdecompositie en gespecialiseerde agents robuustere, eerlijkere en minder subjectieve AI-gestuurde sollicitatiegesprekken mogelijk maakt dan traditionele monolithische systemen.
Dit artikel presenteert een technische review en taxonomie van dertien generatieve systemen en vijf datasets voor het genereren van quantumcircuits en -code, waarbij wordt geconcludeerd dat hoewel syntaxis en semantiek vaak worden aangepakt, er een aanzienlijke kloof bestaat tussen gegenereerde circuits en praktische implementatie op quantumhardware vanwege het ontbreken van eind-tot-eind evaluatie.
Deze paper introduceert RASLF, een representatiebewust state-space model voor lichtveldsuperresolutie dat middels een progressieve geometrische verfijning, een asymmetrisch scansysteem en een dual-ankeraggregatie de complementariteit tussen verschillende lichtveldrepresentaties benut om zowel de reconstructieprecisie als de rekenefficiëntie te maximaliseren.
Dit paper introduceert SEVEX, een geautomatiseerd raamwerk dat via semantische verkenning en agent-gestuurde experimenten doeltreffende visuele prompts ontdekt om de perceptie- en redeneervermogens van Large Vision-Language Models te verbeteren zonder menselijke tussenkomst.
Dit paper introduceert EVPV, een lichtgewicht verificatiemethode die de betrouwbaarheid van visuele premisses expliciet koppelt aan de scoring van redeneerstappen in Vision-Language Process Reward Models, waardoor perceptuele onzekerheid wordt ontkoppeld van logische evaluatie en de prestaties bij het herschikken van kandidaten significant worden verbeterd.
Dit hoofdstuk introduceert het concept van collectieve intelligentie voor deliberatieve democratie (CI4DD) en pleit voor een mensgerichte co-ontwerpaanpak om AI-tools te ontwikkelen die burgers helpen betrouwbare democratische processen vorm te geven, wat wordt geïllustreerd aan de hand van twee praktijkvoorbeelden.
Deze paper introduceert AW-MoE, een robuust framework voor 3D-objectdetectie in alle weersomstandigheden dat een Mixture of Experts-architectuur combineert met beeldgestuurde weerrouting en dual-modale data-augmentatie om prestaties in slecht weer aanzienlijk te verbeteren zonder merkbare vertraging.
Dit paper introduceert een adaptieve Theory of Mind (A-ToM) agent voor LLM-gestuurde multi-agent systemen die de coördinatie verbetert door de denktrant van partners te schatten en de eigen redeneerdiepte daarop af te stemmen, waardoor misalignementen worden vermeden.
Dit artikel presenteert een door surrogate-modellen ondersteund genetisch programmeringsalgoritme met een op rang gebaseerde fenotypische karakterisering dat de zoekefficiëntie voor het dynamisch meermodale projectplanningsprobleem aanzienlijk verbetert door de reeks evaluaties te verminderen terwijl het hoge kwaliteit heuristieken eerder vindt dan bestaande methoden.
Dit paper introduceert VisBrowse-Bench, een nieuw benchmark voor het testen van visueel-natief zoeken in multimodale browse-agents, en toont aan dat zelfs de meest geavanceerde modellen moeite hebben met visueel redeneren tijdens het zoekproces.
Dit paper introduceert AEG, een end-to-end framework voor gesproken vraagbeantwoording dat door middel van een nieuwe trainingsparadigma (LFE) de interne cross-modale aandacht van SpeechLLMs optimaliseert om bewijsmateriaal nauwkeuriger te lokaliseren, wat resulteert in minder hallucinaties en een aanzienlijke vermindering van de inferentielatentie ten opzichte van bestaande cascade-systemen.
Dit paper introduceert NeSy-Route, een groot neuro-symbolisch benchmark voor beperkt routeplanning in remote sensing dat een geautomatiseerd data-generatiekader en een hiërarchisch evaluatieprotocol biedt om de tekortkomingen van multimodale grote taalmodellen op het gebied van waarneming en planning te kwantificeren.
Dit artikel presenteert een mensgericht, component-gebaseerd softwarearchitectuurontwerp voor de integratie van Large Language Models als cognitieve assistenten in kwaliteitsmanagementsystemen voor de maakindustrie, dat is gevalideerd door expertfocusgroepen en gericht is op flexibiliteit, schaalbaarheid en procesverbetering.
Dit artikel presenteert een interpreteerbaar machine learning-framework dat XGBoost en SHAP combineert met DeepSeek om, op basis van multi-omics data, gepersonaliseerde voorspellingen te doen over de medicijnrespons bij niet-kleincellig longkanker en de biologische validiteit ervan te verifiëren.
Dit onderzoek presenteert twee lichtgewicht deep learning-systemen, gebaseerd op CNN en LSTM, die met hoge nauwkeurigheid (tot 99,42%) verschillende cyberdreigingen in IoT-netwerken detecteren en classificeren.
Dit paper stelt een hybride machine learning-workflow voor die fuzzy rule-based inference combineert met diep leren om de uitlegbaarheid van geautomatiseerde kalibratiepijplijnen in de radioastronomie te verbeteren zonder in te leveren op nauwkeurigheid.
Deze studie presenteert een YOLO-gebaseerd deep learning-systeem geïntegreerd met HiResCAM voor de nauwkeurige en interpreteerbare automatische identificatie van Ichneumonoidea-wespen op basis van hoge-resolutie beelden, wat de taxonomische analyse versnelt en transparant maakt.
Dit artikel introduceert Plaza6G, het eerste operationele Experiment-as-a-Service-platform dat cloudresources en 5G/6G-wireless-infrastructuur verenigt en experimenten via een door een LLM-aangedreven assistent in natuurlijke taal mogelijk maakt, waardoor geautomatiseerde CI/CD-integratie en interactieve over-the-air-tests met hoge reproduceerbaarheid worden gerealiseerd.
Het paper introduceert -RSMDE, een efficiënt framework voor monokulaire dieptebepaling op afbeeldingen van aardobservatie dat een ViT-gebaseerde structuurvoorspelling combineert met een lichtgewicht verfijning via diffusiemodellen om een 40-voudige versnelling te bereiken zonder in te leveren op de perceptuele kwaliteit.