13489 papers
InCoder-32B is een nieuw 32B-parameter code foundation model dat specifiek is ontwikkeld voor industriële scenario's zoals chipontwerp en GPU-optimalisatie, en dat door middel van een gestructureerd trainingsproces zowel sterke prestaties op algemene coderingstaken als op gespecialiseerde industriële benchmarks bereikt.
Dit paper introduceert V-Co, een gestructureerde studie die vier essentiële ontwerpelementen identificeert voor effectieve visuele co-denoising, waardoor pixel-gebaseerde diffusiemodellen betere kwaliteitsresultaten behalen met minder trainingsrondes.
DexGrasp-Zero is een nieuw beleid dat door middel van een morfologie-gealigneerde grafische representatie en een MAGCN-netwerk met fysieke eigenschappen zero-shot dexterous grasping mogelijk maakt op onbekende robothanden zonder extra training, wat resulteert in een aanzienlijk hogere succesratio dan bestaande methoden.
Dit paper introduceert CABTO, het eerste kader dat pre-getrainde grote modellen gebruikt om het probleem van het automatisch grondvesten van gedragsbomen voor robotmanipulatie op te lossen, waardoor complexe systemen met hoge-level actiemodellen en lage-level controlebeleid efficiënt kunnen worden gegenereerd zonder uitgebreide menselijke expertise.
Dit artikel presenteert een replay-gedreven validatiemethode voor de ODIN-chiplet-architectuur die door het gebruik van deterministische golfvormopnames en -reproductie de integratie en debug van complexe CPU-GPU-systemen aanzienlijk versnelt.
Deze studie introduceert een gedigitaliseerde pipeline die diverse forecasting-modellen integreert met een voorraadoptimalisatieframework, waarbij wordt aangetoond dat Temporal CNN- en LSTM-modellen op de M5-dataset de voorraadkosten verlagen en de leverbetrouwbaarheid verbeteren ten opzichte van traditionele statistische methoden.
Deze studie analyseert systematisch de robuustheid van conformal factuality voor RAG-gebaseerde LLM's, waarbij wordt vastgesteld dat de methoke gevoelig is voor distributieveranderingen en vaak tot nutteloze output leidt, terwijl lichtgewicht entailment-verificatoren een efficiënter en even betrouwbaar alternatief bieden.
Dit artikel introduceert SurgΣ, een omvangrijk framework dat een gestandaardiseerde multimodale dataset (SurgΣ-DB) en fundamentele modellen combineert om de generalisatie en interpretatie van chirurgische kunstmatige intelligentie over diverse procedures en instellingen te verbeteren.
Dit onderzoek presenteert een systeem dat patiënten in staat stelt om een revalidatie-exoskelet voor de bovenste ledematen via niet-invasieve EEG-signalen te starten en te stoppen, waarbij een nieuwe kalibratiemethode de betrouwbaarheid van deze commando's aanzienlijk verbetert.
Dit artikel valideert en breidt een cultureel uitlijningskader voor grote taalmodellen uit door het gebruik van DSPy voor prompt-programmering, waarmee culturele vooroordelen systematisch worden geoptimaliseerd en verbeterd ten opzichte van handmatige prompt-engineering.
Dit paper introduceert SlideRL, een open-source framework dat LLM-agents via versterkt leren en een innovatieve inverse specificatiebeloning traint om professionele presentaties te genereren, waarbij een 7B-parametermodel 91,2% van de kwaliteit van een veel groter model bereikt.
Dit paper introduceert LEAFE, een kader dat grote taalmodellen in staat stelt om door reflectie op omgevingsfeedback en het distilleren van correcties uit verkende fouten, hun eigen herstelvermogen te internaliseren en zo hun prestaties op lange termijn te verbeteren.
Het paper introduceert SOMA, een unificerend systeem dat via drie abstractielagen (mesh, skelet en pose) verschillende parametrische menselijke lichaamsmodellen zoals SMPL en SMPL-X met elkaar verenigt, waardoor ze in één pipeline compatibel worden zonder de noodzaak van op maat gemaakte adapters of iteratieve optimalisatie.
Dit paper introduceert SocialOmni, een nieuw benchmark voor omni-modale modellen die de sociale interactiviteit evalueert door drie kernaspecten van gespreksdynamiek te testen en zo een decoupling tussen perceptuele nauwkeurigheid en contextueel gepaste interrupties blootlegt.
Dit paper introduceert SparkVSR, een interactief framework voor videosuperresolutie dat gebruikers toelaat om door middel van een kleine set geselecteerde sleutelkaders (keyframes) de kwaliteit en consistentie van een volledig videosequentie te verbeteren via een nieuw trainingsproces dat deze priors combineert met de originele lage-resolutie beweging.
Dit paper introduceert ManiTwin, een geautomatiseerde pipeline die een enkele afbeelding omzet in een gesimuleerbaar, semantisch geannoteerd 3D-object, en hiermee het ManiTwin-100K-dataset creëert met 100.000 hoogwaardige assets om robuuste robotmanipulatie en simulatie-data-generatie op schaal mogelijk te maken.
Dit paper introduceert MessyKitchens, een nieuw dataset met realistische, rommelige keukenomgevingen en nauwkeurige 3D-ground truth, en stelt een Multi-Object Decoder voor die de staat van de kunst verbetert voor fysiek plausibele, contactrijke 3D-scèneherconstructie.
Deze paper weerlegt de bestaande aanname dat redenering in video-modellen voornamelijk via opeenvolgende frames verloopt, en onthult in plaats daarvan dat dit proces plaatsvindt binnen de denoising-stappen van de diffusie via een 'Chain-of-Steps'-mechanisme, waarbij emergente gedragingen zoals werkgeheugen en zelfcorrectie worden geïdentificeerd om redenering te verbeteren zonder extra training.
Dit paper introduceert ConClu, een algemeen onbewaakt voortrainingskader voor puntwolken dat contrastlering en clustering combineert om discriminatieve representaties te leren zonder gelabelde data en prestaties op downstream-taken verbetert.
Dit artikel introduceert 'conceptuele weergaven' als een formeel raamwerk op basis van Formele Conceptanalyse om neurale netwerken globaal te verklaren, wat experimenteel is aangetoond door het betrouwbaar modelleren van bestaande netwerken, het mogelijk maken van architectuurvergelijking en het afleiden van menselijk begrijpelijke regels.