13489 papers
Dit paper introduceert Simple Energy Adaptation (SEA), een efficiënt algoritme voor inferentie-tijd uitlijning van taalmodellen dat door middel van gradiëntgebaseerde bemonstering in een continue latente ruimte direct antwoorden aanpast, waardoor het de beperkingen van discrete zoekmethodes overtreft en aanzienlijk betere prestaties levert.
Het paper introduceert ERC-SVD, een post-training compressiemethode voor grote taalmodellen die door het benutten van residualen en het selectief comprimeren van de laatste lagen de truncatiefouten en foutpropagatie effectief beperkt, waardoor superieure prestaties worden behaald ten opzichte van bestaande methoden.
Dit artikel introduceert een methode om variational deep learning te regulariseren door uitsluitend te vertrouwen op de impliciete bias van (stochastische) gradiëntafdaal, wat leidt tot sterke prestaties zowel binnen als buiten de verdeling zonder extra hyperparameter-tuning of aanzienlijke rekenkosten.
Dit paper introduceert de Unified Path Planner (UPP), een algoritme dat veiligheid en optimaliteit in robotpadplanning dynamisch in evenwicht brengt, en presenteert de OptiSafe-metriek om dit compromis te kwantificeren, wat resulteert in superieure prestaties in zowel simulatie als hardware-validatie.
Dit paper introduceert DiG-Net, een nieuw raamwerk voor dynamische gebarenherkenning dat assistieve robots in staat stelt om gebaren tot 30 meter afstand nauwkeurig te interpreteren, waardoor de interactie voor mensen met beperkte mobiliteit aanzienlijk wordt verbeterd.
Het paper introduceert NetArena, een dynamisch benchmarkkader voor AI-agenten in netwerkautomatisering dat statische beperkingen overwint door on-demand query's te genereren en zo de betrouwbaarheid van evaluaties aanzienlijk verbetert terwijl het de lage prestaties van agenten in realistische scenario's blootlegt.
In dit artikel wordt AssetOpsBench voorgesteld, een uniek raamwerk dat een multimodaal ecosysteem, een dataset van meer dan 140 industriële queries en een geautomatiseerde evaluatie biedt om AI-agenten voor de automatisering van onderhoud en operaties in de industrie te benchmarken en te vergelijken.
Dit paper introduceert AMPED, een nieuwe methode voor op vaardigheden gebaseerd versterkend leren die tijdens het vooropleiden een gradiënt-chirurgie-projectie gebruikt om exploratie en vaardigheidsdiversiteit in balans te brengen, wat leidt tot superieure prestaties en een lagere steekproefcomplexiteit bij fijnafstemming.
Dit paper introduceert DesignBench, een uitgebreide benchmark die multimodale grote taalmodellen evalueert op hun vermogen om front-end code te genereren, bewerken en repareren binnen meerdere populaire frameworks en diverse realistische ontwikkelingstaken.
Deze paper introduceert een model-gebaseerde, impliciete neurale representatie die de bestaande vingerafdruk-gebaseerde lokalisatie verbetert door een generatief kanaalmodel te gebruiken, wat leidt tot sub-golfgeleidelokalisatie in complexe NLoS-omgevingen met een aanzienlijke reductie in geheugenvereisten en een verbetering van de nauwkeurigheid met meerdere ordes van grootte.
Dit paper introduceert de E2H Reasoner, een methode die de redeneercapaciteiten van taalmodellen verbetert door middel van versterkingsleer met een curriculum dat taken van makkelijk naar moeilijk schakelt, wat theoretisch en empirisch bewezen is te leiden tot betere prestaties en minder overfitting dan directe training op moeilijke taken.
Dit artikel introduceert BIS Reasoning 1.0, het eerste grote Japanse dataset voor syllogismen die geloof-inconsistent redeneren testen, en toont aan dat de weerstand tegen geloofsvooroordeel bij grote taalmodellen voornamelijk wordt bepaald door expliciete redeneeroptimalisatie in plaats van taalspecialisatie of schaal.
Deze paper introduceert een Video-Guided Post-ASR Correction (VPC) framework dat een Video-Large Multimodal Model (VLMM) gebruikt om de transcriptieprecisie van tv-series te verbeteren door visuele context te benutten voor het corrigeren van ASR-fouten.
Dit paper introduceert AVA-Bench, het eerste benchmark dat 14 atomische visuele vaardigheden ontkoppelt om Vision Foundation Models systematisch en transparant te evalueren, waardoor selectie overgaat van gokwerk naar principieel engineering en efficiënter kan worden uitgevoerd met kleinere taalmodellen.
In dit artikel wordt een lichtgewicht systeem voor de detectie van geavanceerde aanhoudende bedreigingen (APT) voorgesteld dat gebruikmaakt van XGBoost en SHAP om het aantal kenmerken in het SCVIC-APT-2021-dataset van 77 tot 4 te reduceren, terwijl het toch een uitzonderlijke nauwkeurigheid van 97% en een recall van 100% behaalt voor vroege detectie.
Dit paper stelt Resource-Rational Contractualism voor als een kader waarin AI-systemen, door het gebruik van cognitief geïnspireerde heuristieken die inspanning afwegen tegen nauwkeurigheid, rationele overeenkomsten benaderen om zich efficiënt en dynamisch aan te passen aan een complexe menselijke sociale wereld.
Het paper introduceert TRACED, een methode voor Unsupervised Environment Design die de generalisatie van deep reinforcement learning-agenten verbetert door een nieuwe regret-benadering te combineren met transitiesvoorspelling en een 'Co-Learnability'-metriek om effectieve leercurricula te genereren.
Dit artikel introduceert Ex-HiDeNN, een nieuw, interpreteerbaar en nauwkeurig diep leermodel dat symbolische regressie combineert met een hiërarchische architectuur om gesloten formules te ontdekken uit beperkte data, waarbij het in diverse benchmarks en engineering-toepassingen de bestaande methoden overtreft.
Dit paper introduceert Lumos-1, een unificerend LLM-gebaseerd model voor autoregressieve videogeneratie dat gebruikmaakt van een efficiënte discrete diffusie en een nieuwe MM-RoPE-architectuur om de prestaties van bestaande methoden te overtreffen.
Dit paper introduceert CSD-VAR, een nieuwe methode die Visual Autoregressive Modeling (VAR) gebruikt met schaalbewuste optimalisatie, SVD-rectificatie en verrijkte K-V-geheugen om inhoud en stijl effectiever te ontkoppelen dan eerdere diffusion-gebaseerde benaderingen, ondersteund door het nieuwe CSD-100-dataset.