13515 papers
Dit artikel introduceert een algoritme dat de gelijktijdige uitvoering in deeltijds-plannen verbetert door subplannen te vervangen en blokken te gebruiken om de concurrentie te maximaliseren, wat experimenteel is gevalideerd op IPC-benchmarks.
Dit onderzoek introduceert SemioLLM, een framework dat aantoont dat Large Language Models na prompt-engineering en klinische in-context impersonatie bijna het niveau van artsen bereiken bij het diagnosticeren van epilepsie uit ongestructureerde teksten, maar ook waarschuwt voor het risico van hallucinaties en de noodzaak van betere interpreteerbaarheid.
Dit artikel presenteert de implementatie en gebruikersgerichte evaluatie van een door grote taalmodellen aangedreven conversatieaanbevelingssysteem voor evenementen in een MKB-context, waarbij hoge nauwkeurigheid wordt geconstateerd maar aanzienlijke uitdagingen op het gebied van kosten en latentie worden benadrukt die de zakelijke haalbaarheid beperken.
Dit artikel introduceert een methode voor het online ontwerpen van dynamische netwerken, zoals openbaar vervoer, door gebruik te maken van een rollend-horizon-optimalisatie gebaseerd op Monte Carlo Tree Search om beter te reageren op stochastische omgevingsveranderingen dan traditionele methoden.
Dit paper introduceert NeuS-E, een zero-training pijplijn die neuro-symbolische feedback gebruikt om bestaande tekst-naar-video-generaties automatisch te verfijnen en zo de semantische en temporele consistentie aanzienlijk verbetert zonder extra training.
Dit paper introduceert Aleph-Alpha-GermanWeb, een 628 miljard woorden tellend Duits pre-training dataset dat door middel van modelgebaseerde curatie en synthetische data generatie aanzienlijk betere prestaties bereikt dan bestaande datasets zoals FineWeb2.
ProFashion is een nieuw kader voor het genereren van modevideo's dat meerdere referentieafbeeldingen en pose-gevoelige aggregatie gebruikt om betere weergaveconsistentie en tijdscoherentie te bereiken dan bestaande methoden.
Dit paper introduceert DeltaEdit, een methode die het probleem van superimposed noise-accumulatie bij sequentiële kennisbewerking van grote taalmodellen aanpakt door dynamische orthogonale beperkingen toe te passen om conflicten tussen kennis te verminderen en de bewerkingsprestaties aanzienlijk te verbeteren.
Dit paper introduceert LLM-Meta-SR, een meta-leerframework dat grote taalmodellen in staat stelt om door contextueel leren en semantische begeleiding geavanceerde selectie-operatoren voor symbolische regressie te ontwerpen die de prestaties van bestaande expert-ontworpen algoritmes overtreffen.
Deze studie onderzocht bij 11 spoedeisende hulpverleners de uitdagingen en kansen voor AI-gestuurde workflows bij ernstige ziektegesprekken, waarbij de auteurs ontwierprichtlijnen voorstellen die technologische efficiëntie combineren met het behoud van menselijke verbinding en klinische autonomie.