2414 papers
Deze studie introduceert een schaalbaar en robuust transformer-model op tetraëdrische meshes met anatomische landmarks, dat de diagnose van de ziekte van Alzheimer en de voorspelling van amyloïde positiviteit bij personen met een gemiddeld risico verbetert zonder dure PET-scans.
Deze studie onderzocht met behulp van het CGScholar-platform hoe 36 Kazachse wetenschappers AI-tools en peerfeedback ervaren, en concludeerde dat hoewel er een gematigde positieve correlatie is tussen AI-ervaring en openheid tot feedback, de deelnemers methodologische richtlijnen van collega's nog steeds zeer op prijs stellen, wat wijst op het potentieel van een hybride benadering voor het verbeteren van academisch schrijfkwaliteit.
Dit paper introduceert ViLAM, een methode die visueel-taalredenering distilleert naar ruimtelijke attentiekaarten om sociale robotnavigatie te verbeteren, wat resulteert in een aanzienlijke stijging van het succespercentage in vergelijking met bestaande methoden.
Dit paper introduceert IMPACT, een nieuw bewegingsplanningskader dat Vision-Language Models gebruikt om veilige contacttrajecten in rommelige omgevingen te genereren door objecteigenschappen te analyseren en een anisotrope kostenkaart te combineren met een contactbewuste A*-planner.
Dit paper introduceert iProg, een tool die interactieve gestructureerde induktieve programmering toepast om via een samenwerkingsprotocol tussen mens en LLM betrouwbare en onderhoudbare data-analysesystemen te genereren, wat leidt tot een significante verbetering in kwaliteit en ontwikkelingstijd ten opzichte van bestaande Low Code/No Code-methoden.
Hoewel grote taalmodellen vrouwelijke karakters vaker genereren dan in de realiteit het geval is, vertonen hun verhalen over beroepen nog steeds een sterkere overeenkomst met genderstereotypen dan met feitelijke arbeidsmarktgegevens, wat wijst op de blijvende uitdaging om deze vooroordelen effectief te mitigeren.
Dit artikel introduceert een nieuwe methode voor het reconstrueren van twee handen uit één afbeelding die heterogene 2D-priors verenigt en een penetratievrije diffusiemodel gebruikt om nauwkeurige, fysiek plausibele interacties te genereren, zelfs bij ernstige occlusie.
Deze paper introduceert EDU-PRM, een nieuw trainingsframework dat gebruikmaakt van entropie-gedreven onzekerheid om complexe redeneerstappen automatisch te segmenteren zonder dure handmatige annotaties, waardoor het op het ProcessBench-benchmark presteert met slechts 1,5% van de trainingsdata en tegelijkertijd de nauwkeurigheid verhoogt terwijl het tokenverbruik met 32% daalt.
Dit onderzoek presenteert MediTools, een prototype-toepassing die grote taalmodellen (LLMs) inzet om medisch onderwijs te revolutioneren door interactieve tools te bieden voor het simuleren van klinische scenario's, het analyseren van medische literatuur en het samenvatten van nieuws.
Deze studie verbetert de voorspelling van metabool syndroom door een nieuw hybride framework genaamd MetaBoost te introduceren dat geavanceerde databalanceringstechnieken combineert met contrafactuele analyse om zowel de nauwkeurigheid van machine learning-modellen te verhogen als klinisch relevante inzichten te bieden over risicofactoren zoals bloedsuiker en triglyceriden.
Dit paper biedt een uitgebreid overzicht van de evolutie van LLM-reasoning naar autonome AI-agenten door een gestandaardiseerde taxonomie van benchmarks, een analyse van frameworks, een inventarisatie van real-world toepassingen en een evaluatie van samenwerkingsprotocollen te presenteren, gevolgd door aanbevelingen voor toekomstig onderzoek.
Deze paper introduceert SFIBA, een nieuwe aanvalsmethode die multi-target backdoors in diepe neurale netwerken realiseert door triggers in specifieke ruimtelijke gebieden te injecteren via frequentiedomein-transformaties, waardoor zowel de onopgemerkbaarheid als de vermijding van bestaande verdedigingen wordt gegarandeerd zonder de prestaties op schone data te beïnvloeden.
Dit paper introduceert Task 5 van de DCASE 2025 Challenge, een meerdimensionale benchmark voor audio-vraag-antwoordtaken die de redeneervermogens van audio-taalmodellen in diverse akoestische domeinen evalueert.
Deze studie onderzocht bij 34 financiële professionals hoe cognitieve belasting prestaties beïnvloedt bij AI-ondersteund werk en concludeerde dat extrane belasting, vooral veroorzaakt door door het model geïnitieerde taakwisselingen, de grootste negatieve impact heeft, terwijl AI-gegenereerde inhoud de kwaliteit wel verbetert maar deze voordelen niet volledig compenseert voor de cognitieve kosten.
Dit paper introduceert Ready2Unlearn, een proactieve trainingsmethode die machine learning-modellen voorbereidt op toekomstige verwijderingsverzoeken door meta-learning-principes toe te passen, waardoor het unlearning-proces later efficiënter en principieel verloopt.
FreeKV is een trainingsvrije, co-geoptimaliseerde framework dat de efficiëntie van KV-cache-retrieval voor grote taalmodellen aanzienlijk verbetert door speculatieve retrieval en hybride geheugenlayouts te combineren, waardoor een snelheidswinst tot 13x wordt bereikt met minimale nauwkeurigheidsverlies.
Dit paper introduceert een neuro-symbolische aanpak die grote taalmodellen combineert met analoge probleemoplossing en een formele verificateur om de betrouwbaarheid en nauwkeurigheid van het genereren van wiskundige bewijzen in de euclidische meetkunde aanzienlijk te verbeteren.
Het paper introduceert MAS-ZERO, het eerste zelfevoluerende raamwerk voor het ontwerpen van multi-agent systemen zonder toezicht dat tijdens de inferentie dynamisch agentconfiguraties aanpast en verfijnt op basis van meta-feedback, waardoor het aanzienlijk beter presteert dan bestaande handmatige en automatische methoden op diverse complexe taken.
Deze paper introduceert AgarCL, een nieuw onderzoeksplatform voor continu versterkingsleren gebaseerd op het spel Agar.io, dat complexe, niet-episodische dynamiek biedt en aantoont dat bestaande methoden voor continu leren weinig verbetering bieden ten opzichte van standaard algoritmen.
Deze paper introduceert een algemeen theoretisch raamwerk voor optimale controle van waarschijnlijkheidsdichtheden, inclusief een maximumprincipe en de Hamilton-Jacobi-Bellman-vergelijking, en koppelt dit aan een schaalbaar numeriek algoritme op basis van diepe neurale netwerken voor de oplossing van complexe meeragentenproblemen.