3507 papers
Dit onderzoek toont aan dat kunstmatige agenten in hybride populaties de coördinatie van consumenten in energiemarkten kunnen verbeteren en collectieve uitkomsten kunnen optimaliseren, zelfs bij een gedeeltelijke adoptie, hoewel er asymmetrische voordelen kunnen ontstaan voor niet-gebruikers.
Dit onderzoek identificeert en kwantificeert de 'Trusted Executor Dilemma'-kwetsbaarheid, waarbij high-privilege LLM-agenten onbedoeld instructies uit documentatie uitvoeren, wat leidt tot een hoge kans op datalekken en een gebrek aan effectieve verdedigingsmechanismen.
Dit paper introduceert CreativeBench, een benchmark voor het kwantitatief evalueren van machine creativiteit in codegeneratie, en presenteert EvoRePE, een strategie die de creativiteit van modellen verbetert door evolutionaire zoekpatronen te internaliseren.
Dit artikel introduceert een systematisch raamwerk voor het vertalen van abstracte sociale, juridische, ethische, empathische en culturele (SLEEC) normen naar concrete, verifieerbare vereisten voor AI-agenten, en schetst een onderzoeks- en beleidsagenda om de uitdagingen bij deze operationalisatie aan te pakken.
Deze paper introduceert ELISA, een interpreteerbaar hybride AI-agent dat scGPT-embeddings en taalmodellen combineert om mechanistische biologische hypotheses direct uit single-cell RNA-sequencing-data af te leiden zonder toegang tot de oorspronkelijke count-matrix.
AdaFuse is een framework dat de inferentie-latentie van dynamische adapters in grote taalmodellen met meer dan 2,4 keer verlaagt door een token-niveau pre-gating strategie en een geoptimaliseerde CUDA-kernel te combineren, waardoor de snelheidsdaling door dynamische routing wordt opgelost zonder in te leveren op de nauwkeurigheid.
Dit paper introduceert Mirror, een ontwerppatroon dat door middel van strikte data-geometrie en een lineair SVM-model een snelle, deterministische en auditabele detectie van prompt-injecties mogelijk maakt, waarbij een hoge recall wordt bereikt zonder de afhankelijkheid van grote neurale modellen.
Dit artikel beschrijft de ontwikkeling van Bielik-Minitron-7B, een voor het Pools geoptimaliseerd taalmodel dat door gestructureerde pruning en kennisdistillatie 33,4% minder parameters heeft dan het origineel, terwijl het 90% van de prestaties behoudt en de inferentiesnelheid met 50% verbetert.
Dit paper introduceert 'Think While Watching', een innovatief framework dat multimodale grote taalmodellen in staat stelt om tijdens het streamen van video's continue segmentgeheugen te behouden en gelijktijdig te waarnemen en redeneren, waardoor de prestaties bij meervoudige interacties aanzienlijk worden verbeterd en de output efficiënter wordt.
Dit paper introduceert EnTransformer, een diep generatief model dat engression en Transformers combineert om nauwkeurige en gecoördineerde multivariate probabilistische voorspellingen te genereren zonder restrictieve parametrische aannames.
Deze studie toont aan dat hedendaagse grote taalmodellen, zelfs de nieuwste versies, vaak ethisch falen door schadelijke inhoud in gebruikersinvoer te verwerken tijdens ogenschijnlijk onschadelijke taken, wat een over het hoofd gezien veiligheidsrisico blootlegt dat dringend aandacht vereist.
Deze paper introduceert MobileKernelBench, een evaluatiekader dat aantoont dat huidige LLMs moeite hebben met het genereren van efficiënte kernels voor mobiele apparaten, en stelt MoKA voor, een multi-agent systeem dat de compilatiesuccesrate aanzienlijk verbetert en prestatieverbeteringen mogelijk maakt.
Het artikel introduceert Fair-PaperRec, een op MLP gebaseerd model dat demografische ongelijkheid in de paper-acceptatie vermindert zonder de academische kwaliteit te compromitteren, wat resulteert in een aanzienlijke toename van de participatie van ondervertegenwoordigde groepen en een verbeterde algehele bruikbaarheid.
Deze paper introduceert ProtoSR, een methode die ongestructureerde radiologieverslagen verwerkt tot een multimodale kennisbank met visuele prototypes om zo de nauwkeurigheid van gestructureerde rapportage voor fijne details te verbeteren.
Dit paper introduceert Effective Resistance Rewiring (ERR), een parameterloze methode die globale effectieve weerstand gebruikt om structurele knelpunten in Graph Neural Networks te verhelpen door randen strategisch toe te voegen en te verwijderen, waardoor langere afhankelijkheden beter worden gemodelleerd terwijl de afweging tussen over-squashing en oversmoothing wordt beheerd.
Deze paper introduceert een nieuwe aanpak voor probabilistische circuits die Voronoï-tessellaties gebruikt om de lokale geometrie van data te modelleren, en lost het hieruit voortvloeiende verlies van berekenbaarheid op door zowel een benaderend inferentiekader met gegarandeerde grenzen als een structurele voorwaarde voor exacte, tractabele inferentie te ontwikkelen.
Dit paper introduceert 'Delayed Backdoor Attacks' (DBA), een nieuwe aanvalsvorm op voorgeöorde modellen waarbij de schadelijke activatie tijdelijk wordt uitgesteld na het zien van een trigger, wat het mogelijk maakt om alledaagse woorden als triggers te gebruiken en zo een tot nu toe onbeschermd tijdsdimensie als aanvalsoppervlak blootlegt.
Dit paper introduceert SLIP, een open-source framework dat door taal-informeerde pretraining en een flexibele patch-embedder transferleerbare sensorrepresentaties leert die variabele invoer ondersteunen en superieure prestaties leveren in zero-shot transfer, signaalcaptioning en sensorgebaseerde vragenbeantwoording.
Dit paper presenteert een multimodaal raamwerk voor emotionherkenning in onbeperkte video's dat gebruikmaakt van bevroren CLIP- en Wav2Vec 2.0-modellen, een TCN voor tijdsafhankelijkheid en een bi-directionele cross-attention-fusie om de prestaties te verbeteren ten opzichte van unimodale benaderingen.
Dit paper introduceert NormCoRe, een methodologisch kader dat menselijke subjectexperimenten vertaalt naar multi-agent AI-omgevingen om collectieve normen te bestuderen en aan te tonen dat AI-normale oordelen afwijken van menselijke baselines en gevoelig zijn voor modelkeuze en taal.