3549 papers
Dit paper introduceert de 'Agent Scaling Law' voor educatieve AI-agenten, een raamwerk dat stelt dat prestaties voorspelbaar toenemen met de structuurrijke complexiteit van profielen (zoals de roldefinitie en vaardigheden) in plaats van alleen met de modelgrootte, wat wordt geoperationaliseerd door het EduClaw-platform met meer dan 330 agenten.
Deze studie introduceert een dataset en toont aan dat oppervlakte-EMG-sensoren van het gezicht en de nek emotionele expressies, met name frustratie, betrouwbaar kunnen decoderen tijdens zowel gesproken als stilte spraak, wat de weg vrijmaakt voor affectbewuste interfaces voor stilte spraak.
Dit paper stelt een architectuur voor voor een 'agentic besturingssysteem' dat OpenClaw uitbreidt met beveiligde uitvoeringsomgevingen, documentgerichte interactie en indexgebaseerd geheugen om veilige en transparante autonome agenten voor klinische workflows mogelijk te maken.
Dit paper introduceert de Transfer Aware Dijkstra (TAD)-algoritme, dat buffer-tijden correct verwerkt door volledige ritsequenties te scannen in plaats van individuele verbindingen, en hiermee de bestaande RAPTOR-gebaseerde MR-methode op de Londense en Zwitserse netwerken met meer dan een factor twee verslaat terwijl het optimale resultaten garandeert.
Dit onderzoek toont aan dat, hoewel generatieve AI-modellen zoals GPT-5 geen significante verschillen tonen in de aanbevolen functies voor mannelijke en vrouwelijke kandidaten, ze wel genderstereotypen reproduceren door vrouwen te associëren met emotionele eigenschappen en mannen met strategische en analytische vaardigheden.
Dit paper introduceert CINDI, een onbewaakte probabilistisch raamwerk op basis van conditionele normaliserende flows dat detectie van anomalieën en imputatie van ruis in multivariate tijdsreeksen, zoals elektriciteitsnetwerkdata, verenigt tot één end-to-end systeem om de gegevensintegriteit te herstellen.
Dit onderzoek toont aan dat taalmodellen correcte informatie niet prefereren vanwege een intrinsieke waarheidsdrang, maar omdat compressiedruk en interne consistentie waarheid vaak een structureel voordeel bieden, tenzij foutieve informatie even coherent is.
Dit artikel introduceert een methode voor anomaly detection in tijdreeksen waarbij conditionele normalizing flows worden gebruikt om observaties af te beelden op een latente ruimte met voorgeschreven temporele dynamica, waardoor afwijkingen betrouwbaar kunnen worden gedetecteerd via statistische toetsen op de latentetrajectorieën in plaats van op de waarschijnlijkheid in de observatieruimte.
Dit paper introduceert een op vrije-energie gebaseerd algoritme voor sociaal bandietleren dat een agent in staat stelt om de expertise van andere agenten te schatten en hun gedrag effectief te benutten voor verbeterd individueel leren, zelfs in afwezigheid van beloningsinformatie of in aanwezigheid van niet-expert agenten, terwijl het logarithmische regret behoudt.
Dit artikel presenteert een analyse en een verfijnde taxonomie van Wikidata-qualifiers, gebaseerd op een evaluatie van hun frequentie en diversiteit, om bij te dragen aan betere bijdragepraktijken, querysystemen en kennisgrafiekontwerpen.
Dit paper introduceert het Stability and Safety-Governed Memory (SSGM)-framework, een conceptuele architectuur die de evolutie van het geheugen van LLM-agenten ontkoppelt van de uitvoering om risico's zoals semantische drift en kennislekkage te mitigeren door middel van consistentieverificatie, tijdsgebonden vervalmodellen en dynamische toegangscontrole.
Dit artikel beschrijft NETHIC, een geautomatiseerde tekstclassificatiemethode die schaalbare neurale netwerken combineert met hiërarchische taxonomieën en documentembedding om een efficiënt en effectief classificatiesysteem te realiseren.
Dit paper introduceert Deliberative Collective Intelligence (DCI), een gestructureerd multi-agent framework dat via getypeerde epistemische handelingen en een convergentie-algoritme verantwoorde besluitvorming mogelijk maakt, wat vooral leidt tot significante verbeteringen bij complexe taken ten koste van een hoge token-gebruik.
Dit paper introduceert HELM, een nieuw raamwerk voor hiërarchische multi-label classificatie van remote sensing-beelden dat hiërarchische labelinteracties expliciet modelleert via Vision Transformers en graafconvolutienetwerken, terwijl het ook ongelabelde data benut voor verbeterde prestaties in zowel supervised als semi-supervised scenario's.
Deze studie introduceert een mechanische auditmethode om demografische vooroordelen in CLIP's visuele encoder te lokaliseren op het niveau van individuele attention heads, waarbij wordt aangetoond dat genderbias specifiek in bepaalde eindlaag-heads zit die door ablatie kunnen worden gereduceerd, terwijl leeftijdbias diffuser is verdeeld.
DocSage is een end-to-end agentiek framework dat dynamische schema-ontdekking, gestructureerde informatieverwerking en schema-bewuste redenering integreert om de beperkingen van bestaande RAG-systemen bij meerdocumenten-veelentiteiten-vraagbeantwoording te overwinnen en zo aanzienlijk betere nauwkeurigheid te bereiken.
Dit artikel introduceert een expressief raamwerk en het exacte RS-SDA*-algoritme voor semi-gedecentraliseerde controle van coöperatieve agenten in onzekere communicatieomgevingen, wat leidt tot de SDec-POMDP die bestaande multiagent-POMDP's en communicatiemechanismen verenigt.
Dit paper presenteert een framework voor het automatisch extraheren van procedurale vaardigheden uit open-source agent-repositories, zoals die voor wiskundige visualisaties, om de prestaties van grote taalmodellen in autonome workflows te verbeteren zonder modelhertraining.
RADAR is een volledig autonome, gesloten-lus data-generatie-engine die menselijke tussenkomst elimineert door een vier-module pipeline te gebruiken voor semantische taakplanning, imitatie-geleerde uitvoering, geautomatiseerde evaluatie en causale zelfherstel van de omgeving, waardoor robuuste en schaalbare robotdata voor complexe taken worden gegenereerd.
Dit paper introduceert VisiFold, een innovatief framework dat door middel van een tijdelijke vouwgrafiek en een knopzichtbaarheidsmechanisme de uitdagingen van computergewas en complexe ruimtetijdsafhankelijkheden bij langetermijnverkeersvoorspelling effectief oplost.