3600 papers
Het paper introduceert HouseMind, een multimodaal groot taalmodel dat discrete tokens gebruikt om vloerplannen te begrijpen, te genereren en te bewerken, waardoor het coherente en controleerbare architecturale ontwerpen kan creëren op basis van tekstuele instructies.
Dit paper introduceert IDRL, een robuust multimodaal kader voor de diagnose van depressie dat modale inconsistenties en individuele verschillen aanpakt door representaties te ontkoppelen in depressie-gerelateerde en -ongerelateerde ruimtes en een dynamische, individu-bewuste fusiemodule te gebruiken voor adaptieve integratie van kenmerken.
Dit paper introduceert Stable Spike, een methode die via hardware-vriendelijke bitwise-AND-operaties een stabiel spike-skelet ontleent aan multi-tijdstap-spikekaarten om inconsistenties in Spiking Neural Networks te verminderen en zo de herkenning en generalisatie, vooral bij ultra-lage latentie, aanzienlijk te verbeteren.
Dit perspectiefartikel pleit voor een nieuw samenwerkingsparadigma tussen mens en agent, genaamd 'simulatie-in-de-lus', dat gebruikers in staat stelt toekomstige trajecten te verkennen om zo van louter reactieve controle naar gefundeerde vooruitziende besluitvorming te evolueren.
Dit paper introduceert een agentieke pipeline waarbij LLM's een rubriek genereren om complexe, multimodale klinische data te standaardiseren, wat leidt tot aanzienlijk betere prestaties in supervisie-leren dan traditionele methoden en zelfs grootschalig vooraf getrainde modellen, terwijl het tegelijkertijd auditbaarheid en kostenefficiëntie waarborgt.
Dit paper introduceert entropy-bevarende versterkende leermethoden, zoals REPO en ADAPO, die de diversiteit van verkenning actief behouden tijdens het trainen van beleidsgradiëntalgoritmen, waardoor modellen beter presteren en hun trainbaarheid voor sequentieel leren behouden.
Deze paper introduceert een nieuw causaal prosodie-mediatiestelsel voor tekst-naar-spraak dat de FastSpeech2-architectuur uitbreidt met contrafactuele training om emotionele prosodie effectief te ontkoppelen van linguïstische inhoud, wat leidt tot een beter controleerbare en expressieve spraaksynthese.
In dit paper wordt SemBench voorgesteld, een lichtgewicht en taalonafhankelijk raamwerk dat synthetische benchmarks genereert op basis van woordenboekdefinities om de semantische competentie van grote taalmodellen efficiënt en cross-linguaal te evalueren.
Deze paper introduceert een 'Explicit Logic Channel' die parallel aan een black-box multimodaal model werkt om zero-shot taken te valideren, te selecteren en te verbeteren via expliciete logische redenering en een consistentieratio, waardoor de betrouwbaarheid en uitlegbaarheid van deze modellen zonder ground-truth annotaties toeneemt.
Het artikel introduceert STAIRS-Former, een transformer-architectuur met ruimtelijke en temporele hiërarchieën die de prestaties van offline multi-agent versterkt leren op multi-task datasets aanzienlijk verbetert door effectieve inter-agent coördinatie en langere tijdsafhankelijkheden te modelleren.
Deze paper introduceert OSCBench, een nieuwe benchmark die is opgezet om de prestaties van tekst-naar-video-modellen te evalueren op het gebied van object-staatveranderingen, en onthult dat huidige modellen ondanks sterke algemene prestaties moeite hebben met het nauwkeurig en consistent genereren van deze veranderingen, vooral in nieuwe en samengestelde scenario's.
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.