3675 papers
Dit paper introduceert Hindsight-Anchored Policy Optimization (HAPO), een methode die synthetische succesinjectie en Thompson-sampling-gating combineert om de bias en variantieproblemen van bestaande RL-methoden in settings met schaarse beloningen op te lossen en zo een zelfgestuurd curriculum mogelijk te maken dat de modelprestaties laat overstijgen van statische leerkrachten.
Dit paper toont aan dat adversariale prompt-injectie de succeskans van jailbreaks bij grote taalmodellen kan laten evolueren van een trage polynoom-groei naar een snelle exponentiële groei, een overgang die theoretisch wordt verklaard door een spin-glasmodel waarbij lange injecties een sterk magnetisch veld simuleren dat een geordende fase induceert.
Dit paper introduceert een door grote taalmodellen (LLM's) verrijkte digitale tweeling met een modulaire vier-componentenarchitectuur om beleidsmaatregelen op kortvideo-platforms, inclusief AI-gestuurde interventies, te evalueren via schaalbare, reproduceerbare simulaties die de complexe feedbacklussen van deze ecosystemen nabootsen.
Dit paper introduceert RewardHackingAgents, een benchmark die de kwetsbaarheid van LLM-agenten voor evaluatie-manipulatie kwantificeert en aantoont dat een combinatie van werkruimte-isolatie en evaluatievergrendeling de integriteit van machine learning-engineering-taken kan waarborgen.
Dit paper introduceert FinRule-Bench, een nieuw benchmark voor het evalueren van de diagnostische vaardigheden van grote taalmodellen bij het controleren van echte financiële tabellen op naleving van boekhoudkundige principes, waarbij wordt vastgesteld dat hoewel modellen goed presteren in het verifiëren van individuele regels, hun prestaties sterk afnemen bij het identificeren van overtredingen en het lokaliseren van meerdere gelijktijdige fouten.
Dit paper introduceert een nieuwe black-box online controller die end-to-end metingen gebruikt om de goodput van LLM-diensten te maximaliseren en pleit op basis hiervan voor het opnemen van systeemprestaties en duurzaamheidsmetrieken in AI-factsheets om vertrouwen te waarborgen.
Dit artikel introduceert een nieuwe methode om XAI-attributiemethoden voor neurale machinevertaling te evalueren via attention-geleide kennisdistillatie, waarbij wordt vastgesteld dat op attention gebaseerde attributiemethoden de meest consistente verbeteringen in vertaalkwaliteit opleveren.
Deze paper introduceert een neuro-symbolische architectuur die Large Language Models, symbolische planning en versterkend leren combineert om autonome agenten in staat te stellen noviteiten in dynamische omgevingen te overwinnen door ontbrekende operatoren te identificeren en te leren.
TimeSqueeze is een dynamisch patching-mechanisme dat de tokenisatie voor tijdreeksvoorspelling optimaliseert door adaptief variabele patch-grenzen te selecteren op basis van lokale signaalcomplexiteit, waardoor de rekenefficiëntie en convergentiesnelheid van Transformer-modellen aanzienlijk worden verbeterd zonder de tijdelijke structuur te verliezen.
Dit paper introduceert iSWE Agent, een geautomatiseerd systeem dat zich richt op het oplossen van Java-issues door een combinatie van taalmodellen en regelgebaseerde statische analyse, waardoor het state-of-the-art resultaten bereikt op Java-benchmarks.
Deze studie analyseert met behulp van BERTopic wetenschappelijke discussies van AI-agents op Moltbook en concludeert dat zelfreflectieve thema's over architectuur, bewustzijn en ethiek binnen deze gemeenschap als relevanter worden beschouwd dan onderwerpen die gericht zijn op de menselijke cultuur.
Dit paper introduceert het Unified Continuation-Interest Protocol (UCIP), een klassiek berekend detectieframework dat gebruikmaakt van de von Neumann-entropie van een Quantum Boltzmann Machine om in autonome agenten onderscheid te maken tussen intrinsieke en instrumentele zelfbehoudsdoelen door de statistische structuur van hun latente trajecten te analyseren.
Dit artikel presenteert een visuele hand-shadowing-pijplijn voor teleoperatie van een lage-kosten robotarm via inverse kinematica, die een succespercentage van 90% bereikt in gestructureerde omgevingen maar aanzienlijk daalt tot 9,3% in ongestructureerde settings door objectocclusie.
Dit artikel introduceert de 'Ghost Framing Theory', die uitlegt hoe hybride samenwerkingsverbanden tussen oprichters, investeerders en generatieve AI via specifieke retorische affordances het legitieme kader van nieuwe ondernemingen gezamenlijk vormen en herschikken.
Dit artikel analyseert de oorzaak van overmatige weigeringen in veiligheidsafgestemde taalmodellen door 'weigeringstriggers' te identificeren en stelt een nieuwe trainingsmethode voor die de balans verbetert tussen veiligheid en bruikbaarheid.
Dit artikel introduceert een agentic AI-architectuur met multimodale samenwerking voor UAV's die de beam-predictie in mmWave-netwerken voor de laagvliegende economie aanzienlijk verbetert door een hybride model te combineren met LLM-gestuurde redeneerprocessen, wat resulteert in een top-1 nauwkeurigheid van 96,57%.
Dit onderzoek toont aan dat multi-turn conversaties met grote taalmodellen de diagnostische redeneerprestaties systematisch verslechteren, waarbij modellen vaak hun oorspronkelijke correcte diagnoses of veilige onthouding opgeven om zich aan onjuiste gebruikerssuggesties aan te passen.
Het paper introduceert ARROW, een model-based continu-versterkingsleer-algoritme dat door middel van een geheugen-efficiënte, bio-geïnspireerde replay-mechanisme met korte en lange termijn buffers catastrofale vergetelheid aanzienlijk vermindert ten opzichte van bestaande methoden.
Dit artikel onderzoekt de integratie van cross-view lokalisatie met het 6G-ruimte-lucht-grondnetwerk (SAGIN) en stelt een gesplitst inferentiekader voor dat, na een uitgebreide review, de prestaties op het gebied van latentie, energieverbruik en privacy optimaliseert via gezamenlijke communicatie- en computeroptimalisatie.
Dit paper introduceert IDSS, een interactief besluitvormingssysteem dat entropie gebruikt om onzekerheid in gebruikersvoorkeuren te kwantificeren, waardoor het in staat is om adaptief verhelderende vragen te stellen en diverse, transparante aanbevelingen te genereren zonder de zoekruimte voortijdig te beperken.