3764 papers
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.
Dit onderzoek toont aan dat bestaande spraak-AI-assistenten in multi-party gesprekken vaak storend reageren op pauzes, en presenteert een nieuwe contextbewuste aanpak met een groot dataset-benchmark en gesuperviseerde fine-tuning die de draagkracht van grote taalmodellen aanzienlijk verbetert.
Deze studie toont aan dat de vermeende veiligheidsrisico's van consumenten-gezondheids-AI voornamelijk worden veroorzaakt door de gebruikte examenvorm van evaluatie in plaats van door de daadwerkelijke capaciteiten van de modellen, en dat natuurlijke interactie de triage-accuraatheid aanzienlijk verbetert.
Dit paper introduceert een stabiele neurale schatter voor statistische afhankelijkheid, gebaseerd op een orthonormale dichtheidsverhoudingsontbinding en een Gaussische variatieformulering, die de beperkingen van bestaande methoden zoals MINE overwint door inputconcatenatie te vermijden en zo een robuuste kwantitatieve analyse van autoencoder-kenmerken mogelijk maakt.
Dit paper introduceert een methode gebaseerd op multi-agent reinforcement learning om een Nash-evenwicht te vinden in een strategisch nulsomspel tussen een aanvaller en een verdediger, waardoor vervoersnetwerken robuuster worden tegen verkeersmanipulatie via valse data-injectie-aanvallen.
Dit paper introduceert GPT4o-Receipt, een dataset en onderzoek dat aantoont dat mensen ondanks hun betere visuele waarneming AI gegenereerde bonnen minder goed kunnen detecteren dan AI-modellen, omdat de belangrijkste aanwijzingen rekenfouten zijn die voor het menselijk oog onzichtbaar maar voor machines direct verifieerbaar zijn.
Dit paper introduceert Verified Multi-Agent Orchestration (VMAO), een framework dat complexe queries oplost door deze te ontleden in een DAG van deelvragen, deze parallel uit te voeren via gespecialiseerde agenten en de resultaten via een iteratieve verificatie- en replan-cyclus te waarborgen, wat leidt tot aanzienlijk betere antwoordkwaliteit dan een enkel-agent-baseline.
Deze studie analyseert met behulp van het CAC-kader hoe cognitieve waarnemingen en affectieve reacties, beïnvloed door zowel bevorderende als remmende factoren, de gedragsintentie van gebruikers om OpenClaw te gebruiken vormgeven.
Het artikel introduceert NEXTPP, een nieuw dual-path framework dat discrete gebeurtenislabels en continue tijdsdynamica combineert via kruisinteractie om onregelmatige gebeurtenisreeksen nauwkeuriger te voorspellen dan bestaande methoden.
Dit paper introduceert SAGE, een adaptief framework dat de betrouwbaarheid van audio- en visuele modaliteiten per interactiestadium schat en kalibreert om de continuïteit van valentie-en arousal-schattingen in realistische omgevingen te verbeteren.