3817 papers
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.
Deze paper introduceert een neuro-symbolisch VLM-agentkader dat gebruikmaakt van een Event Logic Tree (ELT) om semantische beschrijvingen van gebeurtenissen in meervariabele tijdreeksen te koppelen aan specifieke tijdsintervallen, waardoor nauwkeurige detectie en uitlegbaarheid worden bereikt met weinig tot geen trainingsdata.
Deze paper introduceert INFACT, een diagnostische benchmark met bijna 10.000 vragen om hallucinaties in Video-LLMs te evalueren op zowel trouw aan video-inhoud als feitelijke juistheid onder diverse verstoordingscondities, waarbij experimenten aantonen dat hoge prestaties in schone omstandigheden niet garanderen dat modellen betrouwbaar blijven bij visuele degradatie of tijdsinterventies.
Deze paper introduceert SPEGC, een methode voor continu testtijd-adaptatie in medische beeldsegmentatie die gebruikmaakt van semantische prompt-verrijking en differentieerbare graf-clustering om de prestaties van modellen te verbeteren ondanks domeinverschuivingen en foutopstapeling.
Dit paper introduceert OrthoEraser, een methode die sparse autoencoders en analytische orthogonale projectie combineert om schadelijke concepten in tekst-naar-beeldmodellen nauwkeurig te verwijderen zonder bijwerkingen op onschadelijke kenmerken.
Dit paper introduceert KEPo, een nieuwe aanvalsmethode die de kwetsbaarheid van GraphRAG-systemen benut door vergiftigde kennis in een kennisgrafiek te injecteren via vervalste evolutiepaden, waardoor grote taalmodellen worden gemanipuleerd tot het genereren van schadelijke antwoorden met een aanzienlijk hogere succeskans dan bestaande methoden.
Dit paper introduceert Gen-Fab, een variation-aware generatief model op basis van cGAN dat ontwerplayouts omzet in diverse, hoogresolutie voorspellingen van nanofotonische fabricagevariaties en hiermee de nauwkeurigheid en onzekerheidsmodellering van bestaande methoden verbetert.