3829 papers
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.
Dit artikel introduceert MADA, een door grote taalmodellen aangedreven multi-agent framework dat geautomatiseerde ontwerpoplossingen voor complexe wetenschappelijke uitdagingen, zoals het onderdrukken van Richtmyer-Meshkov-instabiliteiten, mogelijk maakt door gespecialiseerde agenten te coördineren voor het beheren van HPC-simulaties en het iteratief optimaliseren van ontwerpen.
Dit paper introduceert FBCIR, een methode om focusonevenwichtigheden in composed image retrieval-modellen te diagnosticeren en te verhelpen door middel van een dataverrijkingswerkstroom met zorgvuldig geselecteerde negatieve voorbeelden, wat leidt tot robuustere prestaties in uitdagende scenario's.
Dit paper introduceert EReCu, een geavanceerd raamwerk voor onbewaakte camouflagedetectie dat gebruikmaakt van multi-cue learning, pseudo-label-evolutie en spectrale tensor-attentie om ruis te verminderen en grensprecisie te verbeteren, waardoor state-of-the-art prestaties worden behaald op complexe datasets.
Dit paper introduceert Expert Threshold (ET) routing, een methode die tokens dynamisch toewijst aan experts op basis van drempelwaarden zonder hulpverliezen, waardoor de belasting wordt gebalanceerd en de prestaties van autoregressieve taalmodellen aanzienlijk worden verbeterd.
ReHARK is een trainingsvrij raamwerk dat het stabiliteit-plasticiteitsdilemma bij één-shot aanpassing van visueel-taalmodellen oplost door een verfijnde hybride adaptieve RBF-kernelbenadering te gebruiken, wat resulteert in een nieuwe state-of-the-art prestatie van 65,83% gemiddelde nauwkeurigheid op diverse benchmarks.
Dit artikel introduceert een adaptief agentic AI-framework met een centrale supervisor dat multimodale queries autonoom verwerkt door gespecialiseerde hulpmiddelen dynamisch te coördineren, wat resulteert in aanzienlijke verbeteringen in snelheid, kosten en conversatie-efficiëntie ten opzichte van traditionele hiërarchische baselines.
Dit paper introduceert MANSION, het eerste taalgestuurde raamwerk voor het genereren van realistische, meervoudige verdiepingen tellende 3D-gebouwen, en introduceert MansionWorld, een dataset met meer dan 1.000 diverse gebouwen, om langdurige robottaken die complexe ruimtelijke redenering vereisen te evalueren.
Het RoboClaw-framework introduceert een agentydige aanpak die datacollectie, beleidslernen en uitvoering verenigt via een VLM-gestuurde controller met 'Entangled Action Pairs', waardoor robuuste, langdurige robottaken met aanzienlijk minder menselijke tussenkomst en een hogere slagingskans mogelijk worden.