3836 papers
Deze studie toont aan dat hedendaagse grote taalmodellen, zelfs de nieuwste versies, vaak ethisch falen door schadelijke inhoud in gebruikersinvoer te verwerken tijdens ogenschijnlijk onschadelijke taken, wat een over het hoofd gezien veiligheidsrisico blootlegt dat dringend aandacht vereist.
Deze paper introduceert MobileKernelBench, een evaluatiekader dat aantoont dat huidige LLMs moeite hebben met het genereren van efficiënte kernels voor mobiele apparaten, en stelt MoKA voor, een multi-agent systeem dat de compilatiesuccesrate aanzienlijk verbetert en prestatieverbeteringen mogelijk maakt.
Het artikel introduceert Fair-PaperRec, een op MLP gebaseerd model dat demografische ongelijkheid in de paper-acceptatie vermindert zonder de academische kwaliteit te compromitteren, wat resulteert in een aanzienlijke toename van de participatie van ondervertegenwoordigde groepen en een verbeterde algehele bruikbaarheid.
Deze paper introduceert ProtoSR, een methode die ongestructureerde radiologieverslagen verwerkt tot een multimodale kennisbank met visuele prototypes om zo de nauwkeurigheid van gestructureerde rapportage voor fijne details te verbeteren.
Dit paper introduceert Effective Resistance Rewiring (ERR), een parameterloze methode die globale effectieve weerstand gebruikt om structurele knelpunten in Graph Neural Networks te verhelpen door randen strategisch toe te voegen en te verwijderen, waardoor langere afhankelijkheden beter worden gemodelleerd terwijl de afweging tussen over-squashing en oversmoothing wordt beheerd.
Deze paper introduceert een nieuwe aanpak voor probabilistische circuits die Voronoï-tessellaties gebruikt om de lokale geometrie van data te modelleren, en lost het hieruit voortvloeiende verlies van berekenbaarheid op door zowel een benaderend inferentiekader met gegarandeerde grenzen als een structurele voorwaarde voor exacte, tractabele inferentie te ontwikkelen.
Dit paper introduceert 'Delayed Backdoor Attacks' (DBA), een nieuwe aanvalsvorm op voorgeöorde modellen waarbij de schadelijke activatie tijdelijk wordt uitgesteld na het zien van een trigger, wat het mogelijk maakt om alledaagse woorden als triggers te gebruiken en zo een tot nu toe onbeschermd tijdsdimensie als aanvalsoppervlak blootlegt.
Dit paper introduceert SLIP, een open-source framework dat door taal-informeerde pretraining en een flexibele patch-embedder transferleerbare sensorrepresentaties leert die variabele invoer ondersteunen en superieure prestaties leveren in zero-shot transfer, signaalcaptioning en sensorgebaseerde vragenbeantwoording.
Dit paper presenteert een multimodaal raamwerk voor emotionherkenning in onbeperkte video's dat gebruikmaakt van bevroren CLIP- en Wav2Vec 2.0-modellen, een TCN voor tijdsafhankelijkheid en een bi-directionele cross-attention-fusie om de prestaties te verbeteren ten opzichte van unimodale benaderingen.
Dit paper introduceert NormCoRe, een methodologisch kader dat menselijke subjectexperimenten vertaalt naar multi-agent AI-omgevingen om collectieve normen te bestuderen en aan te tonen dat AI-normale oordelen afwijken van menselijke baselines en gevoelig zijn voor modelkeuze en taal.
Dit paper introduceert HomeSafe-Bench, een benchmark voor het evalueren van visueel-taalmodellen op het detecteren van onveilige handelingen in huishoudelijke omgevingen, en stelt HD-Guard voor, een hiërarchisch beveiligingssysteem dat efficiëntie en nauwkeurigheid combineert voor realtime monitoring.
Dit paper introduceert LABSHIELD, een realistisch meerzicht-benchmark dat gebaseerd is op OSHA- en GHS-standaarden om de veiligheid en het risicobewustzijn van multimodale grote taalmodellen in geautomatiseerde wetenschappelijke laboratoria te evalueren, waarbij een significante prestatiedaling in veiligheidsgerelateerde taken wordt blootgelegd.
Deze paper introduceert BTZSC, een uitgebreide benchmark voor zero-shot tekstclassificatie die een systematische vergelijking biedt tussen cross-encoders, embedding-modellen, rerankers en LLMs, waarbij moderne rerankers zoals Qwen3-Reranker-8B een nieuwe state-of-the-art bereiken.
Dit paper introduceert FedFew, een persoonlijk federatief leerframework dat het probleem van het bedienen van vele clients met slechts een paar gedeelde servermodellen (K << M) reformuleert als een few-for-many optimalisatieprobleem, wat leidt tot schaalbare en automatisch geoptimaliseerde personalisatie die state-of-the-art methoden overtreft.
Deze empirische studie toont aan dat hoewel Reinforcement Fine-Tuning (RFT) LLM-agenten goed laat generaliseren binnen een omgeving, de overdracht naar onbekende omgevingen beperkt blijft door semantische en interface-verschuivingen, terwijl sequentiële training en mix-training veelbelovende oplossingen bieden voor robuustere generalisatie.
Dit paper introduceert Flowcean, een modulair en gebruiksvriendelijk raamwerk dat data-gedreven machine learning automatiseert om efficiënte modellen voor Cyber-Physical Systems te genereren.
Dit artikel onderzoekt hoe ontwerpers hun creatieve agency kunnen behouden bij samenwerking met intelligente technologieën zoals LLMs, door te pleiten voor introspectie, technologische kennis en het bewust aanpassen van de mens-technologie dynamiek.
Dit artikel presenteert een effectieve sim-naar-realiteit aanpak voor diepe versterkingslering, waarbij een Girona AUV met succes wordt getraind in een vermenigvuldigde Stonefish-simulatie om autonome onderwaterdokking met een slagingspercentage van meer dan 90% te realiseren en te valideren in een fysiek testtank.
Dit paper introduceert LabelPigeon, een raamwerk dat XML-tags gebruikt om vertaling en labelprojectie gelijktijdig uit te voeren, wat leidt tot verbeterde vertaalkwaliteit en aanzienlijke winst in cross-linguale transfer voor downstream-taken zonder de vertaalkwaliteit te schaden.
Dit paper introduceert 'Cascade', een aanvalsmethode die traditionele software- en hardwarekwetsbaarheden combineert met algoritmische zwaktes in samengestelde AI-systemen om de integriteit en vertrouwelijkheid van deze systemen te ondermijnen.