85 papers
Dit paper introduceert R4-CGQA, een methode die gebruikmaakt van een nieuw dataset met gestructureerde kwaliteitsbeschrijvingen en een twee-stroom retrieval-framework om bestaande Vision Language Models te verbeteren in het beoordelen en verklaren van de kwaliteit van computergraphics-afbeeldingen.
Deze paper introduceert een nieuw kader dat agenttrajecties analyseert om gestructureerde, contextuele leermomenten te genereren en op te halen, waardoor zelfverbeterende LLM-agenten hun prestaties aanzienlijk verbeteren door fouten te vermijden en succesvolle strategieën toe te passen.
Dit paper introduceert ExBI, een nieuw systeem dat een hypergraafdatamodel en steekproefgebaseerde algoritmen combineert om Exploratory Business Intelligence te ondersteunen door dynamische schema-evolutie en herbruikbaarheid mogelijk te maken, wat resulteert in aanzienlijke snelheidswinsten ten opzichte van bestaande systemen zoals Neo4j en MySQL bij het behouden van hoge analytische nauwkeurigheid.
Dit paper introduceert EvoSchema, een uitgebreid benchmarkkader dat een nieuwe taxonomie van schema-evoluties gebruikt om de robuustheid van text-to-SQL-systemen te evalueren en te verbeteren tegenover dynamische veranderingen in databaseschema's.
Dit paper introduceert Pneuma-Seeker, een systeem dat de onzekerheid van gebruikers in datavragen omzet in een concreet relationeel schema via 'relationele reificatie', waardoor LLM-agents robuustere en nauwkeurigere antwoorden kunnen genereren over heterogene relationele gegevensbronnen.
Dit artikel introduceert een geavanceerd, op bomen gebaseerd datahyperkubusmodel binnen het Polytope-framework dat de efficiënte opslag, doorloop en flexibele kenmerkextractie van complexe, onregelmatige en vertakkende aardwetenschappelijke datasets mogelijk maakt, waarmee de beperkingen van traditionele datakubusmodellen worden overwonnen.
Dit artikel introduceert een bijna instance-optimale algoritme voor Poisson-steekproeven over acyclische joins dat via een willekeurig toegankelijk index en een proefmechanisme de prestaties aanzienlijk verbetert ten opzichte van bestaande methoden, terwijl het tegelijkertijd een uniforme basis biedt voor zowel klassieke join-verwerking als steekproeven.
Dit paper introduceert HCT-QA, een uitgebreid benchmark voor vraag-antwoordtaken op mensgerichte tabellen, dat duizenden realistische en synthetische tabellen bevat om de prestaties van taal- en visiemodellen te evalueren en te verbeteren via fine-tuning.
Dit paper introduceert KramaBench, een benchmark met 104 handmatig samengestelde uitdagingen die aantoont dat huidige AI-systemen, ondanks hun vaardigheden in geïsoleerde taken, moeite hebben om volledige, werkende data-naar-inzicht-pijplijnen over complexe data lakes te ontwerpen en uit te voeren.
Dit paper introduceert nieuwe, schaalafhankelijke evaluatiemetrics voor "Text-to-Big SQL" om aan te tonen dat bestaande benchmarks ontoereikend zijn voor het beoordelen van de kosten, latentie en prestaties van LLM-agents in productieomgevingen met grote datasets.
Dit paper introduceert SLER, een schaalbaar systeem dat standaardisatie en learning-to-rank combineert om de zoekruimte voor query-herformuleringsefficiënt te verkleinen en zo een ongekend groot, empirisch gevalideerd repository met meer dan een miljoen herschrijvingsregels voor complexe queryplannen te genereren.
Dit artikel presenteert een formeel raamwerk, architectuur en algoritmen voor het creëren en het incrementeel onderhouden van een gematerialiseerde RDF-weergave van relationele databases om ze toegankelijk te maken via een Enterprise Knowledge Graph.
Dit paper introduceert NGDBench, een unificerend benchmark voor het evalueren van neurale grafdatabasecapaciteiten die complexe Cypher-query's ondersteunt en significant tekortschietende prestaties van huidige LLM's en RAG-methoden blootlegt op het gebied van gestructureerd redeneren en ruisbestendigheid.
Dit artikel onderzoekt hoe de snelle vooruitgang van AI, met name door foundation-modellen en multimodale data, de uitdagingen en kansen voor mens-gecentreerde data-interactie en visualisatie herdefinieert, en pleit voor een nieuwe aanpak die cognitieve principes en betrouwbaarheid centraal stelt in plaats van alleen efficiëntie.
Dit paper presenteert en evalueert verschillende B-boomvarianten die specifiek zijn geoptimaliseerd voor geheugenbeperkte flash-embedded apparaten, waarmee efficiënte indexering mogelijk wordt gemaakt op kleine IoT-apparaten voor landbouw- en industriële monitoring.
Dit artikel introduceert een formeel kader en efficiënte algoritmen om in query's met belangenconflicten tussen gebruikers en databronnen bias op te sporen en de query's te herschrijven, zodat relevante informatie uit bevooroordeelde resultaten kan worden gehaald.
Het paper introduceert OMEGA, een efficiënte methode voor vectorzoekopdrachten die met één model en lage voorverwerkingstijd nauwkeurige resultaten levert voor queries met verschillende K-waarden, waardoor het zowel trager dan bestaande methoden is en minder voorverwerkingstijd vereist.
Dit paper introduceert en analyseert het NP-moeilijke TRMOA-probleem voor tag-specifieke spijtbemindiging in buitenreclame, waarbij het de ontoereikendheid van simpele greedy-methodes aantoont en effectieve alternatieve algoritmen voorstelt die zijn gevalideerd met real-world datasets.
Dit artikel presenteert een open-source, gesimuleerde dataset voor Structurele Gezondheidsmonitoring (SHM) die dynamische en statische metingen bevat onder realistische omstandigheden, zoals omgevingsvariaties en sensorfouten, om de validatie van nieuwe data-gedreven en hybride schadeherkenningsstrategieën te faciliteren.
Dit paper introduceert xBound, het eerste theoretische kader voor het berekenen van bewezen ondergrenzen voor join-groottes, dat het kritieke probleem van onderestimatie in database-optimizers aanpakt en in Microsoft Fabric Data Warehouse aanzienlijke prestatieverbeteringen oplevert.