4737 papers
Dit paper introduceert HCAPO, een nieuw framework dat hindsight credit assignment integreert in LLM-agenten om de uitdagingen van credit assignment in lange-termijn taken aan te pakken en zo de prestaties significant te verbeteren ten opzichte van bestaande methoden zoals GRPO.
Dit artikel introduceert een fundamentele reductie die -invariante functies op productruimten, waar transitief werkt, reduceert tot -invarianten van de isotropiegroep, waardoor de beperkingen van bestaande methoden voor equivariante neurale velden worden opgeheven en ze kunnen worden toegepast op willekeurige groepswerkingen.
Dit artikel toont aan dat er geen verificatieprocedure bestaat die tegelijkertijd geluid, algemeen en wiskundig haalbaar is, waardoor er een fundamenteel dilemma bestaat bij het formeel certificeren van AI-uitlijning.
Het artikel introduceert SPREAD, een nieuw raamwerk voor levenslang imitatieleer dat gebruikmaakt van subspace-representatiedistillatie en een op vertrouwen gebaseerde strategie om catastrofisch vergeten te voorkomen en state-of-the-art prestaties te bereiken door de geometrische structuur van taakrepresentaties te behouden.
Het artikel introduceert Midicoth, een verliesloos compressiesysteem dat de prestaties van adaptieve statistische modellen verbetert door een lichtgewicht micro-diffusie-laag toe te passen die voorspelde kansen corrigeert via een binaire boom-structuur en empirische kalibratie.
Dit artikel introduceert een efficiënt multi-level meta-versterkingsleerframework dat Markov-beslissingsprocessen hiërarchisch comprimeert en een vaardigheidsgebaseerd curriculum leert om complexe taken te ontleden, de zoekruimte te reduceren en overdracht van vaardigheden tussen verschillende problemen en niveaus te bevorderen.
Dit artikel introduceert het Temporal Markov Transition Field (TMTF), een uitbreiding van de bestaande Markov Transition Field-methode die tijdsreeksen in afbeeldingen omzet door lokale overgangsmatrices voor tijdssegmenten te gebruiken in plaats van één globale matrix, waardoor veranderingen in dynamische regimes in de tijd behouden blijven voor effectievere analyse met convolutionele neurale netwerken.
Dit paper introduceert SoftJAX en SoftTorch, open-source bibliotheken die informerende gradiënten bieden voor 'harde' operaties in JAX en PyTorch door ze te vervangen door zachte, differentieerbare alternatieven.
Deze paper introduceert GenGNN, een modulair message-passing framework dat aantoont dat expressieve encoders zoals transformers niet strikt noodzakelijk zijn voor discrete grafengeneratie, aangezien diffusion-modellen met GenGNN vergelijkbare validiteit bereiken met 2-5 keer snellere inferentie.
Dit paper introduceert MASEval, een framework-onafhankelijke bibliotheek die de evaluatie van LLM-agent-systemen uitbreidt van enkel modellen naar het volledige systeem, waarbij wordt aangetoond dat de keuze van het framework even belangrijk is als die van het model voor de prestaties.
Dit artikel toont theoretisch en empirisch aan dat hybride sequentiemodellen, die Transformer- en state-space-lagen combineren, fundamentele beperkingen van niet-hybride modellen overwinnen door met minder parameters en werkgeheugen complexe taken op te lossen, terwijl ze tegelijkertijd superieure generalisatie en robuustheid bieden.
Het paper introduceert APPLV, een methode die Vision-Language-Action-modellen gebruikt om parameters voor klassieke navigatieplanners adaptief te leren, waardoor robots beter kunnen navigeren in onbekende en sterk beperkte omgevingen dan bestaande methoden.
Deze studie toont aan dat channel-centric modellen onvoldoende zijn voor het voorspellen van end-to-end prestaties in private 5G-netwerken omdat ze de MIMO-lagen systematisch overschatten, terwijl datagestuurde modellen die direct op doorvoer meten aanzienlijk nauwkeuriger zijn.
Deze paper introduceert FSbuHD, een nieuw feature-selectiemodel gebaseerd op fuzzy ruwe settheorie voor hybride informatiesystemen dat de berekening van fuzzy-equivalentierelaties via afstanden optimaliseert en het probleem omzet in een optimalisatieopgave, waardoor het in zowel normale als optimistische modi efficiënter en effectiever is dan bestaande methoden.
Deze paper introduceert Transfer-Informed Betting, een nieuwe methode voor selectieve voorspelling die bestaande onzekerheidskaders combineert met domeinoverdracht om in data-schaarse situaties sterkere risicogaranties te bieden dan traditionele methoden.
Dit paper introduceert FedLECC, een lichtgewicht client-selectiestrategie voor Federated Learning die clusters en lokale verliezen gebruikt om onder niet-IID-omstandigheden de testnauwkeurigheid te verhogen en communicatiekosten aanzienlijk te verlagen.
Dit artikel presenteert een uitgebreid privacy-evaluatiekader dat drie methoden combineert om het risico op memorisatie van gevoelige genomische data in Genomic Language Models te kwantificeren, waarbij wordt vastgesteld dat geen enkele aanvalsmethode het volledige risico dekt en dat multi-vector auditing noodzakelijk is.
Dit paper introduceert een volledig differentieerbare methode met continu gereduceerde Bernoulli-gates om Strong Lottery Tickets te ontdekken door alleen de gating-parameters te trainen, waardoor tot 90% sparsiteit wordt bereikt met minimale nauwkeurigheidsverlies zonder de beperkingen van bestaande niet-differentieerbare selectiemethoden.
Het paper introduceert MedCBR, een nieuw raamwerk dat conceptbottleneck-modellen combineert met visueel-taalmogelijkheden en klinische richtlijnen om interpreteerbare, op redenering gebaseerde medische diagnoses te genereren die de expertlogica nabootsen.
Dit paper presenteert een hiërarchisch versterkt leermethodiek die digitale tweelingen en multi-fidelity netwerken combineert om de antenne-helling en dataverzamelstrategie te optimaliseren, waardoor de verzamelvertraging met tot 28,01% wordt verminderd terwijl de gebruikersdatatransmissie wordt gemaximaliseerd.