6666 papers
Dit paper stelt dat de voorspelbare schaalbaarheid van codegeneratie ten opzichte van versterkingslering wordt veroorzaakt door de specifieke informatie-structuur van code, en introduceert een hiërarchie van leerbaarheid die suggereert dat de toekomstige grenzen van machine learning meer afhangen van de aard van de taak dan van modelgrootte.
Dit paper introduceert LongAudio-RAG, een hybride raamwerk dat vraag-antwoordsystemen voor lange audio-opnames verbetert door Large Language Models te koppelen aan gestructureerde, tijdstempelgebonden geluidsgebeurtenissen in plaats van ruwe audio, wat resulteert in nauwkeurigere antwoorden met minder hallucinaties.
Deze paper introduceert Direct Kolen-Pollack Predictive Coding (DKP-PC), een algoritme dat de vertraging en exponentiële afname van foutsignalen in traditionele Predictive Coding oplost door directe feedbackverbindingen te gebruiken, waardoor de complexiteit van foutpropagatie van O(L) naar O(1) daalt en tegelijkertijd de prestaties worden verbeterd.
Dit paper toont aan dat het selecteren van een zorgvuldig gedefinieerde subset van bronnen, zelfs binnen een collectie van over het algemeen goede bronnen, statistisch optimale schatting van gedeelde kenmerken mogelijk maakt en overbodige data kan verwijderen zonder prestatieverlies.
Het artikel introduceert Emotion Collider (EC-Net), een hyperbolisch hypergraafkader dat hiërarchische modale relaties en bidirectionele berichtuitwisseling combineert met contrastief leren om robuuste en nauwkeurige sentimentherstelmodellen te realiseren, zelfs bij aanwezigheid van ruis of ontbrekende modaliteiten.
Dit artikel introduceert ModalImmune, een trainingskader dat multimodale systemen robuust maakt tegen het verlies of de corruptie van invoerkanaal door middel van gecontroleerde, zelfdestructieve training die leidt tot stabiele en herstelbare gezamenlijke representaties.
Dit onderzoek introduceert FlyGM, een model dat het exacte connectoom van een volwassen fruitvlieg gebruikt als een statisch, biologisch gefundeerd neurale netwerk om de beweging van het hele lichaam te besturen, waarbij het superieure prestaties en hogere sample-efficiëntie toont ten opzichte van gerandomiseerde of standaard neurale netwerken.
Dit paper introduceert methoden voor split-conformale voorspelling die, naast marginale dekking, ook operationele garanties bieden voor besluitvormingsfrequentie en foutblootstelling door middel van kleine-steekproefcorrecties, onafhankelijke audits en een geometrische analyse van de afwegingen tussen deze operationele grootheden.
Dit artikel toont aan dat architecturen die equivariante operatoren in een latente ruimte leren, effectief kunnen worden ingezet voor robuuste objectherkenning bij zeldzame transformaties, maar waarschuwt ook voor de uitdagingen bij het schalen naar complexere datasets.
Dit artikel introduceert een uitgebreid benchmarkkader voor multi-agent reinforcement learning in de CityLearn-omgeving, waarbij wordt vastgesteld dat decentrale training en uitvoering (DTDE) samen met tijdsafhankelijk leren superieure prestaties leveren op diverse duurzaamheids- en robuustheidskpi's voor stedelijke energiesystemen.
Dit paper introduceert RAmmStein, een Deep Reinforcement Learning-methode die het optimale moment voor herbalancering in geconcentreerde liquiditeitsmarkten bepaalt door marktdynamieken te combineren met kostenbewustzijn, waardoor de winstgevendheid aanzienlijk wordt verhoogd ten opzichte van traditionele strategieën.
Deze studie presenteert een systematische benchmarking van vier GNN-architecturen voor moleculaire regressie, waarbij een hiërarchisch fusieframework (GNN+FP) consistent betere prestaties levert dan standalone modellen en waarbij Centered Kernel Alignment (CKA) analyse aantoont dat GNN- en fingerprint-embeddings in sterk onafhankelijke latente ruimtes opereren.
Deze paper introduceert MrBERT, een familie van moderne meertalige encodermodellen die door middel van vocabulaire-, domein- en dimensionale aanpassing, inclusief Matryoshka Representation Learning, state-of-the-art prestaties bereikt op Catalaanse en Spaanse taken en gespecialiseerde domeinen zoals biomedische en juridische toepassingen.
Dit paper introduceert AVDE, een lichtgewicht en efficiënt autoregressief framework dat EEG-signalen gebruikt om beelden te decoderen door LaBraM en een multi-scale token-predictiestrategie te combineren, waardoor het de prestaties van bestaande methoden verbetert met slechts 10% van de parameters.
Dit paper introduceert CeRA, een parameter-efficiënte fine-tuning-methode die door middel van SiLU-gating en structurele dropout de lineaire beperkingen van LoRA doorbreekt en zo superieure prestaties bereikt op complexe redeneertaken door de dormantie van het singuliere waarden-spectrum te activeren.
Dit paper beschrijft hoe het gebruik van een gespecialiseerd, fijngefineerd LLM om schaalbare tekstuele relevantielabels te genereren, de App Store-rangschikking verbetert door zowel gedrags- als tekstuele relevantie te optimaliseren, wat resulteert in een statistisch significant toename van de conversie, vooral voor zeldzame zoekopdrachten.
Deze paper introduceert de eerste volledig differentieerbare simulator voor optische deeltjesdetectoren die calibratie en reconstructie verenigt in één raamwerk, waardoor bestaande analysepijplijnen worden vereenvoudigd en de nauwkeurigheid en snelheid worden verbeterd.
Dit paper introduceert Attn-QAT, een kwantiseringsbewuste trainingsmethode die stabiele 4-bit attention mogelijk maakt op FP4-GPU's door de backward pass aan te passen, waardoor de kwaliteit van modellen behouden blijft en er tot 1,5x snelheidswinst wordt geboekt.
Dit artikel introduceert een nieuwe klasse van partities met ongelijke volumes die, volgens een bewezen verdelingsprincipe, een lagere verwachte ster-discrepantie opleveren dan klassieke jittered sampling en daarmee een theoretische basis vormen voor hoogdimensionale numerieke integratie.
Deze paper introduceert een reproduceerbaar kader voor het evalueren van het redeneervermogen van multimodale modellen op ECG-signalen door het redeneren te ontleden in perceptie en deductie, waarbij respectievelijk code-generatie en een klinische criteria-database worden gebruikt voor schaalbare en semantisch accurate verificatie.