8226 papers
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.
Dit paper presenteert een tweelaags HMM-POMDP-raamwerk dat, door rivaliserende auto's' verborgen energiestatus te infereren uit waarneembare telemetrie, de optimale energie-inzetstrategie voor de 2026 Formule 1-reglementen bepaalt en valstrikken zoals de 'counter-harvest trap' effectief detecteert.
Dit rapport beschrijft het TCG CREST-systeem voor de DISPLACE-M-uitdaging, waarbij een hybride end-to-end neurale diarizatie-architectuur (Diarizen) met geavanceerde clusteringtechnieken een relatieve verbetering van 39% in de diarizatiefout (DER) oplevert ten opzichte van een SpeechBrain-baseline en de zesde plaats behaalt onder de deelnemende teams.
Dit paper introduceert een detectie-gestuurde pipeline die robuuste glottale segmentatie en klinische pathologie-evaluatie mogelijk maakt door een lokale detector te combineren met een segmentatiemodel, waardoor state-of-the-art prestaties en cross-dataset generalisatie worden bereikt voor real-time klinisch gebruik.
Dit artikel presenteert een robuust classificatiekader voor beelden van het immaterieel cultureel erfgoed in de Mekongdelta, waarbij de CoAtNet-architectuur wordt gecombineerd met modelsoepen om de generalisatie te verbeteren door de variantie te verminderen in een data-schaarste omgeving.
Dit artikel presenteert een gepersonaliseerd multi-agent TD-leringsframework dat via gezamenlijke lineaire benadering en schatting van een gedeelde ondergrondse ruimte de convergentie garandeert, conflicterende signalen filtert en lineaire snelheidswinst bereikt ondanks heterogeniteit en Markoviaanse bemonstering.
Deze paper stelt een hybride architectuur voor die een interpreteerbare -geregulariseerde vector autoregressieve (VAR) regressie in een convolutionele autoencoder integreert om de tijdsafhankelijke dynamiek en ruimtelijke bijdragen in tweefoton-calciumbeeldvorming van cellen effectief en transparant te ontrafelen.
Deze paper introduceert GramCol en een Interpretable Motion-Attentive Map (IMAP) om zonder gradiëntberekening ruimtelijk en temporeel te lokaliseren hoe Video Diffusion Transformers bewegingsconcepten vertalen naar video's.
Dit paper introduceert CGL, een continu leerframework voor GUI-agenten dat Supervised Fine-Tuning en Reinforcement Learning dynamisch combineert via een entropie-gestuurde aanpassing en een gradiëntchirurgie-strategie om aanpassing aan nieuwe taken te bevorderen zonder oude kennis te vergeten, wat wordt gevalideerd op het nieuwe AndroidControl-CL-benchmark.
Dit paper biedt de eerste theoretische scheiding tussen Adam en SGD door aan te tonen dat de tweede-momentnormalisatie in Adam zorgt voor een scherpere staart in de convergentie, met een afhankelijkheid van in plaats van de noodzakelijke bij SGD.