9040 papers
Dit artikel introduceert een innovatief tweestaps actief leerproces voor spraakherkenning dat onbewaakte x-vector-clustering combineert met een bewaakte Bayesiaanse batch-methode om de labelinspanning aanzienlijk te reduceren terwijl de prestaties op diverse testsets worden geoptimaliseerd.
Dit artikel biedt een uitgebreide review en formele specificatie van voorspellende coderingsnetwerken, een neurobiologisch geïnspireerd raamwerk dat gebruikmaakt van inferentie-leren in plaats van backpropagatie en dat zowel voor toezicht als voor generatieve modellering een veelbelovende basis vormt voor toekomstige innovaties in machine learning.
Dit artikel concludeert dat grote taalmodellen zoals ChatGPT geen autonome agenten zijn volgens belichaamde theorieën van de geest, maar eerder 'spookachtige' gesprekspartners die, ondanks hun gebrek aan eigen doelen en lichamelijkheid, wel degelijk nieuwe vormen van menselijke agency transformeren door een unieke koppeling met de gebruiker.
Het artikel introduceert PACE, een methode die parameter-efficiënt fine-tuning combineert met consistentieregulering om de generalisatie van modellen te verbeteren door gradiëntnormen te verkleinen en kennis uit vooraf getrainde modellen te behouden.
FALCON is een zelftoezichtend voortrainingsmodel dat objectgerichte maskering en toekomstige reconstructie combineert om de prestaties van UAV-actieherkenning op ruwe RGB-beelden te verbeteren door de aandacht te richten op relevante objecten in plaats van rommelige achtergronden.
Deze studie presenteert een efficiënte zelftoezichtsmethode voor het reconstrueren van onregelmatige seismische data, die gebruikmaakt van een lichtgewicht netwerk en zelfconsistentieleren zonder extra datasets, waardoor stabiele en hoogwaardige resultaten worden bereikt voor complexe aardkundige exploratie.
Dit artikel introduceert Ditto, een diffusion-gebaseerd framework voor het real-time genereren van controleerbare praatkoppen met fijne expressies en lage vertraging, door middel van een geoptimaliseerde motion-space diffusiemodel en diverse conditionele signalen.
Deze paper introduceert een -geregulariseerde variant van de kwadratische oppervlakte support vector machine die overfitting en interpretatieproblemen oplost door middel van een efficiënt straffingsontbindingsalgoritme dat wiskundig bewezen optimale oplossingen levert en uitstekende prestaties laat zien op zowel benchmark- als kredietdatasets.
Deze survey biedt een gestructureerd overzicht van hoe grote multimodale taalmodellen het wetenschappelijke proces transformeren door onderzoekers te ondersteunen bij literatuuronderzoek, het genereren van ideeën, experimenten, contentcreatie en evaluatie, terwijl het ook de methoden, beperkingen en ethische risico's van deze AI-gestuurde ontdekkingen belicht.
Deze paper introduceert FragFM, een hiërarchisch framework dat fragment-niveau discrete flow matching en een stochastische fragmentzak-strategie combineert om efficiënte, schaalbare en eigenschapsbewuste moleculaire generatie mogelijk te maken, terwijl het ook een nieuwe benchmark voor natuurlijke producten (NPGen) presenteert om de prestaties van generatieve modellen in de drugontdekking te evalueren.
Dit paper introduceert SysDPO, een raamwerk dat Direct Preference Optimization uitbreidt naar Compound AI-systemen door deze als gerichte acyclische grafen te modelleren, waardoor effectieve systeemgerichte uitlijning mogelijk wordt ondanks niet-differentieerbare interacties en de complexiteit van het vertalen van systeemvoorkeuren naar componentniveau.
Dit artikel onderzoekt de kwetsbaarheid van gepartitioneerde kwantumbesturders voor adversariale perturbaties die circuit-cutting of quantum-teleportatie beïnvloeden, en onthult een fundamenteel verband tussen dergelijke aanvallen en het implementeren van kwaadaardige poorten in de tussenliggende lagen van een kwantumclassificatie.
Dit paper introduceert CAPS, een nieuwe methode die Vector Quantized Variational Autoencoders gebruikt om onbalans in imitatieleer voor autonoom rijden aan te pakken door zeldzame maar waardevolle data-prioriteit te geven, wat leidt tot aanzienlijke verbeteringen in de prestaties en generalisatie van het model.
Deze studie onthult dat de schijnbare effectiviteit van grote taalmodellen (LLM's) voor tijdreeksvoorspelling vaak wordt veroorzaakt door overfitting in de tokenisatie-laag in plaats van de modelcapaciteit zelf, en concludeert dat deze modellen, zelfs met geoptimaliseerde vooropleiding, niet consequent beter presteren dan modellen die specifiek zijn getraind op grote tijdreeksdatasets.
Dit artikel onthult hoe een 'kwaadaardig technisch ecosysteem' van open-source tools en software de huidige AI-governance, zoals de NIST-standaarden, ondermijnt door het creëren van niet-toegestane AI-genereren van intieme beelden van volwassenen mogelijk te maken zonder effectieve regulering.
Dit survey biedt een overzicht van Federated Learning als een privacybehoudend paradigma voor decentrale machine learning, waarbij de architectuur, technische uitdagingen zoals niet-IID-data en communicatie-overhead, en toekomstige trends en toepassingen worden belicht.
In dit artikel wordt FourierSpecNet voorgesteld, een hybride deep-learningframework dat de Fourier-spectrale methode integreert om de complexe botsingsoperator van de Boltzmann-vergelijking efficiënt en nauwkeurig te benaderen, waardoor de rekentijd aanzienlijk wordt verkort zonder in te leveren op de precisie voor zowel elastische als inelastische botsingen.
Deze paper presenteert een schaalbaar heterogeen grafisch neuraal netwerk dat gebruikmaakt van een multi-task leerparadigma om de reconstructie van deeltjesbotsingen bij de LHC te verbeteren door tegelijkertijd vertexassociatie en grafpruning in één raamwerk uit te voeren.
Het artikel introduceert RM-R1, een nieuwe klasse van generatieve beloningsmodellen die beloningsmodellering omvormt tot een redeneertaak via een keten van rubrieken en een twee-staps trainingsproces, waardoor ze zowel interpreteerbaarder zijn als betere prestaties leveren dan bestaande modellen.
Dit artikel introduceert een variant van Polyak-stappenstappen voor entropische spiegelafdaal om lineaire systemen op te lossen zonder restrictieve aannames, waarbij sublineaire en lineaire convergentie wordt bewezen, de impliciete bias in de -norm wordt versterkt, en een alternatieve, exponentiatieloze methode met bewezen convergentie wordt voorgesteld.