cs.LG papers | Gist.Science

Spatiotemporal Heterogeneity of AI-Driven Traffic Flow Patterns and Land Use Interaction: A GeoAI-Based Analysis of Multimodal Urban Mobility

Deze studie presenteert een GeoAI-hybride raamwerk dat MGWR, Random Forest en ST-GCN combineert om de ruimtelijk-tijdelijke heterogeniteit van multimodale verkeersstromen en hun interactie met landgebruik effectiever te modelleren dan traditionele methoden, waardoor beleidsmakers een interpreteerbaar instrument krijgen voor evidence-based mobiliteitsbeheer.

Olaf Yunus Laitinen Imanov2026-03-09🤖 cs.AI

Bias In, Bias Out? Finding Unbiased Subnetworks in Vanilla Models

Dit paper introduceert BISE, een strategie die bestaande, vooroordeelvrije subnetwerken uit standaard getrainde modellen haalt door pruning, waardoor bias-effectieve mitigatie mogelijk is zonder extra data of hertraining.

Ivan Luiz De Moura Matos, Abdel Djalil Sad Saoud, Ekaterina Iakovleva, Vito Paolo Pastore, Enzo Tartaglione2026-03-09🤖 cs.LG

On the Value of Tokeniser Pretraining in Physics Foundation Models

Dit onderzoek toont aan dat het vooraf trainen van een tokeniser met een auto-encoding-doelstelling de rekenefficiëntie en nauwkeurigheid van fysische foundation-modellen aanzienlijk verbetert, vooral wanneer de vooraftraining op hetzelfde fysische systeem als de downstream-taak wordt uitgevoerd.

Hadi Sotoudeh, Payel Mukhopadhyay, Ruben Ohana, Michael McCabe, Neil D. Lawrence, Shirley Ho, Miles Cranmer2026-03-09🔭 astro-ph

From Decoupled to Coupled: Robustness Verification for Learning-based Keypoint Detection with Joint Specifications

Deze paper introduceert het eerste gekoppelde robuustheidsverificatiekader voor heatmaps gebaseerde sleutelpuntdetectie dat, in tegenstelling tot eerdere onafhankelijke benaderingen, de gezamenlijke afwijking van alle sleutelpunten garandeert door het verificatieprobleem te formuleren als een falsificatieopdracht met behulp van gemengd-geheelgetallige lineaire programmering.

Xusheng Luo, Changliu Liu2026-03-09🤖 cs.LG

Behavior-dLDS: A decomposed linear dynamical systems model for neural activity partially constrained by behavior

Dit paper introduceert behavior-dLDS, een model dat neurale dynamiek ontleedt in gedrag-gerelateerde en interne subsystemen om complexe hersenactiviteit te ontrafelen en de relatie met gedrag te kwantificeren, zelfs bij datasets met tienduizenden neuronen.

Eva Yezerets, En Yang, Misha B. Ahrens, Adam S. Charles2026-03-09🤖 cs.LG

RACAS: Controlling Diverse Robots With a Single Agentic System

Het artikel introduceert RACAS, een robotonafhankelijk agentic systeem dat gebruikmaakt van drie op taal gebaseerde modules om diverse robotplatforms via natuurlijke taal te besturen zonder dat er aanpassingen aan de broncode of modelgewichten nodig zijn.

Dylan R. Ashley, Jan Przepióra, Yimeng Chen, Ali Abualsaud, Nurzhan Yesmagambet, Shinkyu Park, Eric Feron, Jürgen Schmidhuber2026-03-09🤖 cs.AI

Identifying Adversary Characteristics from an Observed Attack

Dit paper introduceert een domeinonafhankelijk raamwerk om de meest waarschijnlijke aanvalaar te identificeren op basis van een waargenomen aanval, waardoor verdedigers zowel exogene mitigatiestrategieën kunnen toepassen als de prestaties van directe verdedigingsmethoden kunnen verbeteren.

Soyon Choi, Scott Alfeld, Meiyi Ma2026-03-09🤖 cs.LG

Making Reconstruction FID Predictive of Diffusion Generation FID

Dit paper introduceert de geïnterpoleerde FID (iFID), een nieuwe metiek die door interpolatie van latente representaties een sterke correlatie aantoont met de generatieve FID van diffusiemodellen, waardoor het een betrouwbaarder voorspeller wordt dan de traditionele reconstructie-FID.

Tongda Xu, Mingwei He, Shady Abu-Hussein, Jose Miguel Hernandez-Lobato, Haotian Zhang, Kai Zhao, Chao Zhou, Ya-Qin Zhang, Yan Wang2026-03-09🤖 cs.LG

When Rubrics Fail: Error Enumeration as Reward in Reference-Free RL Post-Training for Virtual Try-On

Dit paper introduceert Implicit Error Counting (IEC), een referentievrije beloningsmethode voor reinforcement learning die in plaats van een rubric fouten telt met gewichten, wat leidt tot superieure resultaten bij virtuele pasproeven waar geen enkel ideaal antwoord bestaat.

Wisdom Ikezogwo, Mehmet Saygin Seyfioglu, Ranjay Krishna, Karim Bouyarmane2026-03-09🤖 cs.AI

The Value of Graph-based Encoding in NBA Salary Prediction

Dit artikel toont aan dat het integreren van vectoriële representaties van een kennisgrafiek, gebaseerd op zowel prestaties op het veld als daarbuiten, de nauwkeurigheid van machine learning-modellen voor het voorspellen van NBA-salarissen aanzienlijk verbetert, met name voor veteranen en spelers met hoge salarissen.

Junhao Su, David Grimsman, Christopher Archibald2026-03-09🤖 cs.LG

Reinforcement Learning for Power-Flow Network Analysis

Dit artikel toont aan dat versterkingslering (RL) effectief kan worden ingezet om netwerkinstanties te vinden met een aanzienlijk hoger aantal evenwichtspunten dan het gemiddelde, waardoor het een veelbelovende oplossing biedt voor de analyse van complexe niet-lineaire stroomvloeivergelijkingen die traditionele algebraïsche methoden overtreffen.

Alperen Ergur, Julia Lindberg, Vinny Miller2026-03-09🤖 cs.LG

Improved Scaling Laws via Weak-to-Strong Generalization in Random Feature Ridge Regression

Dit artikel toont aan dat bij random feature ridge regression een sterk model dat is getraind op imperfecte labels van een zwakker model, aanzienlijk betere schalingswetten kan volgen en zelfs de minimax-optimale convergentiesnelheid kan bereiken, zelfs wanneer de fout van het lerende model niet daalt met de steekproefgrootte.

Diyuan Wu, Lehan Chen, Theodor Misiakiewicz, Marco Mondelli2026-03-09🤖 cs.LG

Parallelization Strategies for Dense LLM Deployment: Navigating Through Application-Specific Tradeoffs and Bottlenecks

Dit artikel onderzoekt parallelisatiestrategieën voor de implementatie van dichte grote taalmodellen, waarbij het aantoont dat Tensor Parallelism de latentie verbetert terwijl Pipeline Parallelism beter geschikt is voor doorvoeroptimalisatie, en hoe een hybride aanpak de afweging tussen deze twee prestatie-indicatoren kan sturen.

Burak Topcu, Musa Oguzhan Cim, Poovaiah Palangappa, Meena Arunachalam, Mahmut Taylan Kandemir2026-03-09🤖 cs.LG

Warm Starting State-Space Models with Automata Learning

Dit artikel bewijst dat Moore-machines exact kunnen worden gerealiseerd als state-space modellen en toont aan dat het combineren van symbolisch automata-leren met deze continue modellen leidt tot snellere convergentie en betere prestaties dan willekeurige initialisatie.

William Fishell, Sam Nicholas Kouteili, Mark Santolucito2026-03-09🤖 cs.LG

Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities

Deze paper introduceert een meetkundig raamwerk op basis van hoofdvezelbundels om de fundamentele beperkingen en kansen bij het leren van differentiaalvergelijkingen die de evolutie van tijdsafhankelijke netwerken besturen via Random Dot Product Graphs te analyseren, waarbij het de onlosmakelijke relatie tussen geometrische kromming, statistische onzekerheid en de identificeerbaarheid van dynamica belicht.

Giulio Valentino Dalla Riva2026-03-09🤖 cs.LG

The Rise of AI in Weather and Climate Information and its Impact on Global Inequality

Hoewel AI veelbelovend is voor klimaatwetenschap, riskeert de huidige ontwikkeling, die gedomineerd wordt door het Noordelijke halfrond en gebaseerd is op onvolledige data, de bestaande ongelijkheden te versterken, wat een fundamentele verschuiving vereist naar data-gedreven ontwikkeling, digitale publieke infrastructuur en gezamenlijke kennisproductie om echte weerbaarheid te waarborgen.

Amirpasha Mozaffari, Amanda Duarte, Lina Teckentrup, Stefano Materia, Gina E. C. Charnley, Lluis Palma, Eulalia Baulenas Serra, Dragana Bojovic, Paula Checchia, Aude Carreric, Francisco Doblas-Reyes2026-03-09🤖 cs.AI

Unsupervised domain adaptation for radioisotope identification in gamma spectroscopy

Dit onderzoek toont aan dat onbewaakte domeinadaptatie, met name door het minimaliseren van de maximum mean discrepancy (MMD), de generalisatie van een op synthetische data getraind machine learning-model voor radio-isotoopidentificatie in gamma-spectroscopie aanzienlijk verbetert bij toepassing op ongelabelde experimentele data.

Peter Lalor, Ayush Panigrahy, Alex Hagen2026-03-09🤖 cs.LG

Revisiting the (Sub)Optimality of Best-of-N for Inference-Time Alignment

Dit paper weerlegt eerdere theoretische bevindingen door aan te tonen dat Best-of-N-sampling, wanneer geoptimaliseerd voor win-rate in plaats van verwachte beloning, statistisch en computationeel optimaal is voor inferentie-tijd uitlijning, en stelt een eenvoudige variant voor die beloningshacking effectief elimineert zonder de prestaties te verminderen.

Ved Sriraman, Adam Block2026-03-09🤖 cs.AI

Full Dynamic Range Sky-Modelling For Image Based Lighting

In dit paper presenteren de auteurs Icarus, een all-weather hemelmodel dat via deep learning full dynamic range omgevingenkaarten genereert met ongeëvenaarde nauwkeurigheid, fotorealisme en controle over zon- en wolkenformaties voor Image Based Lighting.

Ian J. Maquignaz2026-03-09🤖 cs.LG

MIRACL: A Diverse Meta-Reinforcement Learning for Multi-Objective Multi-Echelon Combinatorial Supply Chain Optimisation

Dit paper introduceert MIRACL, een hiërarchisch meta-versterkingsleerframework dat few-shot generalisatie mogelijk maakt voor multi-objectieve supply chain-optimalisatie door taken te decomponeren en een Pareto-gebaseerde strategie te gebruiken, waardoor het conventionele baselines significant overtreft in termen van aanpassingsvermogen en prestaties.

Rifny Rachman, Josh Tingey, Richard Allmendinger, Wei Pan, Pradyumn Shukla, Bahrul Ilmi Nasution2026-03-09🤖 cs.LG

← Vorige Volgende →