11204 papers
Dit paper introduceert CausalPitfalls, een benchmark die aantoont dat huidige grote taalmodellen tekortschieten in het betrouwbaar uitvoeren van causale inferentie door veelvuldig statistische valkuilen te negeren, en biedt hiermee gestructureerde maatstaven voor de ontwikkeling van meer betrouwbare redeneersystemen.
Dit paper introduceert ShIOEnv, een Gymnasium-compatibele Bash-omgeving die gebruikmaakt van grammatica-gedwongen synthese en zelftoezicht op onherleidbaarheid om 2,1 miljoen input-outputparen te genereren, waardoor modellen beter in staat zijn om de uitvoeringsgedragingen van shell-opdrachten te modelleren dan eerdere, uitvoeringsvrije benaderingen.
VTool-R1 is het eerste framework dat visueel-taalmodellen via versterkingsleer traint om strategisch Python-visualisatietools te gebruiken voor het genereren van multimodale denkstappen, waardoor ze effectiever kunnen redeneren door te "denken met afbeeldingen".
Dit artikel presenteert een attribuut-efficiënt PAC-leeralgoritme dat een -spare halfspace kan leren met een constant percentage kwaadaardige ruis, door gebruik te maken van variaties op hinge-verliesminimalisatie onder specifieke concentratie- en margevoorwaarden.
Deze paper introduceert een nieuw kader dat Large Language Models vertegenwoordigt met multi-kern Boolese parameters, waardoor voor het eerst directe finetuning in het Boolese domein mogelijk is zonder latente gewichten, wat leidt tot een aanzienlijke vermindering van complexiteit en een verbeterde prestatie vergeleken met bestaande binaire en kwantisatie-methoden.
Dit paper introduceert een continu Chain-of-Thought-ramen (CoT2) dat door het gebruik van continu waarden in plaats van discrete tokens parallelle zoekprocessen en verbeterde redeneerprestaties mogelijk maakt, ondersteund door theoretische garanties en effectieve trainingsstrategieën.
Deze paper introduceert SealQA, een nieuwe benchmark die aantoont dat zelfs de meest geavanceerde zoekversterkte taalmodellen en redeneersystemen ernstig tekortschieten bij het verwerken van verstorende of lange zoekresultaten voor feitelijke vragen.
Deze systematische review analyseert 68 experimenten waarbij FPGA's worden gebruikt voor machine learning-toepassingen in aardobservatie, en introduceert twee taxonomieën voor efficiënte modelarchitecturen en implementatiestrategieën om de uitdagingen van bandbreedte en onboard-ontscheidingsvorming in de NewSpace-ère aan te pakken.
Deze paper introduceert HSG-12M, een groot dataset met ruim 16 miljoen ruimtelijke multigrafen afgeleid van niet-Hermitische kristalspectra via de Poly2Graph-pipeline, die een cruciale leemte vult in bestaande benchmarks door complexe geometrische informatie te behouden en zo data-gedreven ontdekkingen in de fysica en geometrie-bewust grafenleren mogelijk maakt.
Deze paper introduceert EDINET-Bench, een open-source benchmark voor Japanse financiële rapporten die aantoont dat zelfs geavanceerde grote taalmodellen moeite hebben met complexe financiële taken zoals fraudeopsporing en dat er behoefte is aan realistischere evaluatiekaders met gespecialiseerde ondersteuning.
Dit paper introduceert SPEED-RL, een adaptieve curriculumleermethode die de trainingstijd van redenerende modellen met 2 tot 6 keer verkort door selectief voorbeelden van gemiddelde moeilijkheidsgraad te gebruiken, wat leidt tot een snellere convergentie zonder nauwkeurigheidsverlies.
Dit artikel introduceert BWFlow, een nieuw stroommatching-raamwerk voor het genereren van grafen dat de beperkingen van bestaande methoden oplost door de gezamenlijke evolutie van knopen en randen te modelleren via Markov-random fields en Bures-Wasserstein-optimal transport voor een soepelere en efficiëntere trainings- en bemonsteringsproces.
Dit paper introduceert ExSUL, een nieuw online leerframework dat selectieve generatie van grote taalmodellen robust maakt voor onbetrouwbare antwoorden in vijandige omgevingen door partiële feedback om te zetten in een gegarandeerde controle op de False Discovery Rate.
Dit artikel introduceert Structured Kolmogorov-Arnold Neural ODEs (SKANODEs), een framework dat Kolmogorov-Arnold-netwerken integreert in neurale ODE's om zowel nauwkeurige voorspellingen als interpreteerbare symbolische vergelijkingen voor niet-lineaire dynamische systemen te genereren, zoals aangetoond op oscillatoren en F-16-vibratiedata.
Dit artikel introduceert Presymplectification Networks (PSNs), een nieuw raamwerk dat Dirac-structuren gebruikt om dissipatieve en beperkte mechanische systemen, zoals de ANYmal-quadruped, te 'symplectificeren' door ze in een hogedimensionale variëteit in te bedden, waardoor structurenbehoudende deep learning-modellen mogelijk worden die energie, impuls en constraints behouden.
Dit artikel introduceert een raamwerk voor de analyse van de robuustheid van beleidsnetwerken in versterkingslering door synaptische filtering en adversariale aanvallen te combineren om parameters te classificeren als fragiel, robuust of antifragiel, waarbij wordt aangetoond dat bepaalde parameters de prestaties onder stress juist kunnen verbeteren.
MuRating is een schaalbaar raamwerk dat hoogwaardige kwaliteitsindicatoren uit het Engels overbrengt naar een enkel beoordelingsmodel voor 17 talen, waardoor de prestaties van meertalige grote taalmodellen aanzienlijk verbeteren, vooral bij kennisintensieve taken.
Overtone introduceert een flexibele, architecture-onafhankelijke aanpak voor PDE-simulaties die door dynamische, cyclische modulatie van patch-groottes systematische harmonische fouten vermindert en rekenkosten aanpast, wat resulteert in aanzienlijk lagere fouten en verbeterde efficiëntie vergeleken met traditionele statische modellen.
Dit artikel toont aan dat ReLU-neurale netwerken Korobov-functies kunnen benaderen met super-optimale fouten van de orde in de -norm en in de -norm, waarbij de expressiviteit grotendeels vrij blijft van de vervloeking van de dimensionaliteit dankzij het gebruik van schaarse roostervaste elementen en bit-extractie.
Deze paper introduceert een kernel-gebaseerde maximum-entropie methode voor inverse versterkingsleer in oneindige-horizont stationaire mean-field games die niet-lineaire beloningsstructuren kan infereren, en biedt tevens een alternatief convergentie-algoritme voor eindige-horizont niet-stationaire scenario's.