11344 papers
Dit artikel introduceert "Model Medicine", een klinisch raamwerk dat AI-modellen behandelt als biologische organismen met een gestructureerde taxonomie, diagnostische hulpmiddelen zoals Neural MRI en het Four Shell Model, en therapeutische protocollen voor het begrijpen, diagnosticeren en behandelen van modelstoornissen.
Dit artikel introduceert Count Bridges, een stochastisch brugproces op gehele getallen dat een exact en rekenefficiënt generatief model biedt voor het nabootsen en ontrafelen van geaggregeerde transcriptomische teldata tot single-cell-resolutie.
Dit paper onthult dat onleerbare voorbeelden kwetsbaar zijn voor pretraining-priors die de bescherming omzeilen, en lost dit probleem op met BAIT, een nieuwe bi-niveau optimalisatiemethode die perturbaties effectief koppelt aan verkeerde labels om echte semantiek te blokkeren.
Dit paper introduceert Distribution-Conditioned Transport (DCT), een raamwerk dat transportmodellen conditioneert op geleerde inbeddingen van bron- en doeldistributies om generalisatie naar ongezette distributies en semi-supervised learning mogelijk te maken, wat succesvol wordt aangetoond op diverse biologische toepassingen zoals single-cell genomics.
Deze paper introduceert 'Interactive Benchmarks', een nieuw evaluatiekader dat de intelligentie van modellen meet door hun vermogen om actief informatie te verwerven en te redeneren binnen interactieve scenario's zoals bewijzen en spelletjes, waardoor de beperkingen van traditionele benchmarks worden overwonnen.
In dit paper stellen de auteurs CONE voor, een hybride transformer-model dat getallen, bereiken en gaussische verdelingen samen met eenheden en attribuutnamen encodeert in een semantisch rijke vectorruimte, waardoor het aanzienlijk betere prestaties behaalt dan bestaande modellen op taken met numeriek redeneren.
Dit paper introduceert KindSleep, een diep-leringsframework dat klinische kennis en zuurstofsaturatiegegevens combineert om obstructieve slaapapneu nauwkeurig en transparant te diagnosticeren, waarbij het op grote datasets aanzienlijk beter presteert dan bestaande methoden.
Hoewel GPT-5 aanzienlijke vooruitgang toont in geïntegreerde klinische redenering en multimodale synthese vergeleken met GPT-4o, blijven de prestaties van dit algemene model achter bij die van gespecialiseerde systemen in perception-critical taken zoals neuroradiologie en mammografie.
Dit paper introduceert ConTSG-Bench, een gestandaardiseerd benchmarkkader met een uitgebreide dataset en meetinstrumenten om de prestaties van conditionele tijdreeksgeneratiemodellen systematisch te evalueren en zo hun beperkingen en toekomstige onderzoeksrichtingen in kaart te brengen.
Deze paper presenteert een onzekerheidsbewust versterkingsleerframework dat informatieflitsen en Conditional Value-at-Risk combineert om DRAM-equalizers te optimaliseren, wat resulteert in aanzienlijke prestatieverbeteringen en gegarandeerde worst-case prestaties voor high-speed geheugensystemen.
Dit artikel introduceert de eerste structuurvrije methode voor causale ontdekking in lineaire niet-Gaussische modellen met latente variabelen en cycli, door een nieuwe grafische equivalentiecriteria en het concept van randrangbeperkingen te ontwikkelen.
Deze paper introduceert een efficiënte methode voor het trainen van diffusiebeleid in een on-policy versterkingsleeromgeving door de beleidsevaluatie te beperken tot een eenvoudige Gaussische waarschijnlijkheid, waardoor de berekening van log-waarschijnlijkheden wordt vereenvoudigd en multimodale prestaties op diverse benchmarks worden verbeterd.
Dit paper introduceert Diffusion Contrastive Reconstruction (DCR), een methode die contrastieve signalen uit gereconstrueerde afbeeldingen integreert in het diffusiemodel om de discriminatieve en detailperceptieve vaardigheden van CLIP te balanceren en zo de visuele representatie te verbeteren.
Dit artikel toont aan dat lokale connectiviteit en gewichtsdeling in convolutionele neurale netwerken de impliciete regularisatie fundamenteel veranderen, waardoor ze in staat zijn om te generaliseren op hoge-dimensionale boldata waar volledig verbonden netwerken falen.
Dit artikel beschrijft een oplossing voor de DL Sprint 4.0 die door middel van woordgrens-bewuste ASR met WhisperX en op het Bengaalse corpus gefinetuned Pyannote-diariaisatie, de nauwkeurigheid van transcriptie en sprekeridentificatie in lange, meerspreker-Bengaalse opnames aanzienlijk verbetert.
Dit artikel onderzoekt de relatie tussen kwadratische polariteit en gepolariseerde Fenchel-Young-divergenties via de canonieke Legendre-polariteit, waardoor nieuwe inzichten worden verkregen in de referentiedualiteit van de informatiemeetkunde en een matrixgebaseerde methode wordt geboden voor de efficiënte manipulatie van deze concepten.
Dit artikel onderzoekt de generalisatievermogens van multimodale foundation modellen voor open-set correctieve assistentie in een synthetische omgeving, en concludeert dat performante modellen afhankelijk zijn van diverse datasets die multimodale gronding, defectinferentie en blootstelling aan uiteenlopende scenario's omvatten.
Dit paper introduceert het CAD-framework, een nieuwe methode die instance-entangling in instance-afhankelijk partiële label-leerproblemen aanpakt door intra- en inter-class regulaties te combineren om de klasgrenzen te verduidelijken en de prestaties te verbeteren.
Dit paper introduceert een multilevel trainingsmethode voor Kolmogorov-Arnold-netwerken (KANs) die gebruikmaakt van hun structuur en spline-basisfuncties om de trainingssnelheid en nauwkeurigheid aanzienlijk te verbeteren, met name voor fysisch geïnformeerde neurale netwerken.
Deze paper introduceert MCal, een lichtgewicht post-hoc methode die missingness bias in feature attribution-effecten effectief corrigeert door een eenvoudige lineaire laag te fine-tunen op een bevroren model, waardoor de prestaties concurreren met of zelfs verbeteren op zwaardere bestaande benaderingen.