11383 papers
Dit paper introduceert RefQuery, een schaalbaar en lichtgewicht transfer learning-framework voor niet-intrusieve lastdisaggregatie dat een bevroren model combineert met compacte apparaatvingerafdrukken om nauwkeurige en efficiënte real-time schattingen op randapparaten mogelijk te maken zonder een vast aantal apparaten.
Dit onderzoek introduceert een competitief multi-operator versterkingsleerframework voor autonome mobiliteit-op-vraag-systemen dat, door discrete keuzetheorie te integreren, aantoont dat marktconcurrentie leidt tot lagere prijzen en andere vlootstrategieën dan in monopolistische scenario's, terwijl de agents toch robuuste beleidsregels leren.
Dit paper introduceert een generaliseerde scherpheidsdefinitie op basis van richtingsgladheid die het Edge-of-Stability-fenomeen verklaart voor zowel euclidische als niet-euclidische gradiëntafdalingsoptimalisatoren.
Deze paper introduceert BA-Logic, een methode voor clean-label backdoor-aanvallen op Graph Neural Networks die de voorspellingslogica van het model vergiftigt om de aanvalssuccesratio te verhogen zonder de trainingslabels te wijzigen.
Dit artikel introduceert de CIES-metriek, een wiskundig onderbouwde maatstaf voor de stabiliteit van AI-verklaringen onder data-perturbaties, waarmee bedrijfsbeslissingsystemen een betrouwbaarheidsalarm kunnen krijgen voor de consistentie van hun belangrijkste beslissingsfactoren.
RepoLaunch is een agent die de build- en testpiplines van code-repositories volledig automatiseert voor elke programmeertaal en elk platform, waardoor schaalbare datasets voor software-engineering-taken kunnen worden gegenereerd met minimale menselijke tussenkomst.
Het paper introduceert GELO, een lichtgewicht protocol dat de privacy van LLM-inferentie op gedeelde accelerators waarborgt door per-batch omkeerbare menging toe te passen, waardoor het mogelijk is om geheime states te verbergen tegen geheugenobservatie met slechts een beperkte latency-overschrijding en zonder de outputkwaliteit te verliezen.
Dit artikel introduceert MCEL, een nieuwe verliesfunctie die de robuustheid van gekwantiseerde neurale netwerken tegen bitfouten verbetert door de classificatiemarges te maximaliseren, waardoor de noodzaak voor rekenintensieve training met bitflip-injectie wordt overbodig.
Dit artikel biedt een precieze asymptotische analyse van multi-task learning, waarbij wordt aangetoond dat het combineren van gerelateerde taken effectief werkt als een extra regularisatieterm die de generalisatie verbetert en het dubbel dalingsfenomeen (double descent) uitstelt of vermindert.
Deze paper presenteert een op diep leren gebaseerd raamwerk voor veilige multicarrier ISAC-systemen dat gebruikmaakt van radar-echo's voor gerichte friendly jamming onder onzekerheid in kanaalcondities en zonder kennis van de locatie van afluisteraars, waarbij een compacte neurale netwerkarchitectuur wordt gebruikt om de beveiliging en robuustheid aanzienlijk te verbeteren.
Dit paper introduceert Reward-Conditioned Reinforcement Learning (RCRL), een raamwerk dat een enkele agent traint om een familie van beloningspecificaties te optimaliseren via gedeelde off-policy data, waardoor robuuste en aanpasbare beleidsregels ontstaan zonder de eenvoud van single-task training te verliezen.
Deze paper introduceert een nieuwe synchronisatiegebaseerde clusteringmethode voor data op de eenheidshypersfeer, gebaseerd op het -dimensionale Kuramoto-model, die betere of vergelijkbare resultaten behaalt dan traditionele methoden.
Dit paper introduceert Aura, een universeel raamwerk dat diverse exogene factoren effectief integreert in tijdreeksvoorspellingen voor de luchtvaart, wat leidt tot state-of-the-art prestaties op een groot industriële dataset van China Southern Airlines.
Deze paper introduceert een nieuwe theorie voor on-manifold Shapley-attributie die gebruikmaakt van optimale generatieve stromen om artefacten te elimineren en wiskundig bewezen stabiele, geometrisch consistente verklaringen voor XAI te leveren.
Dit paper introduceert ARC-TGI, een open-source framework voor door mensen gevalideerde generatoren die diverse ARC-AGI-taken met consistente redeneringsketens produceren om overfitting te voorkomen en schaalbare, gecontroleerde benchmarking mogelijk te maken.
Het artikel introduceert BLINK, een trajectgebaseerd recurrente state-space-model dat latent interactiedynamiek leert van gedeeltelijk waargenomen NK-tumor sequenties om cytotoxische uitkomsten te voorspellen en interpreteerbare gedragsmodi te onthullen.
Deze paper introduceert een effectieve twee-fasen leercurriculum voor robotbesturing waarbij taakspecifieke doelen en gedragsaspecten worden ontkoppeld, wat leidt tot betere prestaties en robuustheid vergeleken met directe training op een volledig beloningssysteem.
Dit artikel introduceert FedBCGD en FedBCGD+, twee nieuwe methoden voor federated learning die de communicatiekosten voor grote modellen aanzienlijk verlagen door modelparameters in blokken op te splitsen en slechts specifieke blokken te uploaden, wat leidt tot een -factor lagere communicatiecomplexiteit en snellere convergentie.
Deze paper introduceert SRasP, een nieuw crop-global stijlverstorend netwerk dat via zelf-heroriëntatie en een multi-objectieve optimalisatie de stabiliteit van gradiënten verbetert en de generalisatie in cross-domein few-shot learning versterkt door training te sturen naar bredere minima.
Dit artikel introduceert een door diffusiemodellen geleide bemonsteringsmethode voor gasfase-reactiekinetiek die, getraind op oplossingen van de advectie-reactie-diffusievergelijking, fysisch consistente concentratievelden genereert en uitlaatconcentraties nauwkeurig voorspelt, zelfs voor ongezette parameterwaarden.