11557 papers
Dit artikel introduceert een methode voor contextbiasing die gebruikmaakt van correcties op vervangingsfouten tijdens inferentie om de herkenning van woorden met een mismatch tussen uitspraak en spelling te verbeteren, wat resulteert in een significante vermindering van de woordfouten voor deze specifieke termen zonder de algehele prestaties te beïnvloeden.
Meta FAIR introduceert UMA, een familie van universele modellen voor atomen die, getraind op een half miljard unieke 3D-atoomstructuren met een innovatieve 'mixture of linear experts'-architectuur, ongefinetuned prestaties leveren die vergelijkbaar zijn met of beter zijn dan gespecialiseerde modellen, waardoor ze een krachtige en snelle oplossing bieden voor diverse toepassingen in de chemie en materiaalkunde.
Dit paper introduceert UQLM, een Python-pakket dat state-of-the-art onzekerheidskwantificatietechnieken gebruikt om hallucinaties in grote taalmodellen te detecteren en zo de betrouwbaarheid van hun output te vergroten.
Dit artikel introduceert Q-SVMPC, een nieuwe aanpak die Model Predictive Control combineert met Stein-variële inferentie en een RL-geïnformeerde prior om diverse en robuuste trajecten te genereren zonder afhankelijk te zijn van nauwkeurige dynamische modellen of handmatige kostenfuncties.
Dit paper introduceert Fast Equivariant Imaging (FEI), een nieuw onbewaakt leerframework dat door middel van de vermenigvuldigers van Lagrange en hulpmiddelen voor PnP-denoising een tienvoudige versnelling en verbeterde prestaties bereikt bij het trainen van diepe beeldvormingsnetwerken zonder grondwahrheid.
Deze paper introduceert een onzekerheidsbewust, probabilistisch raamwerk voor spraakscheiding en -verbetering dat een neurale netwerkarchitectuur met vroegtijdige exits mogelijk maakt, waardoor de rekenefficiëntie op heterogene apparaten dynamisch kan worden aangepast zonder in te leveren op de reconstructiekwaliteit.
Deze studie onthult dat grote taalmodellen nieuwe taken leren via in-context learning door een mechanisme genaamd 'functie-inductie' te gebruiken, waarbij meerdere attention heads parallel werken om abstracte functies zoals een 'off-by-one' optelling te generaliseren en te hergebruiken in diverse andere taken.
Dit artikel bewijst dat de eindig-dimensionale verdelingen van diepe neurale netwerken met willekeurig geïnitialiseerde gewichten en Lipschitz-activatiefuncties, in de limiet van oneindige laagbreedtes, worden benaderd door een Gaussische verdeling met expliciete convergentiesnelheden in de Wasserstein-1-norm.
Dit paper introduceert Poker, een nieuw zelftoezichtend ILP-systeem dat zonder vooraf gedefinieerde achtergrondtheorie of negatieve voorbeelden recursieve logica-programma's kan leren door automatisch nieuwe voorbeelden te genereren en te labelen, wat leidt tot betere generalisatie dan bestaande systemen zoals Louise.
Dit artikel introduceert een evaluatiemethodologie voor tijdsreeksen die rekening houdt met effectieve steekproefgrootte in plaats van ruwe lengte, en biedt generalisatiegaranties voor Temporal Convolutional Networks die aantonen dat sterkere temporale afhankelijkheid de generalisatiekloof kan verkleinen wanneer deze correct wordt genormaliseerd.
Dit paper introduceert ObfusQAte, een nieuw raamwerk met de ObfusQA-benchmark om de kwetsbaarheid van grote taalmodellen voor hallucinaties en falen te evalueren wanneer ze geconfronteerd worden met verduisterde feitelijke vragen.
Deze paper introduceert Subsampling Factorization Machine Annealing (SFMA), een algoritme dat door het trainen van een Factorization Machine op een gesubsampleerde dataset de exploratie-exploitatie-balans verbetert, waardoor het sneller en nauwkeuriger is dan de standaard FMA en schaalbaar wordt voor grote black-box optimalisatieproblemen met lage rekenkosten.
Deze studie concludeert dat Quantum Generative Adversarial Networks (QGANs) met pure-staat generatoren fundamenteel kampen met generalisatieproblemen en slechts naar een gemiddelde representatie van de trainingsdata convergeren, een beperking die theoretisch wordt onderbouwd door een ondergrens voor de discriminatorkwaliteit.
Dit artikel introduceert Zono-conformale voorspelling, een nieuwe methode die zonotopen gebruikt om in plaats van intervallen afhankelijke onzekerheidssets te genereren voor regressie- en classificatietaken, wat resulteert in minder conservatieve voorspellingen met gegarandeerde dekking via een efficiënt lineair programmeringsprobleem.
Dit conceptpapier introduceert het Adaptive Quantized Planetary Crater Detection System (AQ-PCDSys), een architectuur die kwantiseringsbewuste training en adaptieve multi-sensorfusie combineert om robuuste kraterdetectie mogelijk te maken binnen de strenge rekenkracht- en energiebeperkingen van ruimtevaartcomputers.
Dit artikel bespreekt de huidige geavanceerde methoden voor het beoordelen van de prestaties van generatieve AI-toepassingen in de gezondheidszorg, waarbij wordt ingegaan op de beperkingen van kwantitatieve benchmarks en de opkomende belangstelling voor evaluatiestrategieën die gebruikmaken van menselijke expertise en kosteneffectieve computermodellen.
QDFlow is een open-source Python-pakket dat realistische synthetische data voor quantumdot-apparaten genereert met behulp van fysische simulaties, waardoor de ontwikkeling en benchmarking van machinelearning-algoritmen voor de kalibratie en bediening van deze apparaten wordt versneld.
Deze paper introduceert ActiSeg-NL, het eerste benchmark voor actiegerichte videosegmentatie onder labelruis, en stelt een robuustheidsanalyse en een Parallel Mask Head Mechanism (PMHM) voor om de impact van onnauwkeurige tekstprompts en maskergrenzen op embodied intelligence te mitigeren.
Dit artikel introduceert Nested Subspace Networks (NSNs), een nieuw architecturaal paradigma dat het mogelijk maakt om grote taalmodellen dynamisch en continu aan te passen aan verschillende rekentijd-begrotingen tijdens de inferentie, waardoor een flexibele afweging tussen prestaties en efficiëntie wordt bereikt zonder de noodzaak van het trainen van meerdere aparte modellen.
Dit paper introduceert AxelGNN, een innovatieve Graph Neural Network-architectuur die is gebaseerd op Axelrod's culturele verspreidingsmodel om de uitdagingen van oversmoothing en heterogene relaties op te lossen door gelijktijdig homofiele en heterofiele grafen te verwerken.