11899 papers
Dit artikel introduceert BumpNet, een efficiënt en nauwkeurig raamwerk voor het oplossen van partiële differentiaalvergelijkingen en operatorleren, dat gebruikmaakt van een schaarse MLP-architectuur met volledig trainbare sigmoid-basisfuncties en universaliteit bewijst voor zowel functies als operatoren.
Dit artikel introduceert een volledig online algoritme voor distributioneel robuust versterkend leren met algemene functiebenadering dat, zonder afhankelijkheid van vooraf verzamelde data, robuuste beleidslijnen leert via interactie en sublineaire regret-garanties biedt op basis van de robuuste Bellman-Eluder-dimensie.
Dit paper introduceert OASI, een methode voor multi-objectieve Bayesiaanse optimalisatie die surrogate-modellen initialiseert met Pareto-biasseerde oplossingen om memory-feasible keyword-spotting-modellen voor TinyML-apparaten efficiënter te vinden dan bestaande methoden.
Dit artikel toont aan dat versterkt leren met verifieerbare beloningen (RLVR) de generalisatie van causale redenering bij grote taalmodellen verbetert ten opzichte van toezichtsfine-tuning, maar dat dit succes afhankelijk is van een voldoende initiële redeneercompetentie van het model.
Dit artikel introduceert het eerste deterministische iteratieve algoritme voor het construeren van een -coreset dat een -subruimte-inbedding garandeert voor elke , waarbij logaritmische factoren in de grootte van de coreset worden verwijderd om een optimale en deterministische oplossing te bieden voor -regressieproblemen.
Dit paper introduceert DevRev-Search, een benchmark en een schaalbaar framework voor multi-tenant zoeksystemen dat gebruikmaakt van een volledig geautomatiseerd datasetbouwpipeline en een indexbehoudende aanpassingsstrategie om alleen de query-encoder te finetunen, waardoor effectieve domeinadaptatie mogelijk wordt zonder kostbare herschrijving van documentindices.
Deze paper introduceert de Measurement-Consistent Langevin Corrector (MCLC), een theoretisch onderbouwde module die de stabiliteit van latent diffusion modellen voor inverse problemen verbetert door de discrepantie tussen de solver-dynamica en de stabiele reverse diffusion-dynamica te verkleinen via meting-consistente Langevin-updates.
Dit onderzoek presenteert een geautomatiseerde, end-to-end pijplijn voor de detectie van cervicale wervelfracturen die gebruikmaakt van een multi-stadium projectie-aanpak om 3D-structuren via geoptimaliseerde 2D-projecties te benaderen, waardoor de dimensionale complexiteit wordt verminderd terwijl diagnostische prestaties worden behaald die vergelijkbaar zijn met die van expert-radiologen.
Deze paper introduceert een statistisch kader dat aantoont dat synthetische augmentatie niet altijd helpt bij onbalans, en stelt een gevalideerde methode voor om de optimale hoeveelheid synthetische data te bepalen op basis van de generatornauwkeurigheid en de lokale asymmetrie van de data.
SpecBridge is een nieuw raamwerk dat tandem-massaspectrometrie en moleculaire representaties koppelt door een zelftoezichtspectrale encoder af te stemmen op de ingevroren latentruimte van een moleculair foundation-model, wat leidt tot aanzienlijk betere identificatie van kleine moleculen met weinig trainingsparameters.
Dit paper introduceert LeanTutor, een proof-of-concept systeem dat de kracht van Large Language Models en theorem provers combineert om een AI-gedreven wiskundige bewijstutor te creëren die zowel natuurlijk taalverkeer als wiskundige correctheid garandeert, geëvalueerd met de nieuwe PeanoBench-dataset.
Dit paper introduceert NRR-Phi, een formeel raamwerk dat natuurlijke taal omzet in een niet-collabserende toestandsruimte om de vroegtijdige semantische vastlegging in grote taalmodellen te voorkomen en zo meerdere interpretaties van ambiguïteit gelijktijdig te behouden.
Dit paper introduceert 'Least-Privilege Language Models' en een nieuw deployment-paradigma dat, in plaats van alleen output te controleren, de interne berekeningscapaciteit van taalmodellen tijdens de inferentie dynamisch en reversibel beperkt via een monitor-allocator-enforcer-stack en Nested Least-Privilege Networks.
NeuroPareto is een geïntegreerd architectuur dat geavanceerde filtertechnieken, onzekerheidsontkoppeling en een online getraind acquisitienetwerk combineert om efficiënt optimale oplossingen te vinden in complexe, veel-doel optimalisatieproblemen met hoge rekentijd, wat resulteert in superieure prestaties vergeleken met bestaande methoden.
Dit artikel presenteert een consensus-Bayesiaans raamwerk dat gebruikmaakt van opinie-dynamica en Bayesiaanse scoringsmechanismen om kwaadaardige activiteiten in enterprise-directorytoegangsgrafa's te detecteren door structurele afwijkingen en logische inconsistenties te identificeren.
Dit paper introduceert HealthMamba, een onzekerheidsbewust spatiotemporale graf-state-space-model dat de voorspelling van bezoeken aan zorgfaciliteiten verbetert door ruimtelijke afhankelijkheden te modelleren en betrouwbare voorspellingen te leveren tijdens noodsituaties.
Dit paper introduceert REAL, een nieuw framework dat verifieerbare beloningen herkijkt als classificatielabels in plaats van scalair gewichten om de inefficiënties van bestaande RLVR-methoden zoals GRPO te verhelpen en zo de prestaties en stabiliteit van taalmodellen op wiskundige redeneertaken aanzienlijk te verbeteren.
Het paper introduceert SureLock, een methode die de rekenkosten van Masked Diffusion-LM-decodering aanzienlijk verlaagt door tokens die al zijn geconvergeerd te vergrendelen en hun bijdrage aan de berekening over te slaan, terwijl hun context voor andere tokens behouden blijft.
Dit artikel presenteert een uitgebreid onderzoek naar verschillende PDE-oplossers, waarbij het CNF-framework wordt uitgebreid naar niet-lineaire en gekoppelde scenario's voor het oplossen van voorwaartse en inverse problemen, evenals het ontdekken van vergelijkingen, ondersteund door implementaties, zelftuningtechnieken en een grondige survey.
Dit artikel bestudeert de homologie van ruime groepoïden via het Moore-complex met compacte drager, bewijst een universele coëfficiëntenstelling voor discrete coëfficiënten, identificeert obstakels voor niet-discrete coëfficiënten en leidt een Mayer-Vietoris-sequentie af voor expliciete berekeningen.