3248 papers
Deze paper introduceert ADMM-PnP met een AC-DC-ontruisingsmechanisme om de convergentie en prestaties van score-gebaseerde generatieve modellen in ADMM voor inverse problemen te verbeteren door een driestapsaanpak die de mismatch tussen trainingsmanifolden en iteraties oplost.
Dit paper introduceert een interpreteerbare 'hoekscore' gebaseerd op de gegeneraliseerde singuliere waardenontbinding (GSVD) om individuele steekproeven te diagnosticeren en te bepalen of ze beter worden verklaard door het ene of het andere dataset-geometrische model.
Het artikel introduceert Copula-ResLogit, een nieuw interpreteerbaar kader dat ResNet-architecturen en copula-modellen combineert om ongemeten verstorende factoren in reisvraaganalyses te detecteren en te corrigeren.
Dit artikel introduceert MultiwayPAM, een nieuwe tensor-clusteringmethode die de rekentijd en inherent bias van LLM-as-a-Judge-evaluaties vermindert door gelijktijdig clusterleden en medoïden te schatten voor vragen, antwoordgevers en beoordelaars.
Dit onderzoek toont aan dat kwantumverstrengeling in een hybride agent voor het spel Pong leidt tot superieure prestaties in competitieve versterkende leeromgevingen door het leren van structureel verschillende en effectievere representaties van interacterende staten.
Dit artikel introduceert HyMEM, een hybride, zelfevoluerende gestructureerde grafgeheugenarchitectuur die open-source GUI-agents aanzienlijk verbetert door multi-hop-retrieval en dynamische updates mogelijk te maken, waardoor zelfs kleinere modellen presteren die concurreren met of superieur zijn aan geavanceerde gesloten modellen.
Het artikel introduceert GaLoRA, een parameter-efficiënt framework dat structurele informatie integreert in grote taalmodellen om de prestaties van knoopclassificatie op tekst-geattribueerde grafen te verbeteren met slechts 0,24% van de parameters die nodig zijn voor volledige fine-tuning.
Dit paper introduceert een regimewaakzaam in-context leerframework dat voorgeprogrammeerde grote taalmodellen gebruikt om financiële volatiliteit te voorspellen door historische patronen te redeneren en voorspellingen dynamisch aan te passen aan veranderende marktomstandigheden zonder parameterfine-tuning.
Dit onderzoek introduceert een zoekprocedure om bijna-optimale leerplansvormen te vinden en toont aan dat hoewel warmup en decay robuuste kenmerken zijn, veelgebruikte schema's niet optimaal zijn en dat gewichtsdecay een sterke invloed heeft op de ideale vorm.
Deze paper introduceert een flexibele steekproefmethode met stochastische beam search voor gemaskeerde taalkundige modellen die, zoals blijkt uit uitgebreide in silico en in vitro tests op antilichamen, minstens zo belangrijk is voor het optimaliseren van biologische eigenschappen als de keuze van het model zelf.
Dit paper introduceert data-gedreven integratiekernels als een interpreteerbaar raamwerk dat niet-lokale operatorlearning voor klimaatprocessen structureert door niet-lineaire interacties te beperken tot geïntegreerde kenmerken, wat leidt tot modellen met minder parameters en betere interpretatie zonder in te leveren op voorspellingskwaliteit.
NasoVoce is een neusgemonteerd interface dat door het fusioneren van akoestische en trillingssignalen een robuuste, onopvallende en altijd beschikbare spraakinteractie met AI mogelijk maakt, zelfs bij fluisterende spraak in lawaaierige omgevingen.
Deze paper introduceert FairFAL, een adaptief framework voor federatief actief leren dat de prestaties verbetert onder extreme non-IID-omstandigheden en globale klasse-ongelijkheid door een slimme selectie tussen lokale en globale query-modellen, prototypegestuurde pseudo-labeling en een gebalanceerde bemonsteringsstrategie.
Deze paper introduceert een nieuwe ondergrens en het -algoritme voor het identificeren van de beste arm in niet-stationaire lineaire bandieten, waarmee de complexiteit voor willekeurige armsets wordt vastgesteld en de eerder te pessimistische, dimensie-afhankelijke ondergrens wordt overtroffen.
Dit paper introduceert HEAL, een RL-vrij raamwerk dat het 'lerend vermogen' van kleinere modellen verbetert door middel van een curriculum dat gebaseerd is op de Zone van de Naaste Ontwikkeling en gebruikmaakt van entropy-gestuurde herstelmechanismen om de beperkingen van traditionele distillatie te overwinnen.
Dit artikel introduceert Causal Concept Graphs, een methode die sparse autoencoders en differentieerbare structuurlerning combineert om causale relaties tussen concepten in de latent ruimte van taalmodellen te visualiseren en te manipuleren voor verbeterde stapsgewijze redenering, wat resulteert in een significant hogere Causal Fidelity Score dan bestaande technieken.
Dit paper introduceert een nieuwe schaalwet voor Mixture-of-Experts-modellen die een optimale machtsverhouding tussen expert- en attentie-berekeningen definieert, waardoor efficiëntere modelontwerpen mogelijk zijn binnen vaste rekenbudgetten.
Dit paper introduceert een variantiebewuste adaptieve wegingsstrategie die de onbalans in de trainingsdynamiek van diffusiemodellen over verschillende ruisniveaus oplost, wat resulteert in stabielere optimalisatie en verbeterde generatieve prestaties op CIFAR-10 en CIFAR-100.
Dit paper introduceert Graph-GRPO, een online reinforcement learning-framework dat grafstroommodellen effectief traint door een analytische uitdrukking voor transitiekansen te gebruiken en een verfijningstrategie voor lokale exploratie, wat leidt tot state-of-the-art prestaties in grafgeneratie en moleculaire optimalisatie.
Dit paper analyseert de leer-dynamiek van twee-laags lineaire netwerken getraind met labelruis-SGD en onthult een tweefasig proces waarbij de ruis de overgang van het 'lazy' naar het 'rich' regime drijft, wat de verbeterde generalisatie empirisch verklaart.