3588 papers
Deze paper introduceert een uitlegbaar, bias-bewust generatief model dat cross-modale aandacht, Grad-CAM++-attributie en een 'Reveal-to-Revise'-feedbacklus verenigt om zowel de prestaties als de eerlijkheid en robuustheid van AI-systemen in multimodale en tekstuele toepassingen te verbeteren.
Dit paper introduceert nieuwe absolute clusterindices om de compactheid en scheidbaarheid van clusters te bepalen en zo het optimale aantal clusters in een dataset te identificeren, waarbij de prestaties worden vergeleken met bestaande validatiemethoden.
Dit paper introduceert het Hermite-eigenstructuur-ansatz (HEA), een theoretisch raamwerk dat leercurves voor kernelregressie op realistische datasets voorspelt door uitsluitend gebruik te maken van ruwe datastatistieken, en toont aan dat dit model ook de leerorde van MLP's in het kenmerkleerregime nauwkeurig beschrijft.
Deze paper toont via een unificerende geometrische analyse aan dat Value Iteration, onder de aanname van een uniek en unichain optimaal beleid, zowel in de geval van afgezonderde als gemiddelde beloningen met een geometrische snelheid convergeert die sneller is dan eerdere theorieën suggereerden.
Het artikel introduceert KVTC, een lichtgewicht coderingstechniek die de Key-Value-cache van grote taalmodellen met tot 20 keer comprimeert door decorrelatie, adaptieve kwantisatie en entropiecodering toe te passen, waardoor het GPU-geheugenverbruik aanzienlijk wordt verlaagd zonder in te leveren op de nauwkeurigheid.
Dit artikel introduceert Augmented Time Series Causal Models (ATSCM), een methode die neurale causale ontdekking combineert met contrasterend redeneren om de complexe, dynamische oorzakelijke relaties in energiemarkten te modelleren en scenario's voor hernieuwbare energie te simuleren.
Deze paper introduceert het TNCM-VAE-model, een nieuwe methode die variatie-automatische coderingen combineert met structurele causale modellen om synthetische financiële tijdreeksen te genereren die zowel temporele afhankelijkheden als causale relaties behouden voor verbeterde tegenfeitelijke analyse en risicobeoordeling.
Dit artikel introduceert het DGET-framework, een multi-task learning-architectuur die Graph Neural Networks combineert met Transformers om de resource-allocation in hybride radio-optische IoT-netwerken te optimaliseren, waardoor de doorvoer wordt gemaximaliseerd, de Age of Information met tot 20% wordt verlaagd en de complexiteit van NP-hard optimalisatieproblemen wordt overwonnen.
Dit paper introduceert STREAM-VAE, een variational autoencoder met een dual-path architectuur die langzame drifts en snelle pieken in voertuigtelemetrie expliciet scheidt om de robuustheid en betrouwbaarheid van anomaliedetectie te verbeteren.
Deze paper introduceert een hiërarchisch dubbelstrategisch kader voor selectief vergeten in medische grote taalmodellen dat, door het combineren van geometrisch beperkte gradiëntupdates en conceptbewuste tokeninterventies, specifieke privacygevoelige kennis effectief verwijdert terwijl fundamentele medische competenties behouden blijven en slechts 0,1% van de parameters wordt aangepast.
Het paper introduceert CostNav, een nieuw benchmark voor fysieke AI-agenten dat navigatieprestaties evalueert op basis van realistische economische kosten en inkomsten door gebruik te maken van industriestandaarddata, en onthult dat bestaande methoden voor autonome bezorging nog niet economisch levensvatbaar zijn.
Dit paper introduceert het concept van Partially group-Invariant MDPs (PI-MDPs) en de bijbehorende algoritmen PE-DQN en PE-SAC, die de voordelen van symmetrie-exploitatie in versterkend leren combineren met robuustheid tegen lokale symmetriebreking om zo de sample-efficiëntie en generalisatie in realistische omgevingen te verbeteren.
Dit paper introduceert een co-ontwerpframework dat taakspecifieke robothand-morfologie en bijbehorende dexteriteitscontrolepolities gelijktijdig leert, waardoor het mogelijk wordt om binnen 24 uur een volledig nieuwe, gefabriceerde robothand te ontwerpen, te trainen en in de praktijk te deployen.
Dit paper introduceert AlphaQubit 2, een schaalbare en real-time neurale decoder die voor zowel oppervlak- als kleurencodes bijna optimale foutcorrectie bereikt met een snelheid die geschikt is voor praktische toepassing in fouttolerante kwantumcomputing.
Dit paper introduceert Trio, een innovatief framework dat fragmentgebaseerde taalmodellen, versterkingsleer en Monte Carlo-baanzoek combineert om een gesloten lus voor doelgerichte moleculaire ontdekking te creëren die de binding, geneeskrachtigheid en synthetische haalbaarheid van nieuwe liganden significant verbetert.
Deze paper introduceert en analyseert varianten van random forests die gebaseerd zijn op het principe van maximum risicominimalisatie (MaxRM) om de generalisatie over verschillende omgevingen te verbeteren, waarbij de auteurs efficiënte algoritmen, statistische consistentie en nieuwe out-of-sample garanties bieden.
Dit paper introduceert PvP, een contrastief leerframework dat proprioceptieve en bevoorrechte toestandsinformatie combineert om de steekproeffetheid en prestaties van reinforcement learning voor mensachtige robotbesturing te verbeteren, ondersteund door het nieuwe SRL4Humanoid-evaluatiekader.
Dit artikel introduceert de Pretrained Battery Transformer (PBT), het eerste fundamentele model dat door middel van transfer learning en een mengsel van experts gespecialiseerde kennis leert uit heterogene data, waardoor het de nauwkeurigheid van de voorspelling van de levensduur van batterijen aanzienlijk verbetert over diverse chemieën en omstandigheden heen.
NMIRacle is een tweestaps generatief framework dat IR- en NMR-spectra direct omzet in accurate moleculaire structuren door fragmentrepresentaties te combineren met een spectrale encoder, en hiermee bestaande methoden voor moleculaire opheldering overtreft.
Dit paper introduceert een theoretisch kader dat de 'simplicity bias' in diverse neurale netwerken verklaart door middel van saddle-to-saddle dynamiek, waarbij het aantoont dat gradient descent oplossingen met toenemende complexiteit (zoals hogere rang, meer knikken of meer attention heads) geleidelijk leert via een iteratief proces dat nabij invariante manieren en zadelpunten verloopt.