3797 papers
Dit artikel introduceert VR-SDA-A, een nieuw adaptief algoritme dat variatie-reductie combineert met een krommingsverificatiemechanisme om de 'stochasticiteitsbarrière' te doorbreken en een optimale convergentiesnelheid te bereiken voor stochastische variatie-ongelijkheden zonder handmatige leerstap-aanpassing.
Dit paper introduceert Singular Bayesian Neural Networks, een methode die de parameters van Bayesiaanse neurale netwerken drastisch reduceert door weight matrices te parameteriseren als een product van lage-rang matrices, waardoor een singuliere posterior ontstaat die betere generalisatie, kalibratie en out-of-detection prestaties biedt dan traditionele mean-field benaderingen.
Dit artikel formaliseert de diversiteitsverliesproblematiek bij classifier-free guidance als 'generative distortion', analyseert de overgangsfase waarin deze vervorming optreedt in hoogdimensionale ruimtes met behulp van statistische fysica, en stelt een theoretisch onderbouwde geleidingsstrategie met een negatief-geleidingsvenster voor om dit te mitigeren.
Dit paper toont aan dat hallucinaties in grote taalmodellen een onvermijdelijk gevolg zijn van optimale geheugenefficiëntie bij het testen van lidmaatschap, waarbij beperkte capaciteit het model dwingt om met hoge zekerheid onjuiste feiten te genereren als onderdeel van een verliesbeperkende compressiestrategie.
Dit paper introduceert GVP-WM, een methode die gegenereerde videoplannen grondt in uitvoerbare acties door ze te projecteren op een dynamisch haalbare latente trajectenmanifold via een wereldmodel, waardoor fysieke inconsistenties in zero-shot videoplanning worden opgelost.
Dit artikel onthult dat bij gedecentraliseerde diffusiemodellen de kwaliteit van gegenereerde beelden niet wordt bepaald door numerieke stabiliteit, maar door 'expert-data alignment', waarbij het routeren van invoer naar experts die specifiek zijn getraind op de bijbehorende dataclusters essentieel is voor hoogwaardige resultaten.
Dit artikel introduceert een bandit-gebaseerde aanpak met Contextual Thompson Sampling voor het genereren van gepersonaliseerde oefenreeksen in online wiskundeonderwijs, die op basis van leerlingdata en prestaties gericht zijn op het maximaliseren van vaardigheidsgroei.
Dit artikel bewijst dat de asymptotische spectrale eigenschappen en statistische limieten van asymmetrische rank-één spiked tensormodellen met niet-Gaussisch ruis, mits een vierde moment voorhanden is, universeel zijn en overeenkomen met die van het klassieke Gaussische geval.
Dit paper introduceert BLITZRANK, een principieel framework voor zero-shot ranking dat via een toernooigrafiek en transitieve afsluiting de top- items identificeert met 25-40% minder tokens dan bestaande methoden en tot 7 keer minder dan paarwijze vergelijkingen.
Dit paper introduceert Fine-grained Group Policy Optimization (FGO), een versterkt leer-algoritme dat de inefficiëntie en entropie-inzakking van GRPO oplost en effectieve compressie van Chain-of-Thought-redeneringen mogelijk maakt zonder prestatieverlies.
Het paper introduceert GOT-JEPA, een model-predictief pretrainingsframework dat de generalisatie en robustheid van objecttracking verbetert door het voorspellen van trackingmodellen in plaats van beeldfeatures, aangevuld met OccuSolver voor verfijnde verwerking van occlusies.
Het artikel introduceert LexiSafe, een nieuw offline veiligheidsversterkingsleerframework dat een lexicografische hiërarchie tussen veiligheid en beloning hanteert om veiligheidsdrift te voorkomen en theoretisch onderbouwde prestaties te garanderen voor veiligheidskritieke cyberfysische systemen.
Dit paper introduceert ZACH-ViT, een compacte Vision Transformer zonder positiële embeddings of [CLS]-token die door het verwijderen van vaste ruimtelijke prioren een adaptieve inductieve bias biedt die onder data-scarce omstandigheden in de medische beeldvorming superieure prestaties levert op datasets met zwakke ruimtelijke structuren.
Dit paper introduceert nieuwe benchmarks voor moeilijke constraint satisfaction problemen op basis van statistische fysica en toont aan dat klassieke algoritmen momenteel nog steeds beter presteren dan graph neural networks.
Dit artikel toont aan dat autonome AI-analisten, gebaseerd op grote taalmodellen, op grote schaal de variatie in analytische beslissingen en uiteenlopende conclusies kunnen repliceren die bij menselijke 'many-analyst'-studies worden waargenomen, wat de noodzaak onderstreept van transparante rapportage en volledige openbaarmaking van prompts om selectieve rapportage in de AI-gestuurde wetenschap te voorkomen.
Dit paper introduceert actieve query-methoden om de additieve fout te minimaliseren bij het leren van subadditieve verzamelfuncties, door de onzekerheid tussen minimale en maximale completering van ontbrekende waarden te verkleinen in zowel offline als online scenario's.
Dit onderzoek toont aan dat Meta's OPT-model, wanneer getraind op de BabyLM-dataset, in bijna een derde van de BLiMP-grammaticale tests faalt doordat het vroeg in het trainingsproces vastloopt in persistente, foutieve bias die moeilijk te corrigeren is, een fenomeen dat de auteurs verklaren met de Bigram-hypothese.
Dit paper introduceert CARE, een agentisch raamwerk dat multi-modale medische redenering verbetert door het werkproces te ontleden in gespecialiseerde modules voor visuele gronding en redenering, waardoor de nauwkeurigheid en klinische verantwoordbaarheid van AI-systemen aanzienlijk stijgt.
Dit paper introduceert CFG-Ctrl, een unificerend raamwerk dat Classifier-Free Guidance herinterpreteert als een regeling, en presenteert SMC-CFG, een methode gebaseerd op glijdende-modusregeling die de stabiliteit en semantische nauwkeurigheid van generatieve stromen verbetert door niet-lineaire feedback te gebruiken om de beperkingen van lineaire benaderingen te overwinnen.
Deze studie toont aan dat parameter-efficiënte fine-tuning (PEFT) voor meerdere code-analysetaken tegelijkertijd een uitstekende prestatie-efficiëntiebalans biedt die vaak volledig fine-tuning benadert of zelfs overtreft, terwijl het opslag- en rekencosten aanzienlijk verlaagt en superieur is aan directe prompting van grote open-source modellen.