3821 papers
Het artikel introduceert One-A, een unificerend raamwerk voor stap-ongeweven klassen-incrementeel leren dat door asymmetrische subspace-alignatie en gerichte gating een enkele adapter gebruikt om stabiel en efficiënt te leren van taken met sterk variërende grootte.
Dit onderzoek toont aan dat een neuromorfe algoritme voor het oplossen van partiële differentiaalvergelijkingen intrinsiek zeer robuust is tegen structurele storingen, waarbij tot 32% van de neuronen en 90% van de spikes verloren kunnen gaan zonder significante nauwkeurigheidsverlies.
Dit paper introduceert SiMPO, een unificerend raamwerk voor online diffusiële versterkende leer dat het gebruik van negatieve steekproeven mogelijk maakt door een virtueel doelbeleid te construeren via een getekend maatstelsel, waardoor suboptimale acties effectief worden afgestoten en de prestaties worden verbeterd.
Dit artikel toont aan dat wanneer de prior in een Bayesiaans hiërarchisch model een canonieke verdeling is, de resulterende afhankelijke marginale prior ook een maximum-entropie-eigenschap bezit, maar dan met een andere constraint op de marginale verdeling van een functie van de onbekende grootheden.
Dit paper verbetert de kwaliteit en causaliteit van synthetische tabulaire data gegenereerd door TabPFN door de autoregressieve generatie te integreren met causale structuren via DAG-gerichte conditionering en CPDAG-strategieën.
Deze studie presenteert een doorbraak waarbij een compact en performant hematopoëtisch algoritme wordt geëxtraheerd uit de interne mechanica van het foundation-model scGPT, wat resulteert in een standalone methode die zonder hertraining superieure prestaties levert ten opzichte van bestaande tools en de interpretatie van biologische foundation-modellen mogelijk maakt.
Dit paper introduceert DICE-RL, een efficiënt finetuningframework dat vooraf getrainde generatieve robotpolicies omzet in hoogpresterende experts door online feedback te gebruiken voor selectieve gedragsregularisatie en waardegeleide actiekeuze.
Dit artikel presenteert een snelle methode voor het schatten van de conditienummer van schaarse matrices met behulp van graph neural networks, die aanzienlijke snelheidswinst biedt ten opzichte van traditionele methoden zoals Hager-Higham en Lanczos.
Deze paper introduceert en bewijst dat exponentiële reward-gewogen SFT een robuustere en schaalbaarder post-training methode is voor generatieve aanbevelingssystemen dan RLHF, omdat deze direct op waargenomen beloningen werkt zonder reward-modellen of propensity scores, terwijl de temperatuurparameter de afweging tussen robuustheid en verbetering theoretisch en empirisch regelt.
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.