2286 papers
Dit artikel toont aan dat op LLM gebaseerde conceptmapping-systemen fouten door over-alignment op niet-mappable termen aanzienlijk kunnen verminderen door kandidaat-sets te structureren in vergelijkbare en uitsluitbare formaten, een ontwerpprincipe dat effectiever blijkt dan simpelweg het juiste antwoord verstrekken of de retrieval verbeteren.
Dit artikel introduceert AMODD, een door ML versterkte pipeline die lichtgewicht semantische embeddings gebruikt om redundante documentsecties te dedupliceren en grafiekentiteiten te clusteren, wat het verbruik van LLM-tokens en de latentie voor de constructie van kennisgrafieken aanzienlijk vermindert terwijl de hoge kwaliteit van retrieval behouden blijft.
Dit artikel presenteert de ontwikkeling en pilotvalidatie van een door AI ondersteund zelfoefensysteem voor de erhu dat optische muziekherkenning, toonhoogtetracking en dynamic time warping integreert om partituur-uitgelijnde feedback te bieden, waarbij een sterke correlatie met expertbeoordelingen en een hoge bruikbaarheid onder conservatoriumstudenten wordt aangetoond.
Dit artikel introduceert "Possibility Ethics", een conceptueel-computationeel kader dat sociotechnische systemen evalueert door hun impact op ethisch aanvaardbare toekomstige mogelijkheden te kwantificeren via een nieuwe metriek genaamd Option Entropy, geïmplementeerd in de Omega-PE toolkit om distributieve kansverliezen te onthullen die vaak over het hoofd worden gezien door geaggregeerde maten.
Dit artikel stelt een nieuw Reinforcement Learning-ondersteund A-Teams hyper-heuristisch framework voor dat de realtime routeoptimalisatie voor collaboratieve UAV-UGV-systemen aanzienlijk versnelt, waarbij bijna optimale oplossingen 30–70% sneller levert dan bestaande methoden en tegelijkertijd effectief aanpasbaar is aan dynamische omgevingsveranderingen.
Het artikel stelt JK-DHGNN voor, een dual-view framework dat een Top- dynamische hypergraafgenerator, Jacobi spectrale filtering en een op Jacobi-polynomen gebaseerde classifier integreert om effectief financiële en e-commerce fraude te detecteren door zowel paargewijze relaties als hogere-orde affiliaties te modelleren, waarbij superieure prestaties worden behaald op de YelpChi- en Amazon-datasets terwijl de dataset-afhankelijke effectiviteit van de componenten wordt aangetoond.
Dit artikel introduceert een lichtgewicht, post-hoc Boundary-Refinement Module (BRM) die de nauwkeurigheid van biomedische naamherkenning van entiteiten aanzienlijk verbetert door grensfouten te corrigeren zonder bestaande correcte voorspellingen te verslechteren, waardoor de stabiliteit van downstream relatieextractie wordt verbeterd terwijl er minimale computationele middelen nodig zijn.
Dit artikel introduceert ChaosEntropyGate v2 (CEG-2), een begrensde, leerbare onzekerheidsgatingmechanisme gekoppeld aan een feature-augmentor die, hoewel het de op deep learning gebaseerde malwaredetectie in specifieke regimes bescheiden verbetert en eerdere instabiliteitsproblemen corrigeert, uiteindelijk bevestigt dat afgestemde boomensembles de meest robuuste en kosteneffectieve oplossing blijven voor deze taak.
Dit artikel evalueert en vergelijkt de prestaties van Random Forest, XGBoost en Temporal Convolutional Network-modellen voor het voorspellen van de resterende levensduur van lithium-ionbatterijen, waarbij de praktische inzetbaarheid en effectiviteit ervan op de Coral Dev Board voor preventief onderhoud in elektrische voertuigen wordt aangetoond.
Het artikel introduceert APOSM, een active-learning framework dat het ontwerp van kleine moleculen verbetert door een graph neural network surrogaat te trainen op paarwijze moleculaire vergelijkingen in plaats van op absolute scores, waardoor de doelbereikking en de bemonsteringsefficiëntie in ruisgevoelige screeningsregimes aanzienlijk worden verbeterd.