6057 papers
Dit paper introduceert DARIO, een O-RAN-compliant framework dat Stochastic Network Calculus gebruikt om RIS-apparaten dynamisch toe te wijzen aan gebruikers en zo de vertraging voor vertraagingsgevoelige 6G-toepassingen aanzienlijk verlaagt.
Dit artikel presenteert een framework dat Graph Neural Networks combineert met structureel geoptimaliseerde Model Predictive Control om real-time, nauwkeurige besturing van hoogdimensionale systemen, zoals zachte robots, mogelijk te maken door gebruik te maken van een lineair schaalend condenseringsalgoritme en GPU-parallellisatie.
Het artikel introduceert 3DMedAgent, een unificerend agent-systeem dat bestaande 2D-multimodale grote taalmodellen in staat stelt om complexe 3D-CT-scans stapsgewijs te analyseren door middel van toolgebruik en gestructureerd geheugen, zonder dat specifieke 3D-finetuning vereist is.
Dit paper introduceert OVerSeeC, een zero-shot modulair framework dat natuurlijke taal en satellietbeelden combineert om open-vocabulary kostenkaarten voor autonome navigatie te genereren door entiteiten te interpreteren, te lokaliseren en te synthetiseren.
Dit onderzoek toont aan dat bij post-kwantum sleuteluitwisseling in draadloze netwerken met lage energieconsumptie de communicatiekosten vaak de rekenkosten overtreffen, wat gecoördineerde protocollaire en onderliggende optimalisatie vereist voor een energie-efficiënte kwantumbestendige beveiliging.
Dit paper introduceert ABD, een benchmark voor het testen van grote taalmodellen op hun vermogen om zeldzame uitzonderingen af te leiden in eindige eerste-orde werelden om satisfiability te herstellen, waarbij evaluaties tonen dat hoewel de validiteit hoog is, er nog steeds significant tekort schiet in parsimonie en generalisatie.
Deze paper introduceert een nieuw onderzoeksgebied genaamd Open-Vocabulary Domain Generalization in Semantic Segmentation (OVDG-SS) voor autonome driving, inclusief een benchmark en een nieuwe methode (S2-Corr) die de robuustheid van segmentatiemodellen verbetert in onbekende omgevingen en voor onbekende objectcategorieën door tekst-beeld correlaties te verfijnen.
Deze paper introduceert INDUCTION, een benchmark voor het synthetiseren van concepten in de eerste-orde logica binnen eindige structuren, die modelprestaties evalueert op basis van exacte modelcontrole en formulegrootte om inzicht te krijgen in generalisatiestrategieën.
Dit paper introduceert SKYLIGHT, een schaalbare 3D-fotonische in-memory tensorcore-architectuur die real-time AI-inferentie en lokale zelflerende updates mogelijk maakt met een energie-efficiëntie die aanzienlijk hoger ligt dan die van de NVIDIA RTX PRO 6000 Blackwell GPU.
UniMatch is een semantisch bewust, grof-naar-fijn framework dat door middel van taalgeleiding en contrastief leren dichte semantische correspondenties tussen sterk niet-isometrische 3D-vormen van willekeurige objectcategorieën tot stand brengt zonder vooraf gedefinieerde deelvoorstellen.
Dit paper betoogt dat iCloud Drive faalt door een fundamentele categoriefout waarbij een gedistribueerd causaal grafiek ten onrechte wordt geprojecteerd op een lineaire tijdslijn, wat leidt tot data-corruptie in ontwikkelaarswerkflows en dat soortgelijke epistemische ineenstorting in netwerken kan worden opgelost door de transactionele semantiek van Open Atomic Ethernet.
InfScene-SR is een nieuwe diffusion-gebaseerde methode die willekeurige beeldgroottes super-resolutie mogelijk maakt door middel van een iteratief gezamenlijk ontdeningsproces met Variance-Corrected Fusion en Spatially-Decoupled Variance Correction, waardoor naadloze overgangen worden gegarandeerd en de rekencomplexiteit drastisch wordt verlaagd.
Deze paper introduceert een plug-and-play methode voor data-efficiënte monokulaire 3D-objectdetectie die trainingdata optimaliseert door objecten, scènes en cameraposities online te ontleden en opnieuw te combineren, waardoor overfitting wordt tegengegaan en de prestaties op diverse datasets aanzienlijk worden verbeterd.
Deze paper introduceert een cyclus-consistente afstemmingsframework dat grote diffusiemodellen gebruikt om logo's en hun achtergronden effectief te ontkoppelen door wederzijdse reconstructie en progressieve zelfverbetering.
Dit paper introduceert een trainingsvrij, plug-and-play raamwerk genaamd 'See It, Say It, Sorted' dat visuele hallucinaties in multimodale redenering van LVLMs aanpakt door elke redeneerstap dynamisch te valideren met visueel bewijs, wat leidt tot aanzienlijke verbeteringen in nauwkeurigheid en een reductie van hallucinaties zonder extra training.
Dit paper introduceert ARLArena, een gestructureerd raamwerk voor het analyseren van trainingsstabiliteit in agentic reinforcement learning, en presenteert SAMPO, een nieuwe methode die instabiliteit aanpakt en robuuste prestaties garandeert voor LLM-gebaseerde agenten.
Deze paper introduceert een nieuwe, verenigde aanpak voor semantische en panoptische segmentatie in afbeeldingen en video's, waarbij maskers worden omgezet in discrete tokens via run-length encoding (RLE) en vervolgens autoregressief worden gegenereerd met een aangepast taalmodel.
Dit paper introduceert EmoOmni, een unificerend framework dat met behulp van emotionele Chain-of-Thought (E-CoT) de beperkingen van bestaande Omni-LLMs overbrugt door nauwkeurige emotionele interpretatie en expressie te garanderen, ondersteund door een nieuw dataset- en evaluatiebenchmark.
CryoNet.Refine is een geautomatiseerd, één-staps diffusiemodel dat de verfijning van atomaire structuren op basis van cryo-EM-dichtheidskaarten aanzienlijk versnelt en verbetert ten opzichte van traditionele methoden.
Dit artikel introduceert het concept 'vibe researching' en analyseert hoe AI-agenten met gespecialiseerde vaardigheden, zoals de scholar-skill-plugin, sociale wetenschappers kunnen versterken door repetitieve taken te automatiseren, terwijl ze beperkt blijven in theoretische originaliteit en tacite kennis, wat leidt tot nieuwe professionele uitdagingen en pedagogische crises.