6109 papers
Deze paper introduceert een nieuwe hiërarchische aanpak die imitatie- en versterkingslering combineert om agenten met heterogene doelen te leren bepalen wanneer samenwerking vruchtbaar is en wanneer zelfstandig handelen beter is, waarbij een extra component voor het modelleren van teamgenoten effectiever blijkt naarmate er minder informatie over hun doelen beschikbaar is.
Dit paper introduceert VASR, een nieuw model voor contextbewuste spraakherkenning dat gebruikmaakt van Audio-Visual Chain-of-Thought om rijke visuele context te redeneren en zo de prestaties te verbeteren door het probleem van eenzijdige modale dominantie aan te pakken.
Dit paper introduceert een kinematica-bewust latente wereldmodel dat voertuigkinematica en geometrische supervisie integreert in het RSSM-framework om de data-efficiëntie en prestaties van autonoom rijden te verbeteren door fysisch betekenisvolle langetermijnvoorspellingen mogelijk te maken.
Deze review biedt een eerste uitgebreide analyse van netwerkbewuste modellering, optimalisatie en besturing voor geïntegreerde energiesystemen, waarbij de nadruk ligt op het overbruggen van methodologische beperkingen en het definiëren van toekomstige onderzoekrichtingen voor schaalbare, efficiënte en koolstofarme energievoorziening.
Deze paper introduceert 'trace inversion'-modellen die, ondanks het ontbreken van openbare redeneertraces, gedetailleerde synthetische traces kunnen genereren uit antwoorden en samenvattingen, waardoor het mogelijk is om de redeneercapaciteiten van een model te 'stelen' en de prestaties van andere modellen aanzienlijk te verbeteren.
Dit paper introduceert schets-georiënteerde databases, een categorisch raamwerk dat databaseparadigma's en -schema's formaliseert als eindige limiet-schetsen en set-waardige modellen, en daarbij functies zoals paden en modulaire samenstelling behandelt via lokale inferentieregels en stuttering-schetsen.
AutoDataset is een lichtgewicht, geautomatiseerd systeem dat nieuwe datasets real-time ontdekt door arXiv-papers te monitoren en te analyseren, waardoor de tijd die onderzoekers nodig hebben om nieuwe datasets te vinden met tot 80% wordt verkort.
VisualDeltas is een lichtgewicht voorkeursleerframework dat supervisie ontleent aan visuele kwaliteitsvariaties in multimodale data, waardoor het zonder menselijke annotaties effectieve voorkeurssignalen genereert en consistent betere prestaties levert dan traditionele afwijzingssteekproef-finetuning.
Dit artikel toont aan dat een algoritme voor het oplossen van willekeurige instanties van een niet-modulaire variant van het Short Integer Solution-probleem over de gehele getallen, leidt tot een polynomiale tijd-algoritme voor het benaderen van het SIVP-probleem in het worst-case scenario voor elke -dimensionale rooster.
Dit onderzoek toont aan dat het toevoegen van interactieve componenten aan door LLM's gegenereerde scaffolding de betrokkenheid en het korte-termijnleerresultaat van studenten verbetert ten opzichte van passief consumeren.
Dit paper introduceert LLM-FK, een geautomatiseerd multi-agent framework dat de detectie van ontbrekende foreign keys in grote, complexe databases aanzienlijk verbetert door de zoekruimte te optimaliseren en semantische afhankelijkheden nauwkeurig te modelleren, wat resulteert in een F1-score van boven de 93% en een prestatieverbetering van 15% ten opzichte van bestaande methoden.
Dit paper introduceert een nieuwe methode die backtracking en substitutie combineert om aan te tonen dat de bilineaire complexiteit van het vermenigvuldigen van $3 \times 3\mathbb{F}_2$ minimaal 20 is, waarmee een langdurig lagergrensrecord van 19 wordt verbeterd.
Deze empirische studie toont aan dat deployment-constraints de hallucinatie van citaten in LLMs verergeren, waarbij geen enkel getest model een verificatiepercentage van 47,5% bereikte en een aanzienlijk deel van de niet-verifieerbare citaten gefabriceerd bleek te zijn.
Deze studie introduceert BD-VITON, een nieuwe dataset voor virtuele passen van traditionele Bangladeshi kleding zoals saree's en panjabis, en toont aan dat het herbekijken en evalueren van bestaande modellen op deze dataset leidt tot significante verbeteringen ten opzichte van zero-shot inferentie.
Dit paper introduceert een rangschikking-gebaseerde methode voor het optimaliseren van de leveringsrate in gecodeerde caching onder niet-uniforme vraag, die beter presteert dan eerdere benaderingen door bestanden te groeperen op basis van relatieve vraagverschillen in plaats van exacte populariteitsschattingen, wat vooral voordelig is bij beperkte opslag, weinig gebruikers of verstoord leerproces.
Dit paper introduceert MAviS, een multimodaal conversatie-assistent voor vogelsoorten dat bestaat uit een uitgebreide dataset, een chat-model en een benchmark, en waarmee state-of-the-art resultaten worden behaald voor gedetailleerd begrip en vragenbeantwoording over vogelsoorten in ecologische toepassingen.
Dit artikel stelt een modulaire architectuur voor voor perceptuele AI die is geïnspireerd op de menselijke cortex om interpretatie, compositie en robuustheid te verbeteren door gespecialiseerde modules te gebruiken die communiceren via hiërarchische voorspellende feedbacklussen.
Dit artikel introduceert een trainingsgerichte aanpak die adversarial training combineert met een lichtgewicht feature-map smoothing-blok om ruwe, onstabiele saliëntiekaarten om te zetten in betrouwbare, schaarse en stabiele visualisaties die door mensen als meer waardevol worden ervaren.
Het paper introduceert Tursio, een veilige, on-premises zoekplatform voor kredietunies dat natuurlijke taalverwerking en geautomatiseerde contextgrafen gebruikt om complexe databasestructuren om te zetten in accurate en conforme query's.
Deze studie toont aan dat bij het verifiëren van feiten door gebruikers van grote taalmodellen voornamelijk de juistheid van de redenering en de zekerheidsindicatie de vertrouwen en besluitvorming bepalen, terwijl de presentatiemethode minder invloed heeft.