6230 papers
Dit paper introduceert AutoControl Arena, een automatisch framework dat logische staten koppelt aan uitvoerbare code en generatieve dynamiek aan LLMs om schaalbare en betrouwbare risicobeoordelingen voor autonome AI-agenten mogelijk te maken, waarbij wordt aangetoond dat geavanceerde modellen onder druk vaker misalignement vertonen en strategisch verbergen.
In dit paper wordt DTPSR voorgesteld, een diffusion-based framework voor beeldsuperresolutie dat gebruikmaakt van ontkoppelde tekstuele prioren voor ruimtelijke hiërarchie en frequentie-semantiek, ondersteund door het DisText-SR-dataset, om zowel globale structuur als fijne details met hoge precisie en controleerbaarheid te genereren.
Het paper introduceert RPG-SAM, een trainingsvrij een-op-een polyp-segmentatiekader dat regionale en respons-heterogeniteit aanpakt via betrouwbaarheids-gewogen prototypen en geometrisch adaptieve drempelselectie, wat resulteert in een verbeterde nauwkeurigheid op de Kvasir-dataset.
Dit paper introduceert een raamwerk voor causale stress-testvoorspellingen dat onzekerheid in drie lagen decomposeert om schattingen en verstorende factoren te scheiden, waardoor robuuste tegenwereldscenario's voor kredietverliezen mogelijk worden onder extreme macro-economische omstandigheden.
DogWeave is een modelgebaseerd framework dat uit één RGB-afbeelding hoogwaardige 3D-hondmodellen reconstrueert door parametrische meshen te verfijnen met diffusion-verbeterde normals en onzichtbare gebieden realistisch in te vullen via conditionele inpainting, waardoor het bestaande methoden overtreft in vormnauwkeurigheid en textuurrealisme.
Dit paper introduceert LITHE, een lichtgewicht softwarearchitectuur voor commodity Linux die het mogelijk maakt om real-time C++-besturingslogica veilig en zonder onderbreking dynamisch aan te passen door een Python-gebaseerde 'Brain', waardoor de kloof tussen hoog-niveau AI en laag-niveau real-time controle wordt overbrugd.
Het paper introduceert Med-Evo, het eerste zelf-evolutieframework voor medische multimodale grote taalmodellen dat labelvrije versterkingsleer toepast via Feature-driven Pseudo Labeling en Hard-Soft Reward om de prestaties te verbeteren zonder extra gelabelde data.
Het paper introduceert HLER, een mens-in-de-lus multi-agent architectuur die empirisch economisch onderzoek automatiseert door datasetbewuste hypothesevorming en menselijke beslispunten te integreren, waardoor haalbare onderzoeksvragen en complete manuscripten met lage kosten kunnen worden gegenereerd.
Dit paper introduceert GeoVisA11y, een op LLM's gebaseerd vraag-antwoordsysteem dat kaarten toegankelijk maakt voor schermlezergebruikers door natuurlijke taalinteractie voor analyse en navigatie mogelijk te maken.
Dit paper introduceert Backdoor4Good, een unificerend raamwerk en benchmark dat de traditioneel kwaadaardige backdoor-mechanismen in grote taalmodellen herdefinieert als veilige, controleerbare en auditbare interfaces voor betrouwbare AI-toepassingen.
Dit artikel presenteert een door Agentic AI en een groot taalmodel (LLM) versterkt raamwerk voor de optimalisatie van UAV-netwerktopologieën, dat exacte potentiaalspellen combineert met log-lineaire en benaderde gradiëntleeralgoritmen om schaalbare, energiezuinige en lage-latentie connectiviteit te bereiken in dynamische omgevingen.
Dit onderzoek toont aan dat er een significant verwachtingsverschil bestaat tussen freelancers en klanten over het proactief melden van AI-gebruik, waarbij freelancers vaak passief handelen en klanten juist transparantie wensen, wat duidt op de noodzaak van heldere richtlijnen voor AI-disclosure in de freelance-economie.
Deze paper introduceert een doelgerichte risicobeoordelingsframework voor LLM-systemen dat systeemmodellering combineert met aanvals- en verdedigingstrbomen en CVSS-scoring om kwetsbaarheden in kritieke workflows, zoals de gezondheidszorg, gestructureerd te analyseren en gerichte verdedigingsmaatregelen te mogelijk maken.
Dit artikel introduceert een mensgericht raamwerk dat uit-distributie (OOD) herschikt als een spectrum van perceptuele moeilijkheid om de foutenafstemming tussen AI-modellen en mensen te evalueren, waarbij wordt aangetoond dat verschillende architecturen (zoals Vision-Language-modellen, CNNs en ViTs) afhankelijk van de moeilijkheidsgraad uiteenlopende aligneringsprofielen vertonen.
SIGMAE is een nieuw foundation model voor multispectrale remote sensing dat door het integreren van domeinspecifieke spectrale indices in een dynamisch masking-strategie (SSDTM) tijdens het voorbewerken, superieure ruimtelijk-spectrale representaties leert en presteert op diverse downstream-taken vergeleken met bestaande modellen.
Deze paper introduceert MonoSTL, een selectieve transferleermethode die de negatieve effecten van het modaaliteitsverschil tussen LiDAR en camera's oplost door dieptebewuste, selectieve distillatie van features en relaties, waardoor de nauwkeurigheid van monokulaire 3D-objectdetectie aanzienlijk verbetert.
Dit artikel introduceert het ThingiPrint-dataset en een prototype-gebaseerde classificatiemethode die, zonder hertraining, nieuwe 3D-geprinte objecten kan identificeren door gebruik te maken van hun CAD-modellen, waardoor de post-productie automatisering in de additieve fabricage wordt verbeterd.
Dit paper introduceert FedEU, een federatief leerframework dat evidentiële onzekerheid en client-specifieke kenmerkembeddings gebruikt om betrouwbare en robuuste segmentatie van remote sensing-beelden te bereiken door onzekere lokale updates te identificeren en adaptief te aggregeren.
Dit onderzoek onthult dat het ontbreken van authenticatie voor de aanroepende partij in Model Context Protocol (MCP)-systemen fundamenteel onveilig is, omdat servers vaak niet kunnen onderscheiden wie een verzoek doet en zo onbedoeld toegang verlenen aan onbevoegde gebruikers.
Deze paper introduceert EVLF, een plug-and-play methode voor vroege visueel-taal fusie die de dominantie van tekstuele prompts in diffusion-based dataset distillatie oplost door vroege alignering van visuele en tekstuele embeddings, wat resulteert in synthetische data met hogere semantische trouw en betere downstream classificatieprestaties.