6357 papers
Het artikel introduceert RoboRouter, een trainingsvrij kader dat de prestaties van robotmanipulatie verbetert door een pool van heterogene beleidsmodellen intelligent te routeren op basis van semantische taakrepresentaties en historische uitvoeringsgegevens, wat resulteert in aanzienlijk hogere succespercentages dan individuele beleidsmodellen.
Dit artikel introduceert MINT, een raamwerk dat ruimtelijke transcriptomics-supervisie integreert in voorgeprogrammeerde pathologie-Vision Transformers om de moleculaire toestand van weefsel beter vast te leggen en zo de prestaties voor zowel genexpressievoorspelling als algemene pathologietaken te verbeteren.
Het artikel introduceert EveryQuery, een EHR-fundatiemodel dat via task-geconditioneerd pre-training zero-shot klinische voorspellingen mogelijk maakt door direct de waarschijnlijkheid van een uitkomst te schatten op basis van een patiëntgeschiedenis en een gestructureerde query, wat leidt tot aanzienlijke prestatieverbeteringen ten opzichte van autoregressieve baselines, met name voor zeldzame klinische gebeurtenissen.
Dit paper introduceert IOTEL, een tool die systematisch IoT-gegevens integreert in objectgecentreerde gebeurtenislogboeken (OCEL) om de analyse van IoT-verrijkte bedrijfsprocessen te faciliteren.
Dit artikel presenteert een robuuste regelingssynthesemethode voor onzekere lineaire systemen met inputsaturatie binnen het raamwerk van integrale kwadratische beperkingen (IQCs), die door middel van gemengde IQC's en lineaire matrixongelijkheden (LMIs) een verbeterde -prestatie en stabiliteit garandeert ten opzichte van conventionele benaderingen.
Deze studie presenteert een volledig visuele autonomieframework voor robotische bronchoscopie dat, zonder externe tracking, lange- en korte-termijn agenten combineert met een wereldmodel om succesvol te navigeren naar doelgebieden in de luchtwegen.
Dit artikel introduceert een concept-gestuurde Bayesiaanse framework voor zero-shot beeldherkenning die, door concepten als latente variabelen te behandelen en uitbijters te filteren via een trainingsvrije likelihood, de beperkingen van heuristische prompt-engineering overwint en state-of-the-art prestaties bereikt.
Dit artikel introduceert GTEM-LVC, een gestroomlijnd framework voor geleerde videocompressie dat een cascaded Mamba-module met ingebouwde geometrische transformaties en een lokale verfijningsnetwerk combineert om prestaties te verbeteren zonder complexe bewegingsschatting.
Dit artikel introduceert Ares, een framework dat dynamisch het benodigde redeneerniveau per stap van een agent voorspelt om de inferentiekosten aanzienlijk te verlagen zonder de taakprestaties significant te beïnvloeden.
Dit paper introduceert SageSched, een efficiënte planner voor LLM-inferentie die onzekerheid in vraag en hybride reken- en geheugeneisen aanpakt door outputlengtes te voorspellen en een onzekerheidsbewuste schedulingbeleid te hanteren, wat resulteert in een efficiëntieverbetering van meer dan 28,7%.
Dit artikel presenteert een nieuw unmixing-gebaseerd raamwerk voor de super-resolutie van niet-geregistreerde hyperspectrale beelden, dat spectrale en ruimtelijke informatie ontkoppelt en een verfijnd aggregatiemodule gebruikt om state-of-the-art resultaten te bereiken.
De auteurs concluderen op basis van veldexperimenten op GitHub dat het manipuleren van sociale bewijscijfers, zoals sterren en downloads, geen meetbaar effect heeft op de daadwerkelijke downloadaantallen of andere vormen van ontwikkelaarsbetrokkenheid bij Python-pakketten.
Dit paper introduceert RLPR, een robuust framework voor plaatsherkenning dat radar- en LiDAR-data via een tweestaps asymmetrische kruismodale uitlijning combineert om nauwkeurige localisatie in alle weersomstandigheden mogelijk te maken, zelfs zonder bestaande radar-kaarten.
Dit artikel introduceert IMSE, een methode voor testtijdadaptatie die gebruikmaakt van intrinsieke spectrale experts in Vision Transformers door alleen singuliere waarden aan te passen en een diversiteitsmaximalisatieverlies toepast om feature-collapse te voorkomen, waardoor state-of-the-art prestaties worden bereikt met aanzienlijk minder trainbare parameters.
Het paper introduceert SWE-Fuse, een trainingsframework dat software-agenten verbetert door issue-vrije trajecten en entropie-bewuste RLVR-training te combineren om de beperkingen van onnauwkeurige probleembeschrijvingen te overwinnen en aanzienlijk betere oplossingspercentages op de SWE-bench Verified-benchmark te bereiken.
Dit artikel presenteert een trainingsframework voor humanoïde robots dat veilige, omnidirectionele trapbeweging mogelijk maakt door een dichte straffunctie voor onveilige stappen te combineren met een LiDAR-gebaseerd elevatie-mappingssysteem dat wordt verfijnd door een Edge-Guided Asymmetric U-Net.
Deze paper introduceert een hybride Vision Transformer-methode met 2D-positiesche codering en een coverage attention-decoder voor het herkennen van wiskundige expressies, die op de IM2LATEX-100K-dataset een BLEU-score van 89,94 bereikt en daarmee de huidige state-of-the-art-methoden overtreft.
Dit paper introduceert CT-DAP, een cryptografisch framework dat de controle over digitale activa mogelijk maakt via sluimerende autorisatiepaden die alleen worden geactiveerd bij vervulling van specifieke voorwaarden en onmiddellijk kunnen worden ingetrokken door het vernietigen van autorisatiefactoren, zonder permanente sleutelblootstelling of vertrouwde tussenpersonen.
Deze paper introduceert een modulaire, onbewaakte domeinadaptatie-pijplijn die statistische transformaties combineert met Wav2Vec 2.0-embeddings om de generalisatie van audio-deepfake-detectiesystemen over verschillende domeinen te verbeteren zonder gelabelde doelgegevens.
Deze studie toont aan dat het combineren van menselijke correcties met visueel-taalmodellen en grote taalmodellen de nauwkeurigheid van het genereren van TikZ-code uit handgetekende automata-diagrammen aanzienlijk verbetert, wat waardevolle inzichten biedt voor geautomatiseerde beoordeling en toegankelijker onderwijsmateriaal in de informatica.