6719 papers
Deze paper introduceert In-Context Reinforcement Learning (ICRL), een schaalbaar en data-efficiënt framework dat grote taalmodellen zonder voorafgaande gesuperviseerde fijne afstemming (SFT) leert externe hulpmiddelen effectief te gebruiken door tijdens het trainingsproces geleidelijk van few-shot naar zero-shot prompting over te schakelen.
Dit paper introduceert een methode om synthetische defectbeelden van hoogspanningsisolatoren te genereren met behulp van multimodale grote taalmodellen, waardoor de prestaties van defectdetectiemodellen aanzienlijk verbeteren in scenario's met beperkte realistische trainingsdata.
Dit artikel bepaalt het minimale aantal stenen dat Alice nodig heeft om Bob te weerhouden van het leegmaken van een vakje in een geometrisch spel met lijnarrangementen, en toont aan dat dit aantal voor lijnen in algemene positie evenredig is met .
Het paper introduceert TALON, een adaptief leerframework dat de beperkingen van bestaande hash-gebaseerde methoden voor on-the-fly categorieontdekking overwint door testtijd-adaptatie en semantische prototype-updates te gebruiken, waardoor het model dynamisch nieuwe kennis kan verwerven zonder last te hebben van categorie-explosie.
Hoewel het onderzoek concludeert dat LLM-gebaseerde relevantieoordelen het potentieel hebben om de beperkingen van embedding-achtige systemen te overwinnen door kortzichtigheid te doorbreken, kan dit voordeel niet worden aangetoond met standaard annotatiegegevens omdat deze zelf ook last hebben van dezelfde kortzichtigheid.
Dit paper introduceert een geavanceerde Model Predictive Control-methode die een evenwicht creëert tussen de wendbaarheid van aardobservatiesatellieten en de rekenkracht, door de prestaties van niet-lineaire MPC te combineren met de rekenkundige eenvoud van lineaire MPC.
Dit artikel introduceert M-ABD, een schaalbaar en robuust raamwerk voor het simuleren van grote gearticuleerde systemen dat door het gebruik van lineaire kinematische mapping en een co-rotatiebenadering interactieve snelheden en grote tijdstappen mogelijk maakt op één CPU-kern.
Dit artikel introduceert MRDrive, een open-source gemengde-realiteit-simulatiesysteem dat onderzoekers in staat stelt in-vehicle interfaces te evalueren door een echte voertuigcabine te combineren met een volledig virtueel rijomgeving, waardoor zowel ecologische validiteit als experimentele controle worden geboden.
Dit onderzoek definieert mens-AI-intimiteit op basis van interviews met 30 gebruikers en introduceert het concept van het 'AI-versterkingseffect', waarbij AI als medium fungeert dat de bestaande emotionele toestand van de gebruiker versterkt, met zowel positieve als negatieve gevolgen voor hun welzijn en echte leven.
Dit paper introduceert een nieuwe 'Map-Based AI'-benadering voor object-navigatie die een lokaal, op LoRA gefinetuned Llama-2-model combineert met een hybride topologisch-roosterkaart om semantische zones te infereren en systematische verkenning te optimaliseren, wat leidt tot aanzienlijk betere prestaties dan traditionele reactieve methoden in de AI2-THOR-simulatie.
Dit artikel presenteert een nieuw adaptief visiegebaseerd regelschema voor redundante robots dat taakruimte en nultoestruimte decoupeert om veilige en effectieve samenwerking met mensen in onbekende omgevingen mogelijk te maken, waarbij de stabiliteit wiskundig is bewezen en de prestaties met augmented reality zijn geverifieerd.
Dit paper introduceert DSH-Bench, een uitgebreid benchmark met een hiërarchische taxonomie en een nieuwe consistentiemaatstaf (SICS) om subject-gedreven tekst-naar-beeldmodellen systematisch te evalueren op basis van moeilijkheidsgraad en scenario's, waardoor beperkingen van bestaande modellen worden blootgelegd en gerichte richtingen voor toekomstige verbetering worden geboden.
TrianguLang is een voeding-voorwaartse, pose-vrije 3D-lokalisatiemethode die met behulp van geometrie-bewuste semantische aandacht (GASA) de nauwkeurigheid en geometrische consistentie van objecten en delen in 3D-ruimtes verbetert zonder camera-calibratie, waardoor het toepasbaar is voor interactieve robotica en AR-toepassingen.
Dit paper introduceert PathBench, een unificerend benchmarkkader voor het beoordelen van pathologische spraak met behulp van openbare datasets, waarbij diverse methoden worden vergeleken en een nieuwe referentievrije methode genaamd DArtP wordt voorgesteld die de hoogste correlatie bereikt.
Deze paper introduceert Adaptive MLP Pruning (AMP), een methode die de parameters en FLOPs van grote Vision Transformers met ongeveer 40% vermindert zonder merkbare prestatieverlies door het gebruik van een label-vrije entropie-criterium voor nauwkeurigere neuron-evaluatie en een adaptieve binaire zoekalgoritme voor het bepalen van de pruning-diepte.
Dit onderzoek verkent hoe gebruikers de kwetsbaarheid van vormveranderende interfaces waarnemen en ontwikkelt een raamwerk om deze perceptie te begrijpen en de robuustheid van toekomstige ontwerpen te verbeteren.
Dit artikel introduceert permutatie-matchpuzzels op roosters, karakteriseert de oplosbaarheid ervan via een acyclische voorwaarde, levert een tellende formule voor oplossingen, biedt een lineaire algoritme voor het repareren van onoplosbare gevallen, en toont aan dat de veralgemening met willekeurige permutaties NP-compleet is.
DeReCo is een nieuw decentraliseerd multi-robot leerframework dat representatie- en coördinatielering ontkoppelt via een drie-traps trainingsstrategie, waardoor de sample-efficiëntie en generalisatie voor het samenwerken bij het transporteren van objecten met uiteenlopende vormen en eigenschappen aanzienlijk worden verbeterd.
Dit artikel introduceert SAMoE-VLA, een autonoom rijmodel dat de instabiliteit van bestaande token-gebaseerde MoE-mechanismen oplost door expertselectie te baseren op gestructureerde verkeerscènes en een conditionele cross-modale causale aandachtmechanisme, waardoor het state-of-the-art prestaties bereikt met minder parameters.
Deze paper introduceert UIS-Digger, een nieuw multi-agent framework dat de beperkingen van huidige zoekagenten bij het vinden van niet-geïndexeerde informatie aanpakt door middel van een nieuw benchmark (UIS-QA) en een effectieve oplossing die zelfs superieure prestaties boekt ten opzichte van geavanceerde modellen zoals O3 en GPT-4.1.