8464 papers
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.
Dit paper introduceert , een nieuw raamwerk voor kaartloze visuele lokalisatie dat online 3D-reconstructie gebruikt om nauwkeurige positiebepaling in willekeurige omgevingen mogelijk te maken zonder voorafgaande offline verwerking of opslag van scenescenario's.
Dit paper stelt voor dat intelligente, door mensen gecontroleerde AI-agenten, gebaseerd op deep learning en grote taalmodellen, de volgende evolutie van de wetenschappelijke methode vormen om de groeiende kloof tussen datageneratie en -begrip te overbruggen, zoals geïllustreerd door het Dr. Sai-systeem in de deeltjesfysica.
ConnChecker is een geautomatiseerd, grafgebaseerd hulpmiddel dat de root-cause-analyse voor formele connectiviteitscontrole in complexe SoC-ontwerpen versnelt door tegenvoorbeelden te categoriseren en debugtijd tot 80% te reduceren.
Dit artikel biedt de eerste formele specificatie van de Li-Chao-boom, inclusief volledige algoritmische beschrijvingen, correctheidswijzen, theoretische complexiteitsanalyse en empirische prestatiekenmerken, waarmee het een definitieve referentie wordt voor deze datastructuur die tot nu toe vooral bekend was uit de competitieve programmering.
Het RAPID-framework verbetert de edge-cloud inferentie voor diverse Vision Language Action-modellen door redundante taken te identificeren en compatibiliteit te optimaliseren, wat resulteert in een snelheidswinst tot 1,73x met slechts 5-7% overhead.
Dit paper introduceert DMRAL, een nieuw raamwerk dat door middel van vraagontleding, een tabelrelatiegrafiek en een coverage-bewuste retriever complexe numerieke vragen over grote verzamelingen tabellen effectiever beantwoordt dan bestaande methoden.
Dit paper introduceert VisualAD, een taalvrij zero-shot anomaliedetectiemodel dat puur op Vision Transformers vertrouwt door middel van leerbare tokens en speciale modules om state-of-the-art prestaties te bereiken zonder de complexiteit van vision-language modellen.
Dit artikel introduceert het concept 'zin voor desinformatie' (sense of misinformation), waarbij burgers onterecht informatie als vals ervaren, en illustreert aan de hand van een casestudie over een casino-aanvraag hoe dit fenomeen door slechte coördinatie en communicatie vertrouwen en lokale democratie kan ondermijnen.