3462 papers
Dit paper introduceert Adaptive Tamaraw, een adaptief framework dat website fingerprinting-aanvallen effectief tegengaat door tracepatronen te clusteren en paddingparameters dynamisch aan te passen, waardoor de beveiliging met bewijsbare garanties wordt gecombineerd met een tot 99% lagere overhead ten opzichte van de klassieke Tamaraw-methode.
Dit paper introduceert BLAST, een tool die grote taalmodellen en zoekgebaseerde softwaretesten combineert om automatisch tests te genereren die bugs reproduceren, wat in een evaluatie 35,4% succes opleverde en in een praktijkexperiment met een GitHub-bot leidde tot het succesvol aanreiken van dergelijke tests aan ontwikkelaars.
Het artikel introduceert CoRe-GS, een coarse-to-refine raamwerk voor semantische Gaussian Splatting dat de reconstructietijd en -kwaliteit voor robottoepassingen verbetert door zich te focussen op specifieke objecten van belang in plaats van de volledige scène uniform te optimaliseren.
Deze paper presenteert de eerste grootschalige empirische studie naar het gebruik van drijvende-kommaberekeningen in statisch getypeerde GitHub-repositories, waarbij een dataset van 10 miljoen functies wordt vrijgegeven om de representativiteit van bestaande benchmarks te evalueren en toekomstige analyse-technieken te verbeteren.
Dit paper introduceert AwesomeDE, een door grote taalmodellen aangedreven methode voor het automatisch genereren en evolueren van geconstrueerde evolutionaire optimalisatie-algoritmen, die via het -kader voor promptontwerp superieure prestaties en generalisatie toont ten opzichte van bestaande methoden.
Dit paper introduceert VocSegMRI, een multimodaal kader dat video, audio en fonologische signalen integreert via cross-attention en contrastief leren om de segmentatie van de spraaktractus in real-time MRI aanzienlijk te verbeteren.
Dit artikel presenteert een decentrale aanpak voor het coöperatief vervoer van onvatbare objecten door teams van N-vierpootrobots met armen, waarbij ze via een hiërarchisch beleidsarchitectuur en een speciaal beloningssysteem leren om zonder communicatie of mechanische koppeling samen te werken door alleen contactkrachten te gebruiken.
Dit artikel analyseert acht AI-deployments in niet-westerse contexten en presenteert twaalf richtlijnen voor het ontwerpen van cultureel afgestemde systemen, waarbij het benadrukt dat menselijke samenwerking en inzicht in lokale factoren cruciaal zijn voor succes in hoog-risicodomeinen.
Dit artikel introduceert CSLICS, een geautomatiseerd camerasysteem dat gebruikmaakt van computerzicht en menselijke feedback om koraalspawning nauwkeurig te tellen, waardoor de arbeidsintensiteit drastisch wordt verminderd en de schaalbaarheid van koraalherstelprojecten op het Groot Barrièrerif wordt vergroot.
Deze paper introduceert een onbewaakte methode om de latente coderings- en decoderingsrichtingen in diepe visuele netwerken te herstellen, waardoor concepten van invloed onthuld kunnen worden voor betere interpretatie, foutopsporing en ingrepen in het model.
Dit paper introduceert LLaVAShield, een veiligheidsframework dat multimodale multi-turn dialogen in Vision-Language Models beschermt door een nieuw dataset en een geautomatiseerd red-teaming-framework te ontwikkelen, waarmee het aanzienlijk beter presteert dan bestaande modulatietools.
Deze studie presenteert een schaalbaar deep learning-pipeline die voor het eerst een landelijk digitaal dataset van stedelijke oppervlakken in Frankrijk uit de periode 1925-1950 genereert door middel van een innovatieve tweestaps U-Net-methode die historische kaarten analyseert om de uitbreiding van steden voor de jaren 70 kwantitatief te onderzoeken.
Deze paper introduceert een real-time MPC-CLF-CBF bewegingsplanner op basis van Bézier-curves die de connectiviteit van een zwerm robots in obstakelrijke omgevingen waarborgt, navigatieproblemen oplost en verbroken verbindingen herstelt, zoals geverifieerd door simulaties en fysieke experimenten met acht Crazyflie-quadcopters.
Dit artikel introduceert LARA-Gen, een kader dat continue en fijne emotionele controle mogelijk maakt voor muziekgeneratiemodellen door middel van latent affectieve representatie-uitlijning en een module gebaseerd op de valentie-arousal-ruimte, wat resulteert in superieure prestaties ten opzichte van bestaande methoden.
Dit paper introduceert een asset-gecentreerde, metrisch-semantische kaart voor binnenruimten die objecten als gedetailleerde mesh-voorstellingen combineert met natuurlijke taal, waardoor robuustere redeneer- en navigatiecapaciteiten met grote taalmodellen worden bereikt dan met bestaande benaderingen.
NaviGait is een hiërarchisch framework dat deep reinforcement learning combineert met trajectoptimalisatie om robuuste en intuïtieve loopbewegingen voor bipedale robots te genereren door bestaande gaits uit een bibliotheek te selecteren en minimaal aan te passen, wat resulteert in snellere training en betere stabiliteit dan bestaande methoden.
BanaServe is een dynamisch orchestration framework dat de prestaties van gedisaggregeerde LLM-servingsystemen verbetert door middels migratie van gewichten en KV-cache op laag- en attentieniveau de belasting tussen prefill- en decode-instanties continu te balanceren en zo resource-efficiëntie te maximaliseren terwijl serviceleveldoelstellingen worden gewaarborgd.
Deze paper introduceert een real-time neurale videocompressieframework dat intra- en intercodering verenigt binnen één model en een simultane tweeframe-compressie toepast om de compressie-efficiëntie aanzienlijk te verbeteren ten opzichte van bestaande methoden zoals DCVC-RT, terwijl het bovendien problemen met disocclusie en foutpropagatie oplost.
Dit artikel introduceert PULL, een lichtgewicht en volledig algoritme dat in polynomiale tijd verbinding behoudt voor ongelabelde multi-agent padvinding (CUMAPF) en hiermee de schaalbaarheidsproblemen van bestaande ILP-methoden oplost voor zwermrobotica-toepassingen.
Dit paper weerlegt de aanname dat reactieve replanning noodzakelijkerwijs bestaande plannen moet bijwerken, en toont aan dat het gebruik van snelle, bijna-zeker asymptotisch optimale (ASAO) algoritmen een efficiëntere oplossing biedt door een reeks onafhankelijke planningsproblemen op te lossen in plaats van bestaande plannen te hergebruiken.