3729 papers
Deze studie toont aan dat een RAG-gebaseerde pipeline die gebruikmaakt van het Codestral-22B LLM met few-shot continuous prompting effectief semantische codeclones en patronen van hergebruik in open-source microservice-forks identificeert, waarbij het traditionele syntaxisgebaseerde tools overtreft ondanks de huidige beperkingen in recall.
Dit artikel introduceert Hypergraph Dangling Centrality (HDC) als een op disruptie gebaseerde maatstaf voor de belangrijkheid van knopen en maakt er gebruik van om het Dangling-Centrality-Guided Hyperedge Percolation (DC-HPC) raamwerk te sturen, dat een superieure prestatie laat zien bij het identificeren van structureel significante overlappende gemeenschappen vergeleken met baseline-methoden over diverse real-world datasets.
Om de uitdagingen van ruimtelijke misuitlijning en beperkte details bij de detectie van minuscule objecten binnen gepaarde zichtbare en thermische luchtbeelden aan te pakken, stellen de auteurs FDMA-Net voor, een nieuw framework bestaande uit een Four-Directional Mamba Alignment module voor cross-modale feature-uitlijning, een Thermal Detail Enhancement mechanisme voor het behoud van fijne ruimtelijke details, en een Center-Size Distribution Head voor precieze lokalisatie, die een state-of-the-art prestatie bereikt op de RGBTDronePerson en VTUAV-det benchmarks.
Dit artikel stelt het Improved Multi-objective Centered Collision Optimization (IMOCCO) algoritme voor, dat manifold-feature botsing, massa-restitutie botsing en angular-sparsity sturing integreert om bestaande methoden op standaard benchmarks en technische toepassingen significant te overtreffen.
Het artikel stelt EEGGAN-SepH voor, een transformer-gebaseerd generative adversarial network dat is verbeterd met een scheidbare outputkop om lokale EEG-dynamiek beter te modelleren, samen met een evaluatiepijplijn die gebruikmaakt van EEG-specifieke feature extractors die een superieure datafideliteit en bruikbaarheid aantoont vergeleken met bestaande methoden.
Dit artikel adresseert het gat in cultureel sensitieve personalisatie door een systematische review van de bestaande literatuur uit te voeren en het CAMI-DM-framework voor te stellen, een integratieve architectuur die gedragsgegevens combineert met culturele context en ruimtelijke optimalisatie om adaptieve, cultureel bewuste merchandising mogelijk te maken over fysieke, digitale en fysieke-digitale (phygital) retailomgevingen heen.
Deze studie stelt een twee-tijdschaal probabilistisch toestandsruimte-framework voor en evalueert dit, dat multimodale affectsignalen combineert met onzekerheidsbewuste controle om de responsiviteit van humanoïde robots te verbeteren, waarbij via Monte Carlo-simulaties wordt aangetoond dat gated Kalman-filtering en vertrouwen-gewogenweergavemapping de schattingsfouten en gedragsjitter significant verminderen in vergelijking met baseline-methoden.
Deze studie presenteert een lichtgewicht, browsergebaseerd systeem dat gebruikmaakt van een MobileNetV2-model en TensorFlow.js om een nauwkeurigheid van 98,46% te bereiken bij het classificeren van vers versus rotend product volledig aan de clientzijde, wat een schaalbare oplossing biedt voor hulpbronnenarme agrarische omgevingen zonder dat er serverinfrastructuur of gespecialiseerde hardware vereist is.
Dit artikel stelt een foutgestuurd prompt-optimalisatiekader voor dat prompt tuning behandelt als een discrete-tijd feedbackcontrolelus, waarmee wordt aangetoond dat het prestaties bereikt die vergelijkbaar zijn met fine-tuning op financiële redeneertaken, terwijl het aanzienlijk minder energie verbruikt dan LoRA of volledige fine-tuning.
MemHRL stelt een hiërarchisch geheugen- en beleidsafstemmingskader voor voor langetermijn LLM-agenten met behulp van niveau-bewuste retrieval en fout-bewuste consolidatie, maar evaluaties op beperkte ScienceWorld- en WebShop-subsets onthullen beperkte prestatiewinsten en benadrukken de uitdagingen van compacte beleids-geheugenmechanismen onder beperkte voorstellen.