4234 papers
Dit paper introduceert een nieuw LLM-gedreven raamwerk dat semantische opties ontdekt om de data-efficiëntie, interpreteerbaarheid en overdraagbaarheid van Deep Reinforcement Learning te verbeteren door natuurlijke taal instructies om te zetten in uitvoerbare regels.
Dit paper introduceert het MSP-framework, dat de prestaties van kledingwisselende persoonhervindingsystemen verbetert door de afhankelijkheid van veranderlijke haarkleuren te verminderen via hairstyle-georiënteerde augmentatie en structuurbehoudende verbergingstechnieken.
Dit onderzoek evalueert DINOv3 als een bevroren visuele ruggengraat voor blauwe bessen-oogsttaken en concludeert dat het model, hoewel zeer effectief voor segmentatie, beperkingen vertoont bij detectie en clusterherkenning vanwege schaalvariatie en ruimtelijke aggregatie, waardoor het vooral waardevol is als semantische basis die moet worden aangevuld met specifieke ruimtelijke modellering.
Dit artikel presenteert een event-gedreven, veilig en veerkrachtig besturingskader dat Control Barrier Functions en Control Lyapunov Functions integreert met adaptieve aanvalsbestendigheid en datagedreven schattingen om Connected and Automated Vehicles veilig te laten opereren in gemengd verkeer onder blootstelling aan exponentieel onbegrensde valse-data-injectie-aanvallen.
Dit artikel presenteert een nieuw framework voor multi-agent versterkingsleren genaamd GPAE, dat de steekproefefficiëntie en coördinatie verbetert door nauwkeurige per-agent voordeelsschattingen te berekenen via een per-agent waarde-iteratieoperator en een dubbel-getruncateerde importance sampling-ratio, waardoor directe Q-functieschatting overbodig wordt en stabiel off-policy leren mogelijk is.
Dit artikel introduceert een reproduceerbaar en auditabel framework voor het beoordelen van logische redeneeragenten, waarbij een 'assessor-agent' wordt gebruikt om taken te beheren en fouten te registreren, en demonstreert dat een auto-formalisatie-agent voor eerste-orde logica op een gerepareerde FOLIO-dataset een significant hogere nauwkeurigheid bereikt dan een chain-of-thought-baseline.
Dit paper introduceert het Required-edge Cycle Cover Problem (RCCP) als een ASP-compleetheidsframework voor grafproblemen en legpuzzels, waarmee de ASP-compleetheid van diverse puzzels zoals Kakuro en Chocona wordt bewezen en een open probleem van de MIT Hardness Group wordt opgelost.
Dit paper introduceert Mica, een confidential computing-architectuur die vertrouwelijkheid ontkoppelt van vertrouwen door via een beleidslanguage alle communicatiepaden tussen componenten te definiëren, te beperken en te verifiëren, waardoor gevoelige data veilig blijft in onbetrouwbare cloudomgevingen.
Dit paper introduceert LDP-Slicing, een lichtgewicht framework dat lokale differentiaalse privacy voor beelden mogelijk maakt door pixelwaarden te decomponeren in bit-plannen, waardoor de gebruiksgraad voor downstream-taken aanzienlijk verbetert ten opzichte van bestaande methoden zonder trainingskosten.
Dit paper introduceert RISCBench, een benchmarksuite en de nieuwe SIT-maatstaf (Sustained Instantaneous Throughput) om de orchestrationsefficiëntie van RISC-V-kernen in heterogene FPGA-systemen te kwantificeren, waarbij de nadruk ligt op synchronisatie en dataresidentie in plaats van alleen piekprestaties.
Deze empirische studie vergelijkt algoritmen voor het converteren van binaire zwevende-kommagetallen naar decimale strings en toont aan dat moderne methoden zoals Schubfach en Dragonbox aanzienlijk sneller zijn dan oudere technieken, hoewel geen enkele onderzochte implementatie consistent de kortst mogelijke output genereert.
Dit artikel presenteert het GSI D-Hub-platform, een door kunstmatige intelligentie aangedreven systeem dat via transparante en verklaarbare algoritmes de samenwerking tussen financiers, oplossingsproviders en implementatoren in de ontwikkelingssector verbetert door informatieasymmetrieën te verminderen en vertrouwen te creëren.
Deze studie concludeert dat eerdere blootstelling aan targeting de sterkste indicator is voor kwetsbaarheid voor door AI mogelijk gemaakte oplichting onder migranten uit Sub-Sahara-Afrika, terwijl vertrouwen in het kunnen identificeren van AI-inhoud en een hoge verificatie-inspanning beschermende factoren vormen.
Dit paper introduceert een ethiek-van-ontwerp besturingsarchitectuur die een drievoudige poortstructuur (metrisch, bestuurlijk en ecologisch) implementeert in de volledige AI-levenscyclus om ethische risico's om te zetten in afdwingbare en testbare controles die compatibel zijn met bestaande MLOps-pipelines en regelgeving zoals de EU AI Act.
Dit onderzoek toont aan dat auteurs van minderheidsgroepen, vrouwen en onderzoekers uit het Zuiden significant worden benadeeld in academische peer review, wat de dringende noodzaak onderstreept van rechtvaardigheidsinterventies in zowel traditionele als AI-gestuurde beoordelingsprocessen.
Dit paper introduceert een hiërarchisch multi-agent framework voor IBN-orkestratie in 5G/6G-netwerken dat aantoont dat Small Language Models (SLMs) een vergelijkbare vertaalkwaliteit bieden als Large Language Models (LLMs), maar de levenscyclus van het IBN met 20% versnellen.
Dit artikel introduceert ObjChangeVR-Dataset en het ObjChangeVR-framework om objectstatusveranderingen in VR-omgevingen te analyseren vanuit continue egocentrische perspectieven, waarbij cross-view redenering en tijdsgebonden zoekopdrachten worden gebruikt om veranderingen te detecteren die plaatsvinden zonder directe gebruikersinteractie.
Deze studie introduceert een nieuw randconsistentie-framework met 'Perturbation Fidelity'-scoring voor het robuust subtyperen van invasieve longadenocarcinoom op basis van hele-slice-beelden, wat aanzienlijke verbeteringen in nauwkeurigheid en generalisatie oplevert ondanks beeldvervormingen en domeinverschuivingen.
Het paper introduceert PaLMR, een framework dat de redeneerprocessen van multimodale modellen verbetert door hallucinaties te verminderen en visuele trouw te waarborgen via een combinatie van perceptie-uitgelijnde data en een hiërarchische beloningsfunctie, wat leidt tot state-of-the-art resultaten op benchmarks zoals HallusionBench.
Dit artikel introduceert het DAPR-framework, dat digitale tweelingen, asynchrone federated learning en deep reinforcement learning combineert om de prestaties van voertuigedge-caching te optimaliseren door de clientselectie te verbeteren en de inhoudspredictie nauwkeuriger te maken.