4346 papers
Dit paper introduceert DrivingGen, het eerste uitgebreide benchmarkkader voor generatieve wereldmodellen in autonoom rijden, dat een diverse dataset en nieuwe meetmaten combineert om de prestaties van bestaande modellen op het gebied van visuele realisme, trajectplausibiliteit, temporele coherentie en controleerbaarheid te evalueren.
Dit paper presenteert een drie-traps, door fysica geleid machine learning-raamwerk dat, gebaseerd op operationele data van de Frontier-supercomputer, inefficiënties in het koelsysteem identificeert en aantoont dat tot 96% van de overbodige koelenergie veilig kan worden teruggewonnen door geoptimaliseerde instellingen.
Dit paper introduceert Batch-of-Thought (BoT), een trainingsvrije methode die de redeneervermogens van grote taalmodellen verbetert door gerelateerde queries gezamenlijk te verwerken voor kruisinstanceleer, wat resulteert in hogere nauwkeurigheid, betere kalibratie en aanzienlijke kostenreductie.
Deze paper introduceert R^4, een zelfverbeterend agentisch framework dat medische beeldanalyse verbetert door het werkproces te ontleden in vier gecoördineerde agenten (Router, Retriever, Reflector en Repairer), waardoor de betrouwbaarheid en ruimtelijke nauwkeurigheid van visueel-taalmodellen voor het genereren van rapporten en detectie van afwijkingen aanzienlijk stijgt zonder gradient-based fine-tuning.
Dit onderzoek onthult dat de LAION-Aesthetics Predictor, een veelgebruikt model voor het beoordelen van beeldkwaliteit, systematische vooroordelen vertoont die de westerse en mannelijke blik versterken door afbeeldingen met vrouwelijke of niet-westerse elementen te discrimineren, en pleit voor een verschuiving naar meer pluriforme evaluatiemethoden.
Dit paper introduceert een veiligheidsarchitectuur voor Computer Use Agents die prompt-injectie-aanvallen voorkomt door een vertrouwd 'Single-Shot' planner te gebruiken om een volledig uitvoeringsgraf vooraf te genereren, terwijl aanvullende maatregelen nodig zijn om branch-steering-aanvallen te weren zonder de functionaliteit te offeren.
Dit onderzoek analyseert Reddit-discussies om te ontdekken hoe gebruikers sycophantisch gedrag in conversatie-AI detecteren en erop reageren, waarbij wordt geconcludeerd dat dergelijk gedrag niet altijd schadelijk is en voor kwetsbare groepen waardevol kan zijn als emotionele steun, wat pleit voor contextbewust AI-ontwerp in plaats van universele eliminatie.
Dit paper introduceert BoxMind, een gesloten-lus AI-systeem dat ongestructureerde videodata omzet in strategische inzichten en tijdens de Olympische Spelen van 2024 de prestaties van het Chinese nationale boksteam heeft ondersteund bij het behalen van drie gouden en twee zilveren medailles.
Dit paper introduceert MSAHG, een hypergraafleermethode die scenario-specifieke mobiliteitspatronen ontrafelt en conflicterende optimalisatiedoelen oplost om de prestaties van de volgende POI-aanbeveling in Location-Based Social Networks aanzienlijk te verbeteren.
Dit paper introduceert S2DiT, een efficiënt 'sandwich' Diffusion Transformer-model dat door middel van innovatieve attention-mechanismen en distillatie real-time, hoogwaardige video's genereert op mobiele apparaten met prestaties die vergelijkbaar zijn met servermodellen.
Dit artikel onderzoekt het ontwerp van gelijke-betalingcontracten voor multi-agent systemen, biedt polynomiale benaderingsalgoritmen en hardheidsresultaten voor verschillende beloningsfuncties, lost twee open problemen op voor onbeperkte contracten, en kwantificeert de kosten van eerlijkheid via een prijs van gelijkheid van .
Het artikel introduceert ReViP, een nieuw VLA-framework dat de foutieve taakvoltooiing in robotmanipulatie vermindert door een onbalans tussen visuele en proprioceptieve signalen te corrigeren via progressiebewuste visuele aanwijzingen, wat resulteert in een aanzienlijke verbetering van de robuustheid en het succespercentage.
In dit artikel wordt ScenePilot-Bench geïntroduceerd, een uitgebreid benchmark- en datasetkader dat is ontworpen om de prestaties van vision-language modellen te evalueren in autonome rijscenario's aan de hand van een veerassessessiesysteem dat zich richt op situatiebegrip, ruimtelijke perceptie, bewegingsplanning en veiligheid.
Deze paper introduceert QSTar, een nieuwe methode voor Audio-Visuele Vraagbeantwoording die vraaggestuurde aanwijzingen en frequentiedomein-kenmerken van audio combineert met ruimtelijke en temporele perceptie om de gezamenlijke redenering over audio, video en tekst aanzienlijk te verbeteren.
Deze paper presenteert een dynamisch framework dat de -edge-connectiviteit van een ongerichte simpele grafiek bijhoudt door na een invoeging een redundantie te verwijderen en na een verwijdering die de connectiviteit verlaagt, hoogstens twee nieuwe randen toe te voegen, met respectievelijk en amortisatie- en uitvoeringstijd.
Dit artikel introduceert BioAgent Bench, een evaluatiesuite en dataset voor het meten van de prestaties en robuustheid van AI-agenten in bio-informatica-taken, waarbij wordt geconcludeerd dat hoewel geavanceerde modellen complexe workflows succesvol kunnen uitvoeren, ze kwetsbaar zijn voor verstoringen en dat open-weight modellen in privacygevoelige situaties de voorkeur verdienen boven gesloten systemen.
Dit paper introduceert R2M, een nieuw lichtgewicht RLHF-framework dat reward-overoptimalisatie aanpakt door real-time gebruik te maken van de evoluerende verborgen toestanden van het beleidsmodel in plaats van uitsluitend te vertrouwen op oppervlakkige semantische informatie.
Deze studie toont aan dat het gebruik van LLM-gebaseerde nieuwsgevoelensanalyse, met name met het DeBERTa-model of een ensemble van drie modellen, de nauwkeurigheid van de voorspelling van aandelenkoersbewegingen significant kan verbeteren.
Dit artikel beschrijft hoe co-ontwerpworkshops met gepensioneerde Chinese dansers hebben aangetoond dat leeftijdssensitieve interactieve technologieën en AI-generatie hen in staat stellen om van passieve uitvoerders naar empowered medescheppers van hun optredens te evolueren.
Dit artikel introduceert een cognitief flexibel besturingskader dat online adaptieve latenterepresentaties combineert met een expliciete, veiligheidsgecertificeerde regeling om abrupte veranderingen in systeemdynamica en waarnemingen te hanteren met gegarandeerde stabiliteit en recursieve haalbaarheid.