1057 papers
Dit artikel stelt CG-GNN voor, een robuust graph neural network-framework dat labelruis vermindert door community-gestuurde labelverfijning te integreren met edge pruning en een progressief contrastief leerschema om de huidige state-of-the-art methoden te overtreffen in ruizige en gegevensarme scenario's.
Deze studie toont aan dat het omzetten van op SHAP gebaseerde feature importance scores naar directe managementacties zonder rekening te houden met interventiekosten, causale validiteit en neerwaartse risico's aanzienlijke verantwoordelijkheidsrisico's creëert, wat onthult dat uitlegbaarheid alleen onvoldoende is voor verantwoorde AI-gestuurde besluitvorming.
Deze survey voert een systematische review uit van vergiftigingsaanvallen en verdedigingen in het tijdperk van Large Language Models door een uitgebreide taxonomie voor te stellen die dreigingen categoriseert in gewichts- en contextvergiftiging, representatieve technieken en verdedigingsstrategieën analyseert, en toekomstige onderzoeksrichtingen schetst voor het beveiligen van compound AI-systemen.
FedDAAW is een lichtgewicht, privacy-bewarend framework voor heterogene federated learning dat dynamische cliëntselectie en nauwkeurigheid-adaptieve aggregatie gebruikt om de convergentie-efficiëntie en prestaties aanzienlijk te verbeteren over diverse taken (classificatie, sentimentanalyse en regressie) onder non-IID instellingen zonder dat het delen van gradiënten of hulpgegevens vereist.
Deze bibliometrische analyse van 1.225 publicaties van 2000 tot 2024 onthult de evolutie van robotische sportonderzoek naar een volwassen, wereldwijd samenwerkend vakgebied dat wordt gedreven door belangrijke instituten en een thematische verschuiving van fundamentele robotvoetbal naar geavanceerde AI-toepassingen zoals deep learning en mens-robotinteractie.
Dit artikel introduceert de Composite Tasks Challenge (CTC), een nieuwe benchmark-suite die is ontworpen om arbeidsverdeling en samenwerking in multi-agent reinforcement learning rigoureus te evalueren, waarbij wordt onthuld dat huidige state-of-the-art methoden er niet in slagen deze taken op te lossen, terwijl wordt aangetoond dat een oplosbare maar uitdagende testomgeving essentieel is voor de vooruitgang van het vakgebied.
SousCoder is een local-first, proactieve assistent voor ontwikkelaars die gedragssignalen over verschillende applicaties heen monitort binnen VS Code, Chrome en de terminal om verwarring bij ontwikkelaars te detecteren en te interveniëren met contextbewuste suggesties, waarbij een lage latentie en hoge relevantie wordt bereikt in veldevaluaties terwijl het eerder werk wordt uitgebreid met persistent geheugen en perceptie uit meerdere bronnen.
Deze studie evalueert een pipeline van een groot taalmodel voor het extraheren van 14 actuariële variabelen uit schadeclaims voor werknemersverzekeringen, waarbij een matige algehele overeenstemming met menselijke beoordelaars wordt onthuld (kwadratische gewogen kappa van 0,53) en een significante variabiliteit over dimensies wordt aangetoond, wat de noodzaak onderstreept van kalibratie en gefaseerde uitrol vóór formele validatie.
Deze studie toont aan dat een op transformers gebaseerd deep learning-model klassieke machine learning-algoritmen overtreft bij het voorspellen van de stabiliteit van het elektriciteitsnet, waarbij een hoge nauwkeurigheid wordt bereikt in zowel binaire classificatie- als regressietaken, terwijl het bijdraagt aan wereldwijde duurzaamheidsdoelstellingen voor veerkrachtige smart grids.
Deze studie identificeert dat een lager contrast tussen laesie en achtergrond op een donkere huid een structurele klasseoverlap creëert, waardoor AI-dermatologische modellen systematisch maligniteit overvoorspellen en een overmaat aan verwijzingen genereren voor patiënten met een donkere huid, een eerlijkheidsbottleneck die persisteert zelfs na het corrigeren voor verstorende klassenverdelingen en die het best wordt gemitigeerd door per-toon klassebalancering in plaats van toonconditionering.