4480 papers
Dit standpuntspaper pleit ervoor dat de evaluatie van moderne visuele verwerkingssystemen minder gericht moet zijn op enkele objectieve beeldkwaliteitsmetrieken en meer op menselijke perceptie en context om innovatie te stimuleren en onderzoek te sturen.
Deze workshop introduceert 'duurzame zorg' als een ontwerplens om technologieën te creëren die kinderen ondersteunen in een langdurige, betekenisvolle betrokkenheid bij sociale vraagstukken, zonder dat dit leidt tot empathische distress of uitputting.
Het artikel introduceert DeAR, een raamwerk dat VLM-adaptatie verbetert door de rollen van individuele attention heads te ontleden en te isoleren, waardoor een betere balans wordt bereikt tussen taakspecifieke aanpassing en het behoud van de oorspronkelijke generalisatie.
Dit artikel presenteert een gevalideerde digitale tweeling van het koelsysteem van de Frontier-supercomputer die aantoont dat een gelaagd optimalisatiekader, dat zowel het debiet als de aanvoertemperatuur co-optimaliseert binnen de beperkingen van de actuatoren, de totale energieverbruik met 27,8% kan reduceren.
Dit technische rapport bevestigt de generaliseerbaarheid van het Explainability Solution Space (ESS)-kader door middel van een uitgebreide cross-domein validatie die de oorspronkelijke toepassing op personeelsverloop uitbreidt naar een heterogeen intelligent stedelijk hulpbronnensysteem, waarbij wordt aangetoond dat ESS-rangschikkingen systematisch aanpassen aan governance-rollen en stakeholderconfiguraties in plaats van domeinspecifiek te zijn.
Dit artikel presenteert statische en adaptieve schema's voor energie-efficiënte verkeersplanning in optische LEO-satellietdownlinks, waarbij wordt vastgesteld dat adaptieve technieken, ondanks hun hogere complexiteit, een betere leveringsratio bieden onder dynamische weersomstandigheden dan statische methoden.
HarmonyCell is een end-to-end agentframework dat single-cell perturbatiestudies automatiseert door semantische heterogeniteit op te lossen met een door LLM-aangedreven semantic unifier en statistische heterogeniteit aan te pakken met een adaptieve Monte Carlo Tree Search-engine, waardoor schaalbaar virtueel celmodelleren mogelijk wordt zonder dataset-specifieke engineering.
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.