Papers waarbij de oorspronkelijke auteurs onze begrijpelijke uitleg hebben bekeken.
Voor elke paper op deze pagina heeft ten minste één van de oorspronkelijke auteurs onze begrijpelijke uitleg gezien en beoordeeld — door te bevestigen dat de uitleg klopt of door correcties aan te vragen die wij vervolgens hebben doorgevoerd. Een bevestiging betekent niet dat auteurs elke zin formeel goedkeuren, maar wel dat de uitleg langs de mensen is gegaan die de paper hebben geschreven.
607 papers beoordeeld door auteurs · 141–150 / 607
Dit artikel presenteert een op deep learning gebaseerd systeem dat gebruikmaakt van een multiscale netwerk en supervised contrastieve leerprocessen om real-time gezichtsuitdrukkingen te herkennen door continue expressieveranderingen te modelleren, waarbij een bevredigende prestatie wordt aangetoond op standaard datasets voor toepassingen zoals psychologische counseling.
Dit artikel stelt een klasse van Individual Weight (IW) shrinkage-schatters voor micropaneldata voor die de nauwkeurigheid op individueel niveau prioriteren boven de geaggregeerde prestaties door gebruik te maken van persoonlijke geschiedenis in plaats van dwarsdoorsnede-informatie, waardoor de "tirannie van de meerderheid" wordt overwonnen die inherent is aan conventionele methoden zoals James-Stein en Empirical Bayes.
Dit artikel stelt een communicatiegecentreerde hiërarchische architectuur voor die edge-ondersteunde Large Language Models integreert met 6G semantische communicatie voor tactische autonome defensieve voertuignetwerken, waarbij via simulatie wordt aangetoond dat deze aanpak conventionele 5G-gebaseerde AI-baselines aanzienlijk overtreft door de latentie met 75,2% te verminderen, de missiesuccespercentages met 68,7 procentpunten te verhogen en de communicatieoverhead bij een schaal van 30 voertuigen met 88,6% te verlagen.
Het artikel introduceert AXIOM, een 'trust-first' neuro-symbolische architectuur die taalmodellen uitsluitend gebruikt om natuurlijke taalproblemen te canonicaliseren naar een deterministische Computer-Algebra-System-pipeline, waarbij een nauwkeurigheid van 94,36% met 100% vertrouwen (nul zelfverzekerde fouten) op wiskundige benchmarks wordt bereikt, terwijl wordt gewaarborgd dat systeemverbeteringen nooit eerder geverifieerde resultaten doen achteruitgaan.
Dit artikel stelt de "stabiliteitsdistillatiehypothese" voor, waarin wordt betoogd dat het ontstaan van leven een onvermijdelijk, verenigd proces is dat wordt gedreven door selectieve verrijking via stabiliteitsverschillen, wat logischerwijs de spontane opkomst van informatie, RNA-selectie, compartimentalisatie en de co-oorsprong van cellen en virussen noodzakelijk maakt zonder te vertrouwen op onwaarschijnlijke toevallige gebeurtenissen.
Dit artikel onthult dat het Longest Increasing Subsequence-probleem, ondanks het feit dat het in polynomiale tijd oplosbaar is, bij lage temperaturen glasachtige dynamiek en thermodynamische schaarste vertoont, waarbij lokale zoekalgoritmen gevangen raken in metastabiele toestanden door een gebrek aan toegankelijke configuraties in plaats van door energetische barrières.
Dit artikel toont aan dat de curatie en ordening van externe informatiefeeds LLM-agenten systematisch naar adversariële beslissingen kan sturen, met name wanneer zij onzeker zijn, wat onthult dat veiligheidsevaluaties de bovenliggende aanbevelingslaag moeten auditeren in plaats van het model in isolatie te testen.
Dit artikel toont aan dat het minimaliseren van irreversibele arbeid in zwak gedreven systemen onder fysieke beperkingen op de afgeleide van het protocol leidt tot een globaal optimaal oplossing van een constante drijfsnelheid en een lineair protocol, een resultaat dat is afgeleid van een verschoven eigenwaardevergelijking en is bevestigd door numerieke genetische programmering.
Dit artikel introduceert een verenigd Physics-Informed Deep Learning-framework dat zowel differentiaalvergelingsresiduen als informatie-theoretische grenzen afdwingt om entropie in thermodynamische en financiële systemen nauwkeurig te voorspellen, waarbij nul schendingen van de Tweede Wet worden bereikt, superieure data-efficiëntie wordt behaald en het vermogen wordt aangetoond om fase-instabiliteiten te identificeren door middel van geometrische analyse.
Dit artikel toont aan dat veiligheidsfalen bij lage middelen voortkomt uit een mismatch in beslissingscalibratie in plaats van een gebrek aan representaties van schadelijkheid, en stelt een methode voor om dit te herstellen door bestaande veiligheidshekjes voor hoge middelen te hercalibreren met slechts enkele voorbeelden in de doeltaal.