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.

1014 papers beoordeeld door auteurs · 751–760 / 1014

🔭 astrophysics

A Sample of Active Galactic Nuclei with Intermediate-mass Black Holes Extended to zz \approx 0.6

Dit artikel presenteert een uniform geselecteerde steekproef van 930 actieve galactische kernen met intermediaire zwarte gaten uit SDSS DR17, waarmee de roodverzetdekking van AGN's met lage massa wordt uitgebreid tot z0.6z \approx 0.6 en een mogelijke kosmische evolutie in accretie-activiteit wordt blootgelegd, gekenmerkt door afnemende maximale accretiesnelheden en lichtsterkten bij lagere roodverzetten.

Wen-Juan Liu, Luis C. Ho, Xiao-Bo Dong, Su Yao, Paulina Lira, Yicheng Guo2026-05-12✓ Author reviewed
🔭 astrophysics

Deep Learning for CMB Foreground Removal and Beam Deconvolution: A U-Net GAN Approach

Dit artikel introduceert een op U-Net gebaseerde Generative Adversarial Network (GAN) die is getraind op realistische Planck-achtige simulaties en die met succes hoogwaardige kaarten van de kosmische microgolfachtergrondstraling reconstrueert door gelijktijdig contaminatie door voorgrondbronnen, instrumentale ruis en effecten van straalconvolutie te verwijderen, waarbij reconstructiefouten onder de 1% worden bereikt buiten het Galactische gebied.

Obasho M, Shambhavi Jaiswal, Santanu Das, Krishna Mohan Parattu2026-05-12✓ Author reviewed
🤖 AI

Agent-First Tool API: A Semantic Interface Paradigm for Enterprise AI Agent Systems

Dit artikel stelt het "Agent-First Tool API"-paradigma voor en valideert dit, waarbij traditionele mensgerichte CRUD-interfaces worden vervangen door een semantisch protocol met zes werkwoorden en gestructureerde metadata voor besluitvormingsondersteuning, om de succespercentages van autonome agenten bij het uitvoeren van taken en de foutherstelcapaciteit in productieomgevingen voor ondernemingen aanzienlijk te verbeteren.

Kai Pan2026-05-12✓ Author reviewed
🤖 machine learning

Contextual Plackett-Luce: An Efficient Neural Model for Probabilistic Sequence Selection under Ambiguity

Het artikel stelt Contextual Plackett-Luce (CPL) voor, een efficiënt neuraal model dat parallelle scoring combineert met een lichtgewicht autoregressief selectieproces om ambiguë, multimodale sequentievoorspellingstaken effectief te behandelen terwijl het de computationele efficiëntie behoudt.

Noam Mizrachi, Nadav Har-Tuv, Shai Shalev-Shwartz2026-05-12✓ Author reviewed
🤖 machine learning

DP-LAC: Lightweight Adaptive Clipping for Differentially Private Federated Fine-tuning of Language Models

Het artikel introduceert DP-LAC, een lichtgewicht methode voor differentieel privé federatief fijnafstemmen van taalmodellen die de afkapdrempel efficiënt schat en aanpast zonder extra privacykosten of hyperparameteroptimalisatie, en een nauwkeurigheidsverbetering van 6,6% realiseert ten opzichte van bestaande benaderingen.

Haaris Mehmood, Jie Xu, Karthikeyan Saravanan, Rogier Van Dalen, Mete Ozay2026-05-12✓ Author reviewed
🤖 machine learning

Building Korean linguistic resource for NLU data generation of banking app CS dialog system

Dit artikel presenteert de constructie van het Financieel Geannoteerde Dataset (FIAD), een Koreaanse linguïstische bron afgeleid van bank-appbeoordelingen en Lokale Grammaticagrafen, die wordt gebruikt om geannoteerde trainingsdata te genereren die de prestaties van diverse NLU-modellen in dialogsystemen voor bankklantenservice aanzienlijk verbetert.

Jeongwoo Yoon, On-yu Park, Changhoe Hwang, Gwanghoon Yoo, Eric Laporte, Jeesun Nam2026-05-12✓ Author reviewed
🤖 machine learning

NEO: No-Optimization Test-Time Adaptation through Latent Re-Centering

NEO is een hyperparameter-vrije, computatie-efficiënte Test-Time Adaptatie-methode die de robuustheid en kalibratie van modellen onder distributieveranderingen verbetert door de embeddings van doeldata te hercentreren rond de oorsprong, waardoor superieure nauwkeurigheid over meerdere datasets en apparaten wordt bereikt met minimale rekenkosten.

Alexander Murphy, Michal Danilowski, Soumyajit Chatterjee, Abhirup Ghosh2026-05-12✓ Author reviewed
🤖 AI

Scam2Prompt: A Scalable Framework for Auditing Malicious Scam Endpoints in Production LLMs

Het artikel introduceert Scam2Prompt, een schaalbaar kader dat een kritieke en verergerende beveiligingskwetsbaarheid in productieve Large Language Models blootlegt, waarbij geautomatiseerde prompts afgeleid van kwaadaardige oplichtingswebsites in tot 47,3% van de gevallen over meerdere modellen succesvol de generatie van schadelijke code triggeren, waardoor huidige veiligheidsmaatregelen zoals guardrails en RAG ontoereikend blijken.

Zhiyang Chen, Tara Saba, Xun Deng, Xujie Si, Fan Long2026-05-12✓ Author reviewed