AI 论文速递

最新

在有限通信范围约束下的多智能体路径规划通过动态领先
本文针对多智能体路径规划在有限通信范围下的挑战提出了一种新框架，解决了现有固定领导者-跟随者方法在密集环境中因规划阻滞而导致的局限性。通过动态重新选择领先智能体，本研究在路径规划过程中能够有效维持团队的通信连接，实现了高达90%以上的成功率
PDF5 days ago
基于排名的一致性训练增强图神经网络的可信度
本研究解决了图神经网络（GNN）在高风险场景下缺乏严格不确定性估计的问题。提出了一种基于排名的一致性预测（RCP-GNN）框架，以在节点分类中提供可靠的不确定性估计。在多个真实数据集上的实验表明，该模型在保证预定义覆盖率目标的同时，显著降低
PDF5 days ago
图神经网络在微服务系统多模态故障诊断中的有效性研究
本研究针对现有微服务系统故障诊断中图神经网络（GNNs）应用的有效性提出问题，开发了DiagMLP作为替代方案进行评估。实验结果表明，DiagMLP的性能不仅与基于GNN的方法相当，有时甚至超过它们，揭示了当前使用GNN建模服务依赖性所未能
PDF5 days ago
视觉大语言模型的通用与专业应用
本研究针对视觉大语言模型（VLLMs）应用文献的不足，探讨了其在视觉、动作和语言等多领域的综合和专业应用。通过对VLLMs使用场景、伦理考量及挑战的分析，作者提出了未来的发展方向，旨在为VLLMs的创新与应用提供全面指导。
PDF5 days ago
MBTSAD：基于标记拆分和注意力蒸馏减少语言模型中的后门攻击
本研究解决了语言模型在面临后门攻击时的脆弱性问题，特别是在没有预训练权重的情况下。我们提出的MBTSAD方法利用一小部分干净数据，重训练后门模型并应用注意力蒸馏，实验证明其在后门削减方面的效果与依赖预训练权重的方法相当，同时在干净数据上保持
PDF5 days ago
结合变换器和图神经网络提升智能物流中机器人的路径优化
本研究解决了智能物流中机器人路径优化的难题，提出了一种创新的方法，结合了变换器架构、图神经网络和生成对抗网络。通过实证测试，研究表明该方法在减少旅行距离、提高时间效率和降低能耗方面分别实现了15%、20%和10%的显著改善，展现出算法在智能
PDF5 days ago
可解释的熔镁炉工作条件识别方法基于深度卷积随机配置网络
本研究针对熔镁炉工作条件识别模型的泛化能力和可解释性不足的问题，提出了一种基于深度卷积随机配置网络的可解释工作条件识别方法。通过生成具有物理意义的高斯微分卷积核，利用增量方法构建DCSCNs模型，并通过强化学习自动修剪卷积核，显著提高了识别
PDF5 days ago
TARDiS : 文本增强以提升多样性和可分性
本研究解决了文本分类中特别是少量样本设置下文本增强技术的挑战。提出了一种基于大语言模型的新方法TARDiS，通过引入多种类特定提示和类适应方法，显著提高了生成的文本的多样性和可分性。实验结果表明，TARDiS在各种少样本文本分类任务中优于
PDF5 days ago
算法公平的联邦学习
本研究解决了联邦学习环境下公平性问题，尤其是在缺乏集中数据访问的情况下。提出的AFed框架通过学习全局数据分布，提出了AFed-G和AFed-GAN两种新方法，以生成样本并帮助消除偏见。实验结果显示，AFed在多个实际数据集上显著提升了模型
PDF5 days ago
OpenGU：图形遗忘的综合基准
本研究解决了图形机器学习领域对隐私敏感应用中高效删除敏感信息的需求。通过提出OpenGU基准，作者整合了多种SOTA图形遗忘算法和多领域数据集，为灵活的遗忘请求提供了全面的评估框架。这一工作不仅给出现有图形遗忘方法的重要结论，还为未来的研究
PDF5 days ago
基于树形结构的RAG-Agent推荐系统：医学检测数据的案例研究
本文提出了一种新颖的树形结构推荐系统HiRMed，利用增强检索生成(RAG)技术提供智能医学检测推荐。该系统通过在每个树节点进行医疗推理，显著提高了传统向量相似性方法的效率和准确性，实验结果表明其在覆盖率、准确性和漏检率方面优于传统方法，表
PDF5 days ago
2025年前创意产业中的人工智能：进展
本研究探讨了自2022年以来人工智能，特别是生成性人工智能和大型语言模型在创意产业中的快速进展，填补了对创意工具的访问和工作流程的效率提升的研究空白。文章强调了对文本到图像、文本到视频及多模态生成技术的关键突破及其在内容创作中的革命性影响，
PDF5 days ago
针对新兴计算范式的改进数据编码：从随机计算到超维计算
本研究解决了新兴计算范式中数据编码的关键问题，特别是在随机计算（SC）和超维计算（HDC）中的应用。通过利用与硬件友好的低差异（LD）序列的高级编码策略，我们显著提高了系统的准确性和效率，并减少了硬件复杂性。实验结果表明，该方法在能效和准确
PDF5 days ago
知识图谱补全与上下文过滤：基于大型语言模型的指导
本研究解决了当前知识图谱补全（KGC）研究中的一个重要问题，即如何在排名任务中有效利用大型语言模型。通过提出KG-CF框架，该研究利用模型的推理能力过滤掉不相关的上下文，从而在实际数据集上取得了明显的优越成绩。这一创新方法有望提升知识图谱补
PDF5 days ago
强化学习中的视野泛化
本研究针对目标条件下的强化学习，聚焦于视野泛化问题，而非传统的随机增强和领域随机化。我们提出了一种新颖的方法，通过学习能够适应不同目标距离的策略，实验结果表明在训练了接近的目标后，该策略能够有效地达到远距离目标，这为强化学习中的泛化和规划提
PDF5 days ago
QuIM-RAG：通过反向问题匹配提升检索增强生成的问答性能
本研究解决了传统检索增强生成（RAG）系统在处理大量数据时面临的信息稀释和幻觉等挑战。我们提出了QuIM-RAG（问题到问题的反向索引匹配）方法，通过生成文档块中的潜在问题并与用户查询匹配，从而提高了问答的准确性。评估结果表明，我们的方法在
PDF5 days ago
鹰眼：增强视觉定位最小化教学多模态模型中的幻觉
本研究针对当前多模态架构在处理视觉数据时出现的幻觉问题展开，提出了一种新颖的方法EAGLE，专注于增强视觉组件的能力，以改善视觉编码器的基础和语言一致性。实验结果表明，EAGLE显著减少了多个基准测试和任务中的幻觉现象，具有重要的应用潜力。
PDF5 days ago
解码大型语言模型中的专业特征神经元及其最终投影层
本研究针对大型语言模型（LLMs）缺乏可解释性的问题，提出了一种通过模型的最终投影层直接解码神经元权重的方法。研究发现，这些专业特征神经元在响应特定概念时表现出强烈关联，可以有效地将神经元的激活与输出的令牌概率联系起来，进而提升了模型的可解
PDF5 days ago
从表面模式到语义理解：对比集上微调语言模型
本研究针对语言模型在对比集上的表现不佳这一问题，提出通过在训练过程中引入更多复杂对比集的方式来提升模型的鲁棒性。研究发现，这种方法能显著提升模型对语言模式的理解能力，使其在对比集上的准确率达到近90%，强调了多样化和具有挑战性的训练数据的重
PDF5 days ago
从表面模式到语义理解：在对比集上微调语言模型
本研究解决了大型预训练语言模型在标准数据集表现良好但在对比集上表现不佳的问题，揭示了模型只学习表面模式的缺陷。通过在训练过程中引入复杂的对比集，研究提出了一种有效的方法来提高模型的鲁棒性，使其在对比集上也能达到近90%的准确率，强调了多样化
PDF5 days ago