The Endless Exam memperkenalkan empat belas keluarga konstruksi berparameter untuk mengukur kemajuan matematis dari model saat ini menuju superinteligensi. Tolok ukur ini menyediakan skor kualitas berkelanjutan terhadap batas terbit, mengu…
Metode
The Endless Exam dibangun di atas empat belas keluarga konstruksi berparameter, masing-masing diturunkan dari masalah matematika terbuka. Keluarga ini menghasilkan instans pada pa…
Hasil
Delapan model dievaluasi pada 69 instans berbeda di seluruh empat belas keluarga konstruksi. Meskipun tidak ada yang melampaui batas terbit, skor kualitas berkelanjutan secara efektif membedakan perf…
Lucas Meyer; Claudio Sole; Huikan Xiang; Nicolas Li; Lucas Franceschino; Arnau Quera-Bofarull; Maarten P. Scholl; Joach…
Ringkasan
Keluarga $t_0$ memperkenalkan dua model fondasi berbobot terbuka, t0-alpha (102M) dan t0-beta (256M), yang menghasilkan peramalan probabilistik dari konteks multivariat. Keduanya mencapai hasil zero-shot yang kompetitif pada GIFT-Eval dan …
Metode
Arsitektur $t_0$ adalah transformer yang lapisannya bergantian memakai dua mode atensi: atensi sepanjang dimensi waktu dan atensi lintas variat. Desain ini memungkinkan model mena…
Hasil
Pada GIFT-Eval, $\texttt{t0-alpha}$ mencapai CRPS agregat 0,4941, sedangkan $\texttt{t0-beta}$ mencapai CRPS 0,4738 dan MASE 0,6865. Keduanya menempati peringkat ketiga pada metrik tersebut dan berad…
Long Ngo; Mohammed Amine Chamli; Jonathan Rivalan; Thomas Jaillon
Ringkasan
Overlay_dx adalah metrik evaluasi baru yang mengukur persentase prediksi yang jatuh di dalam interval kepercayaan di sekitar nilai aktual, dan menghitung area di bawah kurva overlay untuk mengukur keselarasan di berbagai ambang. Metrik ini…
Metode
Metrik overlay_dx didefinisikan sebagai berikut. Untuk deret waktu nilai aktual $y_t$ dan prediksi $\hat{y}_t$, sebuah interval kepercayaan dibangun di sekitar setiap nilai aktual…
Hasil
Penulis melakukan eksperimen ekstensif untuk memvalidasi overlay_dx. Mereka membandingkan berbagai model prediksi deret waktu, termasuk metode statistik (misalnya, ARIMA), model machine learning (mis…
GraphToolbox adalah kerangka kerja Python sumber terbuka yang menyatukan konstruksi graf, pelatihan, agregasi, dan interpretasi untuk peramalan kelistrikan berbasis GNN. Kerangka kerja ini memungkinkan evaluasi arsitektur secara sistematis…
Metode
GraphToolbox dibangun di atas PyTorch Geometric dan PyTorch Geometric Temporal. Komponen intinya meliputi: - **Konstruksi graf berbasis data**: pembuatan struktur graf secara otom…
Hasil
Pada beban regional Prancis, 48 konvolusi yang termasuk dalam sapuan peramalan lengkap berada dalam rentang galat 1,14% hingga 1,60%. Agregasi daring menurunkan angka ini menjadi 0,98%. Model graf le…
Angelo Ziletti; Leonardo D'Ambrosi; Melanie Tuchardt; Tim Kondziella
Ringkasan
Ascent adalah sistem agentik yang mengekspos medical coding, tanya jawab, dan analisis kohort melalui permukaan alat Model Context Protocol bersama untuk skema terstandardisasi dan native. Dengan model yang mumpuni, agen meningkatkan akura…
Metode
Sistem Ascent dibangun di sekitar permukaan alat Model Context Protocol (MCP) bersama yang menyediakan akses terstandardisasi ke fungsi medical coding, tanya jawab, dan analisis k…
Hasil
Hasil kuantitatif utamanya adalah sistem agentik, bila didukung model yang mumpuni, mencapai peningkatan rata-rata 27 poin persentase pada skema native dan 20 poin persentase pada skema terstandardis…
Genis Skura; Antoine Geissbühler; Jean-Luc Falcone
Ringkasan
Tesis ini menyelidiki penemuan tag semantik, pengenalan entitas bernama, dan klasifikasi topik multi-label untuk publikasi kesehatan global. Studi ini membandingkan model konvolusional ringan dengan pendekatan berbasis transformer, mengung…
Metode
Penelitian ini terdiri atas tiga jalur eksperimen: 1. **Penemuan Tag Semantik**: Model word2vec skip-gram dilatih pada korpus khusus yang semakin besar dan dibandingkan dengan Bio…
Hasil
Temuan utama dari eksperimen: - **Penemuan Tag Semantik**: Cakupan kosakata yang lebih luas tidak selalu menghasilkan asosiasi spesifik domain yang lebih berguna. Evaluasi kualitatif menunjukkan bahw…
FedMust memperkenalkan kerangka kerja student-teacher multi-tugas terfederasi semi-supervisi yang memanfaatkan data berlabel dan tanpa label di seluruh situs, mencapai peningkatan kinerja rata-rata 13% dibandingkan model organ tunggal loka…
Metode
FedMust beroperasi dalam putaran komunikasi. Pada setiap putaran, pelatihan lokal dimulai dengan klien yang memiliki label untuk tugas yang sama membentuk federasi untuk menghasil…
Hasil
Eksperimen ekstensif menunjukkan efektivitas FedMust dibandingkan dengan model organ tunggal lokal dan terfederasi, menghasilkan peningkatan kinerja rata-rata 13 persen di seluruh klien. Eksperimen j…
Ziyad Benomar; Aymen Al Marjani; Paul Missault; Saab Mansour
Ringkasan
Makalah ini memperkenalkan kerangka kerja pengujian hipotesis yang diperkaya pembelajaran yang memanfaatkan prediksi dengan kualitas tidak diketahui untuk mengurangi biaya eksperimen. Makalah ini menyajikan uji asimetris untuk prediksi ara…
Metode
Makalah ini memperkenalkan dua metode yang saling melengkapi untuk pengujian hipotesis yang diperkaya pembelajaran. Pertama, untuk prediksi arah pada tingkat populasi, para penuli…
Hasil
Para penulis mengevaluasi kerangka kerja mereka pada empat dataset dunia nyata, membandingkan metode yang diusulkan dengan pengujian hipotesis klasik dan baseline lainnya. Hasilnya menunjukkan bahwa …
SE-LLM-OCP mengintegrasikan large language model untuk keputusan manuver tingkat tinggi dengan kontrol optimal untuk kelayakan tingkat rendah, sehingga parkir otonom lebih aman di lingkungan sempit dan nonkonveks. Kerangka ini mengembangka…
Metode
SE-LLM-OCP beroperasi dalam dua fase: daring dan luring. Secara daring, LLM bertindak sebagai perencana tingkat tinggi, mengusulkan rencana manuver renggang yang menguraikan tugas…
Hasil
Validasi eksperimental dilakukan dalam simulasi pada dua platform: model kendaraan mirip mobil dan robot penggerak diferensial. Hasilnya menunjukkan bahwa SE-LLM-OCP memungkinkan parkir otonom yang l…
Eksperimen 2x2 dengan 240 partisipan menunjukkan bahwa hanya personalisasi berbasis konteks yang secara andal mengubah peringkat saham, menggesernya ke arah rekomendasi AI, sedangkan personalisasi berbasis gaya tidak. Partisipan merasa leb…
Metode
Eksperimen ini menggunakan desain antara-subjek 2x2, memanipulasi personalisasi berbasis gaya (ada vs. tidak ada) dan personalisasi berbasis konteks (ada vs. tidak ada). Partisipa…
Hasil
Partisipan mempersepsikan kedua bentuk personalisasi, tetapi hanya personalisasi berbasis konteks yang secara andal mengubah perilaku peringkat. Secara spesifik, personalisasi berbasis konteks mening…
