:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fazzi, Gino Franco, Hinge, Julie Skoven, Heinrich, Stefan, Burelli, Paolo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2503.02457
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Spatiotemporal Convolutions on EEG signal -- A Representation Learning Perspective on Efficient and Explainable EEG Classification with Convolutional Neural Nets
von: Dixen, Laurits, et al.
Veröffentlicht: (2026)

Evaluating Quality of Gaming Narratives Co-created with AI
von: Valdivia, Arturo, et al.
Veröffentlicht: (2025)

Improving Collaborative Storytelling with a Multi-Agent Framework Based on Large Language Models
von: Valdivia, Arturo, et al.
Veröffentlicht: (2026)

Playing With Neuroscience: Past, Present and Future of Neuroimaging and Games
von: Burelli, Paolo, et al.
Veröffentlicht: (2024)

Difficulty Modelling in Mobile Puzzle Games: An Empirical Study on Different Methods to Combine Player Analytics and Simulated Data
von: Kristensen, Jeppe Theiss, et al.
Veröffentlicht: (2024)

Modelling Emotions in Face-to-Face Setting: The Interplay of Eye-Tracking, Personality, and Temporal Dynamics
von: Seikavandi, Meisam Jamshidi, et al.
Veröffentlicht: (2025)

Don't Pay Attention
von: Hammoud, Mohammad, et al.
Veröffentlicht: (2025)

Don't Get Me Wrong: How to Apply Deep Visual Interpretations to Time Series
von: Loeffler, Christoffer, et al.
Veröffentlicht: (2022)

Don't Freeze, Don't Crash: Extending the Safe Operating Range of Neural Navigation in Dense Crowds
von: Zhang, Jiefu, et al.
Veröffentlicht: (2026)

Show, Don't Tell: Uncovering Implicit Character Portrayal using LLMs
von: Jaipersaud, Brandon, et al.
Veröffentlicht: (2024)

What LLMs Think When You Don't Tell Them What to Think About?
von: Kwon, Yongchan, et al.
Veröffentlicht: (2026)

Procedurally generating rules to adapt difficulty for narrative puzzle games
von: Volden, Thomas, et al.
Veröffentlicht: (2023)

Don't Just Fine-tune the Agent, Tune the Environment
von: Lu, Siyuan, et al.
Veröffentlicht: (2025)

Don't Blink: Evidence Collapse during Multimodal Reasoning
von: Raghu, Suresh, et al.
Veröffentlicht: (2026)

Don't Forget Imagination!
von: Vityaev, Evgenii E., et al.
Veröffentlicht: (2025)

AntiCheatPT: A Transformer-Based Approach to Cheat Detection in Competitive Computer Games
von: Loo, Mille Mei Zhen, et al.
Veröffentlicht: (2025)

High-quality generation of dynamic game content via small language models: A proof of concept
von: Munk, Morten I. K., et al.
Veröffentlicht: (2026)

Reasoning Models Reason Well, Until They Don't
von: Rameshkumar, Revanth, et al.
Veröffentlicht: (2025)

Don't Kill the Baby: The Case for AI in Arbitration
von: Broyde, Michael, et al.
Veröffentlicht: (2024)

Can LLMs Ground when they (Don't) Know: A Study on Direct and Loaded Political Questions
von: Lachenmaier, Clara, et al.
Veröffentlicht: (2025)

LLMs Don't Know Their Own Decision Boundaries: The Unreliability of Self-Generated Counterfactual Explanations
von: Mayne, Harry, et al.
Veröffentlicht: (2025)

What We Don't C: Manifold Disentanglement for Structured Discovery
von: Rogers, Brian, et al.
Veröffentlicht: (2025)

Don't Make the LLM Read the Graph: Make the Graph Think
von: Sun, Yuqi, et al.
Veröffentlicht: (2026)

Implicit Intelligence -- Evaluating Agents on What Users Don't Say
von: Sirdeshmukh, Ved, et al.
Veröffentlicht: (2026)

Transformers Don't In-Context Learn Least Squares Regression
von: Hill, Joshua, et al.
Veröffentlicht: (2025)

Language Models Don't Learn the Physical Manifestation of Language
von: Lee, Bruce W., et al.
Veröffentlicht: (2024)

Can AI Assistants Know What They Don't Know?
von: Cheng, Qinyuan, et al.
Veröffentlicht: (2024)

Vision Transformers Don't Need Trained Registers
von: Jiang, Nick, et al.
Veröffentlicht: (2025)

Formalize, Don't Optimize: The Heuristic Trap in LLM-Generated Combinatorial Solvers
von: Wang, Haoyu, et al.
Veröffentlicht: (2026)

Benchmarking is Broken -- Don't Let AI be its Own Judge
von: Cheng, Zerui, et al.
Veröffentlicht: (2025)

Don't Forget It! Conditional Sparse Autoencoder Clamping Works for Unlearning
von: Khoriaty, Matthew, et al.
Veröffentlicht: (2025)

Don't Think Twice! Over-Reasoning Impairs Confidence Calibration
von: Lacombe, Romain, et al.
Veröffentlicht: (2025)

Don't Measure Once: Measuring Visibility in AI Search (GEO)
von: Schulte, Julius, et al.
Veröffentlicht: (2026)

Do's and Don'ts: Learning Desirable Skills with Instruction Videos
von: Kim, Hyunseung, et al.
Veröffentlicht: (2024)

sDPO: Don't Use Your Data All at Once
von: Kim, Dahyun, et al.
Veröffentlicht: (2024)

Don't Click That: Teaching Web Agents to Resist Deceptive Interfaces
von: Zhang, Yilin, et al.
Veröffentlicht: (2026)

Don't Waste Your Time: Early Stopping Cross-Validation
von: Bergman, Edward, et al.
Veröffentlicht: (2024)

Reasoning Models Don't Always Say What They Think
von: Chen, Yanda, et al.
Veröffentlicht: (2025)

Don't Fear Peculiar Activation Functions: EUAF and Beyond
von: Wang, Qianchao, et al.
Veröffentlicht: (2024)

Getting Inspiration for Feature Elicitation: App Store- vs. LLM-based Approach
von: Wei, Jialiang, et al.
Veröffentlicht: (2024)