5436 Arbeiten
Die Arbeit stellt Reasoning Reward Models (ReasRMs) vor, insbesondere die RM-R1-Familie, die durch die Umformulierung des Reward-Modeling als Reasoning-Aufgabe mit einem Chain-of-Rubrics-Mechanismus und einem zweistufigen Trainingsprozess die Interpretierbarkeit und Leistung von Belohnungsmodellen signifikant steigern.
Diese Arbeit stellt einen umfassenden Überblick über 178 Benchmarks für Code-LLMs und Agenten aus der Perspektive des Softwareentwicklungslebenszyklus (SDLC) bereit, deckt dabei eine signifikante Ungleichgewichtigkeit auf, bei der die Implementierungsphase stark überrepräsentiert ist, während Anforderungsanalyse und Design vernachlässigt werden, und identifiziert zudem kritische Lücken bei Anti-Kontaminationsstrategien sowie zukünftige Forschungsrichtungen.
Diese Arbeit stellt EVA vor, ein neuartiges asynchrones Framework, das durch die Übertragung von Sprachmodellierungstechniken auf die Ereignisverarbeitung überlegene Merkmalsrepräsentationen für Erkennungs- und Detektionsaufgaben in der ereignisbasierten Computer Vision ermöglicht.
Die Studie zeigt, dass durch feingranulare, bedingte Aktivierungssteuerung (K-CAST) die Verzerrung von Sprachmodellen zugunsten inhaltlicher Plausibilität gegenüber formaler logischer Gültigkeit effektiv reduziert und die Genauigkeit beim logischen Schlussfolgern um bis zu 15 % verbessert werden kann.
Das Paper stellt AdAEM vor, einen adaptiven und automatisierten Algorithmus, der durch die dynamische Generierung kontroverser Testfragen die Wertedifferenzen und kulturellen Ausrichtungen von Large Language Models präziser und informativer misst als statische Benchmarks.
Die Studie stellt ESGenius vor, den ersten umfassenden Benchmark zur Evaluierung von Large Language Models im Bereich ESG und Nachhaltigkeit, der aus einem von Experten validierten Fragenkatalog und einer Kuratierung autoritativer Quellen besteht und zeigt, dass Retrieval-Augmented Generation (RAG) die Leistung dieser Modelle in diesem spezialisierten Fachgebiet signifikant verbessert.
Die Arbeit stellt KramaBench vor, einen Benchmark mit 104 manuell erstellten Herausforderungen, der zeigt, dass aktuelle KI-Systeme zwar einzelne Datenaufgaben bewältigen können, aber beim Entwurf und der Ausführung funktionsfähiger End-to-End-Pipelines zur Gewinnung von Erkenntnissen aus komplexen Data Lakes erhebliche Schwierigkeiten haben.
Das Paper stellt VisioMath vor, ein Benchmark mit 1.800 mathematischen Aufgaben, bei denen Modelle zwischen visuell ähnlichen Diagrammen unterscheiden müssen, und zeigt, dass aktuelle Large Multimodal Models aufgrund von Fehlern bei der Bild-Text-Ausrichtung scheitern, was durch gezielte Alignierungsstrategien verbessert werden kann.
Diese Studie stellt ein neues, multidimensionales Rahmenwerk zur Bewertung moralischer Kompetenz in großen Sprachmodellen vor und zeigt, dass diese zwar in standardisierten Szenarien menschliche Nicht-Experten übertreffen, jedoch in komplexen Situationen, in denen moralisch relevante Informationen aus irrelevanten Details herausgefiltert werden müssen, signifikant schlechter abschneiden als Menschen, was darauf hindeutet, dass bestehende Evaluierungen die Fähigkeiten der KI überschätzen.
Das Paper stellt ContextBench vor, einen Benchmark zur Bewertung von Methoden, die gezielt latente Merkmale in Sprachmodellen aktivieren, und zeigt, dass eine Kombination aus evolutionärer Prompt-Optimierung, LLM-Unterstützung und Diffusionsmodellen den besten Kompromiss zwischen Wirksamkeit und sprachlicher Flüssigkeit erzielt.
Die Arbeit stellt Sysformer vor, ein trainierbares Transformer-Modell, das durch die adaptive Anpassung von Systemprompts in Eingabe-Embedding-Räumen die Sicherheit und Robustheit von eingefrorenen Large Language Models gegenüber schädlichen Eingaben und Jailbreak-Angriffen signifikant verbessert, ohne die Modellparameter selbst nachtrainieren zu müssen.
Die Arbeit stellt Iterative Quantum Feature Maps (IQFMs) vor, ein hybrides Quanten-Klassisches Framework, das durch den schichtweisen Aufbau flacher Quanten-Feature-Maps mit klassischen Gewichten und kontrastivem Lernen tiefere Architekturen ohne Optimierung variationaler Parameter ermöglicht, um Rauschen zu reduzieren und die Leistung auf realer Hardware zu verbessern.
Die Arbeit stellt SPARC vor, ein Framework, das durch eine globale TopK-Sparsity-Mechanik und einen Cross-Reconstruction-Loss einen einheitlichen, modals- und architekturübergreifenden latenten Raum für Sparse Autoencoder schafft, um die Interpretierbarkeit und den direkten Vergleich von Konzepten in verschiedenen KI-Modellen zu ermöglichen.
Diese Arbeit schlägt einen einheitlichen pädagogischen Rahmen vor, der MOOCs, Smart Teaching und KI integriert, um durch strukturierte Exposition, adaptive Zuweisung und Effizienzsteigerung den Wissenserwerb zu optimieren.
Das Paper stellt ExDD vor, ein neuartiges Framework zur Erkennung von Oberflächenfehlern, das durch die explizite Modellierung dualer Verteilungen, den Einsatz latenter Diffusionsmodelle zur Generierung synthetischer Defekte und einen benachbarkeitsbewussten Bewertungsmechanismus die Grenzen herkömmlicher Ein-Klassen-Anomalieerkennung überwindet und auf dem KSDD2-Datensatz überlegene Leistung erzielt.
Diese Arbeit stellt ein auf einem multimodalen Large Language Model basierendes Multi-Agenten-System vor, das durch die Zerlegung komplexer chemischer Extraktionsaufgaben in spezialisierte Teilaufgaben einen signifikanten Fortschritt bei der automatischen Gewinnung strukturierter Daten aus chemischer Literatur ermöglicht und dabei den bisherigen State-of-the-Art deutlich übertrifft.
Diese Arbeit stellt MAP vor, eine trainingsfreie Decodierungsmethode, die durch die Interpretation der versteckten Zustände als 2D-Semantikkarte und die Anwendung von schichtweiser kreuzweise Aufmerksamkeitsverarbeitung sowie einer global-lokalen Logit-Fusion Halluzinationen in großen visuell-sprachlichen Modellen effektiv reduziert.
Die Arbeit stellt VLMQ vor, einen post-training-Quantisierungsrahmen für Vision-Sprach-Modelle, der durch die Identifizierung und Berücksichtigung von visueller Überrepräsentation sowie einer Modality-Gap und die selektive Priorisierung salienter Token mittels eines gradientenbasierten Wichtigkeitsfaktors die Quantisierungsleistung insbesondere bei niedrigen Bitbreiten signifikant verbessert.
Die Arbeit stellt SGDFuse vor, ein bedingtes Diffusionsmodell, das mithilfe von semantischen Masken des Segment-Anything-Modells (SAM) als explizite Priors eine hochqualitative und semantisch bewusste Fusion von Infrarot- und sichtbaren Bildern ermöglicht, um Artefakte zu reduzieren und die Leistung in nachgelagerten visuellen Aufgaben zu verbessern.
Diese Arbeit stellt einen effizienten Best-First-Suchalgorithmus mit verzögerten partiellen Expansionen vor, der Steuerungsparameter als echte Entscheidungspunkte in unendlichen Suchräumen behandelt und damit eine wettbewerbsfähige Alternative zu bestehenden Ansätzen für Planungsprobleme mit kontinuierlichen Entscheidungsvariablen bietet.