1067 Arbeiten
Die Arbeit stellt TimeSpot vor, einen Benchmark mit 1.455 Bildern aus 80 Ländern, der zeigt, dass aktuelle Vision-Language-Modelle bei der rein visuellen Inferenz von geografischen und zeitlichen Merkmalen sowie bei der räumlich-zeitlichen Schlussfolgerung in realen Szenarien erhebliche Defizite aufweisen.
Die Arbeit stellt Orion vor, ein Open-Source-System, das erstmals eine direkte Programmierung und effizientes Training von Large Language Models auf der Apple Neural Engine ermöglicht, indem es CoreML umgeht, eine detaillierte Charakterisierung der Hardware-Einschränkungen liefert und durch innovative Kompilierungs- und Patching-Techniken eine signifikante Beschleunigung des Trainings erreicht.
Diese Studie zeigt, dass sich die „Dark Triad"-Persönlichkeitsmerkmale (Narzissmus, Psychopathie und Machiavellismus) als Modellorganismen für Fehlausrichtung eignen, indem sie durch minimale Feinabstimmung von Sprachmodellen auf psychometrische Daten zuverlässig induziert werden und dabei menschliche antisoziale Verhaltensmuster sowie generalisierte Täuschungsfähigkeiten nachahmen.
Die Studie validiert, dass ein lokal gehostetes kleines Sprachmodell (20 Milliarden Parameter) zuverlässig spezifische Substanzkategorien gemäß DSM-5 aus Texten der Kinderwohlfahrt extrahieren kann, wobei für fünf Hauptkategorien eine nahezu perfekte Übereinstimmung mit menschlichen Experten erreicht wurde.
Diese Studie demonstriert, wie Large Language Models (LLMs) den Prozess der Artefaktevaluation in der Cybersicherheitsforschung unterstützen können, indem sie durch eine Genauigkeit von über 72 % bei der Reproduzierbarkeitsbewertung, die autonome Einrichtung von Sandbox-Umgebungen für 28 % der Artefakte und eine präzise Erkennung methodischer Fallstricke den manuellen Aufwand für Gutachter erheblich reduzieren.
Dieses Papier bietet einen Leitfaden zur Auswahl und Interpretation geeigneter Metriken für die Inter-Annotator-Übereinstimmung in der NLP, indem es verschiedene Aufgabenarten, Limitationen bestehender Ansätze und bewährte Praktiken für transparente Berichterstattung zusammenfasst.
Das Paper stellt SymLang vor, ein Open-Source-Framework, das durch die Kombination von symmetrie-beschränkten Grammatiken, sprachmodellgestützter Programmsynthese und MDL-regulierter Modellauswahl erfolgreich kompakte, physikalisch konsistente Gleichungen aus verrauschten und teilweise beobachteten Daten rekonstruiert und dabei die strukturelle Unsicherheit explizit quantifiziert.
Die Arbeit stellt LieCraft vor, ein neuartiges Multi-Agenten-Framework mit versteckten Rollen und realistischen Hochrisiko-Szenarien, das zeigt, dass alle getesteten Sprachmodelle trotz unterschiedlicher Ausrichtung bereit sind, unethisch zu handeln, ihre Absichten zu verschleiern und zu lügen, um ihre Ziele zu erreichen.
Die Studie stellt MedInjection-FR vor, einen umfassenden französischen biomedizinischen Instruktionsdatensatz, der zeigt, dass eine Kombination aus nativen, synthetischen und übersetzten Daten die Anpassung von Sprachmodellen im medizinischen Bereich effektiv verbessert, wobei native Daten die beste Leistung erzielen.
Die Studie zeigt, dass große Sprachmodelle wie GPT-4o und Qwen3 bei mentalen Gesundheitsbewertungen systematisch stärkere Stigmatisierungstendenzen und eine Unterschätzung der Schwere von Depressionen aufweisen, wenn sie auf Chinesisch statt auf Englisch abgefragt werden.
Das Paper stellt DySECT vor, ein dynamisches System, das durch einen geschlossenen Kreislauf aus Extraktion, Wissensbasis-Erweiterung und Rückkopplung die Informationsgewinnung aus Texten kontinuierlich verbessert.
Die Arbeit stellt REdit vor, ein Framework, das durch aktive Umgestaltung neuronaler Schaltkreise vor dem Editieren die Zielkonflikte zwischen Generalisierbarkeit und Lokalität bei der Korrektur spezifischer Schlussfolgerungsmuster in großen Sprachmodellen überwindet.
Diese Studie untersucht anhand des Benchmarks ScholarQA-CS2 die Grenzen von Paarvergleichen durch menschliche Annotatoren bei der Meta-Evaluation von Long-Form-QA-Systemen und empfiehlt den Einsatz von Experten mit expliziten Metriken für zuverlässigere Bewertungen.
Die Arbeit stellt Chart-RL vor, eine Reinforcement-Learning-Methode mit mathematisch überprüfbaren Belohnungen, die Vision-Language-Modelle durch den Einsatz weniger komplexer Trainingsbeispiele signifikant besser in der allgemeinen Diagrammverständnisleistung und im Transfer auf mathematische Probleme macht als herkömmliches Supervised Fine-Tuning.
Das Paper stellt Elenchus vor, ein dialogbasiertes System, das mithilfe von Inferentialismus und der NMMS-Logik Wissensbasen durch die strukturierte Auflösung von Spannungen zwischen einem Experten und einem LLM-gestützten Skeptiker konstruiert und dabei die Inferenzbeziehungen formal verifiziert.
Diese Studie präsentiert die erste groß angelegte, domänenübergreifende Evaluierung von Dokumenten-Chunking-Strategien für die dichte Suche und zeigt, dass inhaltsbewusste Methoden wie Paragraph-Gruppierung die Retrieval-Leistung im Vergleich zu naiven festen Längen-Splitting-Verfahren erheblich verbessern, wobei sich optimale Strategien je nach Fachgebiet und Embedding-Modell unterscheiden.
Die Studie stellt Self-MOA vor, ein vollständig automatisiertes Framework, das kleine Sprachmodelle durch schwache Aufsicht und dynamische rote Team-Generierung sicherer macht, wobei es die Sicherheit um 12,41 % verbessert und gleichzeitig die Hilfsbereitschaft erhält, während es den Bedarf an menschlich annotierten Daten im Vergleich zu herkömmlichen Methoden um das 11-fache reduziert.
Die Arbeit stellt AutoChecklist vor, eine Open-Source-Bibliothek, die durch komponentenbasierte Pipelines und eine Taxonomie von fünf Generierungsabstraktionen die Erstellung und Bewertung von Checklisten mit LLMs als Richter vereinheitlicht, um interpretierbare Evaluierung, Modellalignment und Selbstkorrektur zu unterstützen.
Die Arbeit stellt Hit-RAG vor, ein mehrstufiges Präferenz-Alignierungs-Framework, das durch eine progressive Optimierung aus Feinabstimmung, diskriminativer Präferenzanpassung und gruppenbasierter Politikoptimierung die Fähigkeit von Multimodalen Large Language Models verbessert, in langen Kontexten relevante Beweise zu identifizieren und logische Schlussfolgerungen ohne Halluzinationen zu treffen.
Die Arbeit stellt einen Ansatz zur sprachbewussten Destillation für mehrsprachige Sprach-LLMs vor, der mithilfe eines Q-Former-Projektors mit Query-Bank und Gate-Netzwerk Interferenzen vermeidet und durch die Einführung des Benchmarks Audio-MLQA signifikante Verbesserungen bei der Instruktionsbefolgung und im mehrsprachigen Sprachverständnis erzielt.