1071 Arbeiten
Die Arbeit stellt MAWARITH vor, einen umfassenden arabischen Datensatz und Benchmark mit 12.500 annotierten Erbfällen, der große Sprachmodelle durch detaillierte Schritt-für-Schritt-Lösungen und eine neue Evaluierungsmetrik (MIR-E) in der komplexen reasoning-Aufgabe des islamischen Erbrechts testet.
Diese Arbeit stellt ein lernfreies Framework zur Erzeugung von L2-akzentuierter Sprache vor, das phonologische Regeln mit einem multilingualen Text-to-Speech-Modell kombiniert, um Akzente auf Phonemebene ohne akzentuierte Trainingsdaten zu manipulieren.
Diese Arbeit stellt das neu kuratierte Devanagari-Sprachkorpus „Nwāchā Munā" für Nepal Bhasha vor und zeigt, dass ein feinabgestimmtes nepalesisches Conformer-Modell durch proximale Transferlernen die Leistung großer multilingualer Modelle bei der Spracherkennung erreicht und dabei eine rechen-effiziente Alternative für diese unterrepräsentierte Sprache bietet.
Die Arbeit stellt KCoEvo vor, ein durch Wissensgraphen erweitertes Framework, das die Migration von Code durch eine zweistufige Strategie aus Pfadwiedergewinnung und pfadbasiertem Code-Generierung verbessert, um die Herausforderungen durch sich entwickelnde APIs zu bewältigen.
Die Arbeit stellt StyleBench vor, ein mehrstufiges Dialog-Benchmark, das die Fähigkeit von Sprachmodellen zur kontrollierten Steuerung von Sprechstil-Intensität in den Dimensionen Emotion, Geschwindigkeit, Lautstärke und Tonhöhe systematisch bewertet und dabei Leistungslücken zwischen führenden Sprachmodellen und Omni-Sprachmodellen aufzeigt.
Das Paper stellt KohakuRAG vor, ein einfaches RAG-Framework mit hierarchischer Dokumentenindizierung und Ensemble-Inferenz, das beim WattBot 2025 Challenge-Wettbewerb den ersten Platz belegte und durch strukturerhaltende Abfrageplanung sowie Abstimmungsmechanismen präzise Zitationen und stabile Antworten ermöglicht.
Dieser Bericht stellt das Megatron Core-Framework vor, das durch integrierte Optimierungen in den Bereichen Speicher, Kommunikation und Berechnung sowie Unterstützung für parallele Verfahren und niedrige Präzision das skalierbare Training von Mixture-of-Experts-Modellen auf Tausenden von GPUs ermöglicht und dabei hohe Rechenleistung auf NVIDIA-Hardware erreicht.
Diese Studie untersucht die Leistungsfähigkeit verschiedener Large Language Models bei der Lösung diskreter Optimierungsproblemen anhand umfangreicher, erweiterter Datensätze und stellt fest, dass zwar leistungsfähigere Modelle generell besser abschneiden, die Chain-of-Thought-Methode jedoch nicht immer vorteilhaft ist und augmentierte Daten die Ergebnisse bei verständlichen Problemen trotz hoher Varianz verbessern können.
Die Arbeit stellt 3ViewSense vor, ein Framework, das die räumliche Intelligenz von Vision-Language-Modellen durch eine auf orthografischen Ansichten basierende „Simulieren-und-Schließen"-Methode schließt, um die Lücke bei der Konstruktion kohärenter 3D-Mentalmodelle aus 2D-Beobachtungen zu überwinden.
Diese Studie zeigt, dass PCA-Whitening die Unterscheidung von Halluzinationstypen in Embedding-Räumen ermöglicht, indem sie die Cluster-Commitment als geometrischen Separator identifiziert und nachweist, dass die Trennung zwischen Typ 1 und 2 eine Kapazitätsbegrenzung darstellt, während die Trennung zwischen Typ 2 und 3 signifikant ist.
Das Paper stellt ein Ensemble-System für die SemEval-2026-Aufgabe 3 vor, das einen hybriden RoBERTa-Encoder mit Large Language Models kombiniert, um durch Regressions- und Klassifikationsköpfe sowie Stacking die Genauigkeit der dimensional-aspektbasierten Sentiment-Analyse zu verbessern.
ArcLight ist eine neuartige, leichte Inferenzarchitektur für viele Kern-CPU-Plattformen, die durch optimiertes Speichermanagement, Thread-Scheduling und fein abgestimmte Tensor-Parallelität den Overhead beim zugriff auf NUMA-Knoten reduziert und damit den Durchsatz im Vergleich zu bestehenden Frameworks um bis zu 46 % steigert.
Die Arbeit stellt MicroCoder-GRPO vor, einen verbesserten Reinforcement-Learning-Ansatz mit drei Innovationen zur Überwindung von Trainingsengpässen bei Code-Modellen, der in Kombination mit einem neuen Datensatz und einem optimierten Evaluierungsframework signifikante Leistungssteigerungen auf LiveCodeBench v6 erzielt und dabei zeigt, dass sorgfältig trainierte Modelle mit größeren Modellen konkurrieren können.
Die Studie stellt das MicroCoder-Dataset vor, das durch einen systematischen vierstufigen Verarbeitungsprozess und eine KI-gestützte Schwierigkeitsfilterung aus aktuellen Wettbewerbsaufgaben besteht und nachweislich die Leistung von Code-Generierungsmodellen bei komplexen Aufgaben im Vergleich zu herkömmlichen Datensätzen signifikant verbessert.
Diese Studie analysiert die sozialen Vorurteile von sieben führenden Large Language Models im nepalesischen Kontext und zeigt mittels eines Dual-Metric-Bewertungsrahmens auf, dass implizite generative Verzerrungen, die bei moderater Temperatur am stärksten sind, durch einfache Zustimmungsmetriken nicht erfasst werden können.
Diese Studie stellt mit AEPC-QA einen neuen Benchmark für die Versicherungsbranche Québecs vor und zeigt, dass zwar RAG und Schlussfolgerungstechniken die Genauigkeit von Sprachmodellen erheblich steigern können, jedoch eine instabile Kontextverarbeitung und die Überlegenheit großer Generalisten gegenüber spezialisierten Modellen eine sorgfältige Robustheitskalibrierung vor dem autonomen Einsatz erfordern.
Die Studie „DistillGuard" zeigt, dass die meisten bestehenden Output-Level-Verteidigungsmechanismen gegen Wissensdistillation durch proprietäre LLM-APIs überraschend ineffektiv sind und nur die Entfernung von Chain-of-Thought-Antworten die mathematische Reasoning-Fähigkeit des gestohlenen Wissens signifikant beeinträchtigt.
Das Paper stellt „AI Steerability 360" vor, eine erweiterbare, quelloffene Python-Bibliothek von IBM, die ein einheitliches Interface für die Steuerung von Large Language Models über vier Kontrollflächen (Eingabe, Struktur, Zustand und Ausgabe) sowie Werkzeuge zur einfachen Entwicklung, Komposition und umfassenden Evaluierung von Steuerungsstrategien bietet.
Das Paper stellt FusionSQL vor, ein effizientes Evaluierungswerkzeug, das die Genauigkeit von Text2SQL-Modellen auf ungelabelten und bisher nicht gesehenen Daten schätzt, indem es Muster in den eigenen Ausgaben analysiert, ohne auf Referenzlabels angewiesen zu sein.
Die Arbeit stellt SynPlanResearch-R1 vor, ein Framework, das durch synthetisierte Tool-Nutzungspfade die Exploration von Forschungsagenten während des kalten Start-Trainings verbessert und so die Leistung auf mehreren Benchmarks im Vergleich zu bestehenden Methoden signifikant steigert.