cs.CL Arbeiten | Gist.Science

StarWhisper Telescope: An AI framework for automating end-to-end astronomical observations

Das Paper stellt das KI-Framework „StarWhisper Telescope" vor, das durch die Integration von Sprachmodellen und spezialisierten Workflows den gesamten Ablauf astronomischer Beobachtungen – von der Planung bis zur Echtzeit-Datenanalyse und Auslösung von Folgemessungen – automatisiert und so menschliche Eingriffe minimiert, wie bereits erfolgreich in einem Netzwerk von 10 Amateuerteleskopen demonstriert wurde.

Cunshi Wang, Yu Zhang, Yuyang Li + 25 more2026-03-04🔭 astro-ph

A Survey of Query Optimization in Large Language Models

Diese Arbeit bietet eine umfassende Übersicht über Query-Optimierungstechniken für Large Language Models, indem sie einen neuen Lebenszyklus-Framework, eine Taxonomie für Query-Komplexität und eine detaillierte Analyse zentraler Optimierungsoperationen sowie zukünftiger Herausforderungen vorstellt.

Mingyang Song, Mao Zheng2026-03-04💬 cs.CL

Evaluating Spoken Language as a Biomarker for Automated Screening of Cognitive Impairment

Die Studie zeigt, dass erklärbare maschinelle Lernmodelle, die auf linguistischen Merkmalen basieren, ein vielversprechendes, skalierbares Werkzeug für das automatische Screening und die Risikotriage kognitiver Beeinträchtigungen wie der Alzheimer-Krankheit darstellen, auch wenn die Generalisierbarkeit auf reale Daten noch verbessert werden muss.

Maria R. Lima, Alexander Capstick, Fatemeh Geranmayeh + 4 more2026-03-04💬 cs.CL

Hallucination, Monofacts, and Miscalibration: An Empirical Investigation

Diese Studie untersucht empirisch den Zusammenhang zwischen Halluzinationen, Monofakten und Fehlkalibrierung in Sprachmodellen und zeigt, dass eine gezielte, selektive Gewichtung von nur 5 % der Trainingsdaten die Halluzinationsrate um bis zu 40 % senken kann, ohne die Genauigkeit zu beeinträchtigen, was universelle Deduplizierungsrichtlinien in Frage stellt.

Miranda Muqing Miao, Michael Kearns2026-03-04🤖 cs.AI

Make LoRA Great Again: Boosting LoRA with Adaptive Singular Values and Mixture-of-Experts Optimization Alignment

Die Arbeit stellt GOAT vor, ein Framework, das durch adaptive SVD-basierte Mixture-of-Experts-Priors und einen theoretisch abgeleiteten Skalierungsfaktor die Leistung von LoRA für Large Language Models signifikant verbessert und die Lücke zum Full Fine-Tuning schließt.

Chenghao Fan, Zhenyi Lu, Sichen Liu + 4 more2026-03-04💬 cs.CL

$\texttt{SEM-CTRL}$ : Semantically Controlled Decoding

Die Arbeit stellt \texttt{SEM-CTRL} vor, einen Ansatz, der mittels Antwortset-Grammatiken und token-basiertem Monte-Carlo-Baumsuche-Verfahren semantische und syntaktische Constraints direkt in den Decoder von Large Language Models integriert, um ohne Feinabstimmung korrekte Ausgaben zu garantieren und dabei selbst kleinere Modelle leistungsfähiger als größere State-of-the-Art-Modelle zu machen.

Mohammad Albinhassan, Pranava Madhyastha, Alessandra Russo2026-03-04🤖 cs.AI

LINGOLY-TOO: Disentangling Reasoning from Knowledge with Templatised Orthographic Obfuscation

Das Paper stellt LINGOLY-TOO vor, einen Benchmark, der durch orthografische Obfuskation von Linguistik-Olympiade-Aufgaben das reine logische Schlussfolgern von Sprachmodellen vom reinen Wissensabruf entkoppelt und so zeigt, dass die Leistung der Modelle bei solchen verschleierten Aufgaben deutlich einbricht.

Jude Khouja, Lingyi Yang, Karolina Korgul + 6 more2026-03-04🤖 cs.AI

BioChemInsight: An Online Platform for Automated Extraction of Chemical Structures and Activity Data from Patents

BioChemInsight ist eine Open-Source-Pipeline, die durch die Integration fortschrittlicher KI-Modelle die automatisierte Extraktion chemischer Strukturen und Bioaktivitätsdaten aus Patenten ermöglicht, wodurch die Datenvorverarbeitung beschleunigt und das chemische Forschungsportfolio über bestehende Datenbanken wie ChEMBL hinaus erweitert wird.

Zhe Wang, Fangtian Fu, Wei Zhang + 10 more2026-03-04🧬 q-bio

Param $Δ$ for Direct Weight Mixing: Post-Train Large Language Model at Zero Cost

Die Arbeit stellt Param $Î\Delta$ vor, eine kostengünstige Methode, die durch einfaches Gewichtemischen von Basis- und Instruct-Modellen neue Basismodelle ohne zusätzliches Training sofort mit Post-Trainingsfähigkeiten ausstattet und dabei die Leistung herkömmlicher Nachtrainingsverfahren nahezu erreicht.

Sheng Cao, Mingrui Wu, Karthik Prasad + 2 more2026-03-04🤖 cs.AI

Adaptive Social Learning via Mode Policy Optimization for Language Agents

Die vorgestellte Arbeit führt das adaptive soziale Lernframework ASL mit dem AMPO-Algorithmus ein, der Sprachagenten durch kontextbewusste, token-effiziente Umschaltung zwischen verschiedenen Denkmodi eine überlegene soziale Intelligenz und Leistungsfähigkeit im Vergleich zu bestehenden Methoden wie GPT-4o und GRPO ermöglicht.

Minzheng Wang, Yongbin Li, Haobo Wang + 6 more2026-03-04🤖 cs.AI

Talk to Your Slides: High-Efficiency Slide Editing via Language-Driven Structured Data Manipulation

Die Arbeit stellt „Talk-to-Your-Slides" vor, einen effizienten Agenten zur Bearbeitung von Präsentationsfolien, der durch die manipulation von strukturierten Daten statt durch visuelle Bildanalyse eine höhere Geschwindigkeit, Genauigkeit und Kosteneffizienz bei text- und formatierungsbezogenen Aufgaben erreicht und dabei mit dem neu eingeführten TSBench-Datensatz validiert wird.

Kyudan Jung, Hojun Cho, Jooyeol Yun + 3 more2026-03-04💬 cs.CL

Efficient Agent Training for Computer Use

Das Paper stellt PC Agent-E vor, ein effizientes Trainingsframework, das durch die Kombination von nur 312 menschlichen Demonstrationsdaten mit synthetisierten Alternativen mittels Claude 3.7 Sonnet die Leistung von Computer-Nutzungs-Agenten signifikant steigert und dabei sowohl reine Menschendaten als auch direkte Distillation von Claude 3.7 Sonnet auf dem neuen Benchmark WindowsAgentArena-V2 übertrifft.

Yanheng He, Jiahe Jin, Pengfei Liu2026-03-04🤖 cs.AI

REFLEX: Metacognitive Reasoning for Reflective Zero-Shot Robotic Planning with Large Language Models

Das Paper stellt REFLEX vor, ein Framework, das metakognitive Lernfähigkeiten in große Sprachmodelle integriert, um Roboter durch Selbstreflexion und Skill-Zerlegung komplexe Aufgaben im Zero-Shot-Setting kreativ und erfolgreich zu lösen.

Wenjie Lin, Jin Wei-Kocsis, Jiansong Zhang + 4 more2026-03-04💬 cs.CL

BitBypass: A New Direction in Jailbreaking Aligned Large Language Models with Bitstream Camouflage

Die Studie stellt BitBypass vor, einen neuartigen Black-Box-Jailbreak-Angriff, der durch die Tarnung von Eingaben als Bindestrich-getrennte Bitstreams die Sicherheitsausrichtung führender Sprachmodelle umgeht und dabei sowohl höhere Erfolgsquoten als auch größere Unauffälligkeit als bestehende Methoden erreicht.

Kalyan Nakka, Nitesh Saxena2026-03-04💬 cs.CL

DiaBlo: Diagonal Blocks Are Sufficient For Finetuning

Die Arbeit stellt DiaBlo vor, eine effiziente Methode zum Feinabstimmen von Sprachmodellen, die durch die Aktualisierung ausschließlich der Diagonalblöcke in Gewichtsmatrizen eine stabile Konvergenz und Leistung erzielt, die mit der des vollständigen Feinabstimmens vergleichbar ist, ohne dabei auf komplexe Hilfsinitialisierungen angewiesen zu sein.

Selcuk Gurses, Aozhong Zhang, Yanxia Deng + 5 more2026-03-04🤖 cs.AI

Go-Browse: Training Web Agents with Structured Exploration

Das Paper stellt Go-Browse vor, eine Methode zur effizienten, graphbasierten strukturierten Erkundung von Webseiten zur Sammlung eines großen Datensatzes, mit dem ein 7B-Parameter-Modell auf dem WebArena-Benchmark einen neuen State-of-the-Art für Modelle unter 10B Parametern erreicht.

Apurva Gandhi, Graham Neubig2026-03-04💬 cs.CL

HSSBench: Benchmarking Humanities and Social Sciences Ability for Multimodal Large Language Models

Die Studie stellt HSSBench vor, ein umfassendes Benchmark mit über 13.000 mehrsprachigen Proben, das die Fähigkeiten multimodaler Sprachmodelle in den Geistes- und Sozialwissenschaften bewertet und dabei eine neuartige, von Experten und KI-Agenten gemeinsam entwickelte Datenpipeline nutzt, um die Lücke in der Bewertung interdisziplinären Denkens zu schließen.

Zhaolu Kang, Junhao Gong, Jiaxu Yan + 15 more2026-03-04🤖 cs.AI

Search Arena: Analyzing Search-Augmented LLMs

Die Arbeit stellt „Search Arena" vor, einen groß angelegten, crowdsourceden Datensatz mit über 24.000 menschlichen Präferenzbewertungen für suchgestützte LLMs, der neue Erkenntnisse über die Glaubwürdigkeit von Zitaten und die Leistungsfähigkeit solcher Systeme in verschiedenen Szenarien liefert.

Mihran Miroyan, Tsung-Han Wu, Logan King + 8 more2026-03-04💬 cs.CL

You Only Fine-tune Once: Many-Shot In-Context Fine-Tuning for Large Language Models

Die vorgestellte Arbeit führt Many-Shot In-Context Fine-Tuning (ManyICL) ein, eine Methode, die durch die Behandlung aller Kontextantworten als Trainingsziele die Leistung von Large Language Models bei vielen Aufgaben signifikant verbessert, die Lücke zur dedizierten Feinabstimmung schließt und katastrophales Vergessen verhindert.

Wenchong He, Liqian Peng, Zhe Jiang + 1 more2026-03-04🤖 cs.AI

LLM Probability Concentration: How Alignment Shrinks the Generative Horizon

Die Studie zeigt, dass die Ausrichtung (Alignment) von Large Language Models die Vielfalt der Generierung durch eine signifikante Reduktion des „Branching Factor" – ein Maß für die Anzahl plausibler Folgetokens – drastisch einschränkt, indem sie das Modell in deterministischere Pfade lenkt, was sowohl die geringere Sensitivität gegenüber Dekodierungsstrategien als auch die Stabilität von Chain-of-Thought-Verfahren erklärt.

Chenghao Yang, Sida Li, Ari Holtzman2026-03-04🤖 cs.AI

← Zurück Weiter →

cs.CL