154 Arbeiten
Die Arbeit stellt HCT-QA vor, ein umfassendes Benchmark-Dataset mit tausenden realen und synthetischen menschenzentrierten Tabellen sowie zugehörigen Frage-Antwort-Paaren, um die Leistung von Sprach- und Vision-Sprachmodellen beim Beantworten natürlicher Fragen aus komplexen Tabellendokumenten zu evaluieren und durch Feinabstimmung signifikant zu verbessern.
Die Arbeit stellt RED vor, ein robustes, ereignisgesteuertes Netzwerk zur Bewegungsunschärfereduktion, das durch eine modalspezifische Entwirrung und selektive Fusion sowie eine robuste Störstrategie die Leistung bei unvollständigen Ereignisdaten verbessert.
Die Arbeit stellt GaiaFlow vor, ein innovatives Framework, das semantisch geführtes Diffusions-Tuning mit adaptiven Early-Exit-Protokollen und quantisierter Inferenz kombiniert, um bei der Informationsretrieval eine nachhaltige Balance zwischen hoher Suchqualität und minimalem CO₂-Fußabdruck zu erreichen.
Diese Studie führt neue Metriken für „Text-to-Big SQL" ein, um zu zeigen, dass herkömmliche Text-to-SQL-Benchmarks die Kosten- und Leistungsauswirkungen von LLM-Agenten bei großen Datenmengen nicht erfassen, und bietet detaillierte Einblicke in die Effizienz frontier-Modelle.
Diese Arbeit stellt ein einheitliches Learning-to-Rank-Modell für den E-Commerce-Suchmaschinen von Target.com vor, das heterogene Abrufkanäle query-spezifisch fusioniert und dabei kurzfristige Nutzerintentionen berücksichtigt, um die Conversion-Rate um 2,85 % zu steigern und gleichzeitig die Latenz unter 50 ms zu halten.
Die Arbeit stellt Aletheia vor, eine browserbasierte Erweiterung, die mittels Large Language Models und Retrieval-Augmented Generation Fake News nicht nur erkennt, sondern durch evidenzbasierte Erklärungen, einen Diskussionsraum und aktuelle Faktenchecks transparent und nutzerzentriert bekämpft.
Das Paper stellt VDCook vor, ein selbstentwickelndes Video-Daten-Betriebssystem, das Forschern und Domänenteams ermöglicht, durch natürliche Sprachabfragen und automatisierte Retrieval- sowie Syntheseprozesse dynamisch aktualisierbare, metadatenreiche Videodatensätze für das Training von Multimodalen Large Language Models (MLLMs) zu erstellen.
Der vorgestellte Ansatz AutoThinkRAG verbessert das Verständnis komplexer Dokumente in der Bild-Text-Interaktion durch eine Komplexitäts-gesteuerte Aufteilung der Aufgaben zwischen einem kleinen visuellen Interpreter und einem großen Sprachmodell, was zu neuen State-of-the-Art-Ergebnissen bei geringeren Kosten führt.
Die Arbeit stellt CBR-to-SQL vor, ein auf Fallbasiertem Schließen (CBR) basierendes Framework, das durch eine zweistufige Abrufstrategie und abstrakte Fallvorlagen die Genauigkeit und Robustheit von Text-zu-SQL-Übersetzungen im medizinischen Bereich im Vergleich zu herkömmlichen RAG-Ansätzen signifikant verbessert.
Diese Studie zeigt durch einen algorithmischen Audit von TikTok auf, dass die aktuelle Definition von „Werbung" im Digital Services Act (DSA) eine regulatorische Lücke darstellt, die es ermöglicht, dass personalisierte Influencer- und Marketinginhalte trotz des Verbots von profilbasierten Werbeanzeigen für Minderjährige weiterhin wirksam an diese Zielgruppe ausgespielt werden.
Diese Studie zeigt, dass ein personalisierter Diversitäts-Nudge-Framework mit einem dualen Kalibrierungsalgorithmus die Vielfalt des Nachrichtenkonsums (inländisch und global) bei US-Nutzern erfolgreich steigern kann, wobei die Relevanz zu vorher gelesenen Artikeln ein stärkerer Klick-Prädiktor ist als generische Themen und langfristige Exposition zu einer Präferenz für ausgewogene Nachrichten führt.
Dieser Beitrag stellt einen dreistufigen Forschungsrahmen vor, der eine sensitivitätsbewusste, retrieval-augmentierte Intent-Klärung entwickelt, um in sensiblen Domänen wie Gesundheitswesen und Recht den Schutz vertraulicher Daten vor Angriffen bei gleichzeitiger Aufrechterhaltung der Systemnützlichkeit zu gewährleisten.
Die Arbeit stellt ChatShopBuddy vor, einen durch Reinforcement Learning optimierten Einkaufsassistenten, der mittels eines neuen Benchmarks, einer hierarchischen Belohnungsmodellierung und einer dynamischen kontrastiven Politikoptimierung mehrere Ziele wie Produktkorrektheit und Überzeugungskraft in realen Szenarien effektiv vereint.
Die Arbeit stellt OMEGA vor, eine effiziente Methode für das Lernen von Top-K-Suchen, die mit einem einzigen, auf K=1 trainierten Modell und einem dynamischen Verfeinerungsprozess sowohl hohe Genauigkeit als auch Leistung bei variierenden K-Werten erreicht und dabei die Vorverarbeitungszeit im Vergleich zu bestehenden Methoden drastisch reduziert.
Die Arbeit stellt MLLMRec-R1 vor, ein effizientes GRPO-basiertes Rahmenwerk für die multimodale sequenzielle Empfehlung, das durch die Offline-Textualisierung visueller Signale und eine gemischte Datenaugmentationsstrategie die hohen Trainingskosten und das Problem der Belohnungsinflation adressiert, um die推理fähigkeit von Multimodal Large Language Models zu verbessern.
Die Arbeit stellt R4T vor, ein dreistufiges Framework, das Reinforcement Learning nutzt, um Trainingsdaten für einen effizienten Diffusions-Retriever zu synthetisieren, wodurch die Latenz bei der set-basierten Fan-Out-Retrieval drastisch reduziert und gleichzeitig die Qualität der Ergebnisse optimiert wird.
Das Paper CARROT stellt ein lernbasiertes, kostenbeschränktes Optimierungsframework für Retrieval-Augmented Generation (RAG) vor, das mithilfe von Monte-Carlo-Baumsuche, einer nicht-monotonen Nutzenstrategie und einem konfigurierenden Agenten die Herausforderungen von Redundanz, abnehmendem Nutzen und mangelnder Anpassungsfähigkeit bei der Chunk-Auswahl adressiert und damit die Leistung gegenüber Baseline-Modellen um bis zu 30 % verbessert.
Die Arbeit stellt IKGR vor, ein tuning-freies Empfehlungssystem, das mittels eines RAG-gesteuerten LLM-Verfahrens absichtszentrierte Wissensgraphen konstruiert, um durch die explizite Verknüpfung von Nutzern und Artikeln mit extrahierten Intentionen sowie eine gegenseitige Dichtungsstrategie die Leistung bei Datenknappheit und Cold-Start-Szenarien signifikant zu verbessern.
Die Arbeit stellt Refine-POI vor, ein Framework, das durch eine topologiebewusste ID-Generierung mittels hierarchischer selbstorganisierender Karten und eine verstärkende Feinabstimmung zur Optimierung von Top-k-Empfehlungen die Grenzen bestehender LLM-basierter POI-Empfehlungssysteme überwindet.
Die Studie stellt die Ettin-Suite vor, eine Open-Data-Sammlung von gepaarten Encoder- und Decoder-Modellen, die mit identischen Trainingsrezepten trainiert wurden und zeigen, dass spezialisierte Architekturen ihre jeweiligen Aufgaben (Klassifizierung/Retrieval vs. Generierung) deutlich besser bewältigen als durch Weitertraining adaptierte Modelle.