Articles dont les auteurs originaux ont examiné notre explication accessible.
Pour chaque article de cette page, au moins un des auteurs originaux a examiné notre explication accessible — soit en confirmant sa précision, soit en demandant des corrections que nous avons ensuite appliquées. Une validation ne signifie pas que les auteurs approuvent formellement chaque phrase, mais que l'explication a été revue par les personnes qui ont écrit l'article.
1292 articles vérifiés par les auteurs · 1031–1040 / 1292
Ce papier propose et valide le paradigme « Agent-First Tool API », qui remplace les interfaces CRUD traditionnelles orientées humain par un protocole sémantique à six verbes et des métadonnées structurées d'aide à la décision afin d'améliorer significativement les taux de réussite des tâches des agents autonomes et la récupération des erreurs dans les systèmes de production d'entreprise.
Le papier propose le Plackett-Luce contextuel (CPL), un modèle neuronal efficace qui combine un score parallèle avec un processus de sélection autoregressif léger pour traiter efficacement des tâches de prédiction de séquences ambiguës et multimodales tout en maintenant une efficacité computationnelle.
Le papier présente les Moyennes Clé-Valeur (KVM), un nouveau mécanisme de récurrence par blocs pour l'attention qui unifie les avantages des transformateurs et des RNN linéaires en permettant un entraînement efficace et parallélisable par blocs avec une croissance flexible de l'état et un temps de préremplissage sous-quadratique, le tout en utilisant des opérations standard et un nombre minimal de paramètres supplémentaires.
L'article présente DP-LAC, une méthode légère pour le fine-tuning fédéré et différentiellement privé des modèles de langage, qui estime et adapte efficacement le seuil de clipping sans coûts de confidentialité supplémentaires ni réglage d'hyperparamètres, permettant d'obtenir une amélioration de 6,6 % de la précision par rapport aux approches existantes.
Ce papier présente la spéculation au moment du test (TTS), une méthode de distillation en ligne qui adapte continuellement un modèle de brouillon pendant l'inférence en utilisant les signaux de vérification du modèle cible, surmontant ainsi la dégradation des performances des spéculateurs existants sur les séquences longues et améliorant considérablement les longueurs d'acceptation.
Ce papier présente la construction du Jeu de Données Financières Annotées (FIAD), une ressource linguistique coréenne dérivée d'avis d'applications bancaires et de Graphes de Grammaire Locale, utilisée pour générer des données d'entraînement annotées qui améliorent significativement les performances de divers modèles de compréhension du langage naturel dans les systèmes de dialogue pour le service client bancaire.
NEO est une méthode d'adaptation au moment du test sans hyperparamètre et économisant les ressources de calcul qui améliore la robustesse et l'étalonnage des modèles sous des décalages de distribution en recentrant les embeddings des données cibles à l'origine, atteignant une précision supérieure sur plusieurs jeux de données et appareils avec une surcharge de calcul minimale.
L'article présente Scam2Prompt, un cadre évolutif qui révèle une vulnérabilité de sécurité critique et aggravante dans les modèles de langage de grande taille en production, où des invites automatisées dérivées de sites d'arnaque malveillants déclenchent avec succès la génération de code nuisible dans jusqu'à 47,3 % des cas sur plusieurs modèles, rendant les mesures de sécurité actuelles telles que les garde-fous et la RAG insuffisantes.
Ce papier établit que les langages hors contexte substituables sous un typage à monoïde fini fixe peuvent être identifiés à la limite à partir de données positives, avec une construction et une mise à jour de l'hypothèse s'exécutant en temps polynomial par rapport à la taille de l'échantillon pour la classe générale à h fixe, et une garantie complète de temps et de données polynomiale (incluant une borne polynomiale sur la taille de l'échantillon caractéristique) pour la sous-classe linéaire, via une théorie de reconstruction typée finie fondée sur une grammaire d'hypothèse canonique dérivée d'un ensemble d'observations fini.
L'article démontre que la classe de complexité NL est distincte de logCFL, un résultat qui implique en outre les séparations L ≠ Ptime et NL ≠ Ptime.