4240 articoli
Il paper propone SEED-SET, un framework di progettazione sperimentale bayesiana che combina valutazioni oggettive e giudizi soggettivi degli stakeholder per testare in modo scalabile ed efficiente l'allineamento etico dei sistemi autonomi in ambiti ad alto rischio.
Il paper introduce BrandFusion, un innovativo framework multi-agente che risolve le sfide dell'integrazione di marchi nei video generati da testo, garantendo al contempo la fedeltà semantica, il riconoscimento del brand e un inserimento contestuale naturale per abilitare la monetizzazione commerciale.
Questo studio presenta la prima valutazione completa del fine-tuning efficiente dei parametri (PEFT) per l'analisi del codice multitasking, dimostrando che un singolo modulo PEFT condiviso può eguagliare o superare il fine-tuning completo offrendo un ottimo compromesso tra prestazioni e efficienza, pur essendo il successo dipendente da fattori come la stabilità del compito e la complementarità, e superando le capacità di modelli LLM generici di grandi dimensioni in compiti di analisi.
Il paper propone il "Targeted Reasoning Unlearning" (TRU), un nuovo metodo che utilizza obiettivi di ragionamento espliciti per rimuovere in modo preciso e spiegabile conoscenze indesiderate dai modelli linguistici, preservando al contempo le loro capacità generali e migliorando la robustezza rispetto agli attacchi.
Il paper presenta AraModernBERT, un modello encoder-only adattato all'arico che dimostra come l'inizializzazione tramite transtokenizzazione e la modellazione nativa di contesti lunghi fino a 8.192 token migliorino significativamente le prestazioni nel modellamento linguistico e in diverse attività di comprensione del linguaggio naturale.
Il paper presenta MoE-SpAc, un framework di inferenza per modelli MoE su dispositivi edge eterogenei che sfrutta la Speculative Decoding come sensore predittivo per l'allocazione della memoria, ottenendo un significativo miglioramento delle prestazioni rispetto alle soluzioni esistenti.
Uno studio empirico su quattro modelli linguistici avanzati rivela che quelli con minore accuratezza mostrano un'eccessiva sovrastima delle proprie capacità, analogamente all'effetto Dunning-Kruger osservato nella cognizione umana, sollevando preoccupazioni per il loro utilizzo sicuro in contesti ad alto rischio.
Questo studio quantifica le allucinazioni nei modelli linguistici su testi medici, rivelando che LLaMA-70B-Instruct genera risposte non supportate dal 19,7% delle volte nonostante l'alta plausibilità, e dimostra una correlazione tra minori tassi di allucinazione e una maggiore preferenza da parte dei clinici.
Il paper propone un framework che ottimizza la trasformazione delle caratteristiche guidato dai modelli linguistici di grandi dimensioni attraverso un ciclo chiuso di evoluzione delle dimostrazioni e selezione della diversità, superando i limiti dei metodi esistenti e ottenendo prestazioni superiori su diversi benchmark tabulari.
Questo lavoro propone una pipeline che collega l'analisi dei circuiti neurali alle spiegazioni in linguaggio naturale per i modelli linguistici, dimostrando che è possibile generare spiegazioni fedeli e di alta qualità per l'identificazione di oggetti indiretti, pur rivelando la presenza di meccanismi di backup distribuiti e la scarsa correlazione tra la confidenza del modello e la fedeltà della spiegazione.
Il documento introduce la System Hallucination Scale (SHS), uno strumento psicometrico leggero e incentrato sull'utente per valutare in modo rapido e interpretabile il comportamento allucinatorio dei modelli linguistici su larga scala dal punto di vista dell'interazione reale, distinguendosi dai tradizionali rilevatori automatici.
Il paper propone un'architettura a due stadi che utilizza LLaMA-3.1-8B-Instruct per la segmentazione e un Legal-Roberta-Large fine-tuned per la classificazione delle clausole nei contratti di non divulgazione, ottenendo risultati elevati in termini di precisione e automazione.
Il paper presenta PoultryLeX-Net, un'architettura transformer duale adattata al dominio che combina modelli lessicali e contestuali per analizzare con elevata precisione i sentimenti e i temi relativi all'industria avicola sui social media, superando le prestazioni dei modelli di base esistenti.
Questo articolo presenta TAMUSA-Chat, un framework di ricerca per conversazioni basate su modelli linguistici su larga scala adattati a contesti istituzionali, che integra tecniche di affinamento supervisionato e generazione aumentata da recupero per garantire trasparenza, conformità normativa e pratiche di intelligenza artificiale responsabile.
Il documento presenta CEI, un nuovo benchmark composto da 300 scenari validati da umani progettato per valutare la capacità dei modelli linguistici di inferire significati pragmatici complessi (come sarcasmo, cortesia strategica e aggressività passiva) in contesti sociali e relazionali caratterizzati da diverse dinamiche di potere.
Il documento evidenzia una significativa discrepanza tra le rappresentazioni interne composizionali e le prestazioni funzionali nei modelli linguistici di grandi dimensioni, sottolineando la necessità di valutazioni contrastive per una comprensione completa delle loro capacità.
Lo studio dimostra che, nelle valutazioni dei colloqui comportamentali, l'approccio "human-in-the-loop" supera il prompting iterativo a catena di pensiero, offrendo miglioramenti significativi in autenticità e fiducia con meno iterazioni e una migliore integrazione dei dettagli personali.
Questo studio valuta la robustezza e la sicurezza pedagogica dei modelli linguistici offline per l'educazione alla lingua turca, rivelando che i modelli orientati al ragionamento nella fascia 8B-14B offrono il miglior compromesso tra costi e sicurezza, mentre la resistenza alle anomalie non dipende esclusivamente dalla scala del modello.
Nonostante le proteste degli utenti secondo cui i nuovi modelli OpenAI avrebbero perso empatia, uno studio clinico dimostra che i punteggi di empatia sono rimasti invariati tra le generazioni, rivelando invece che la percezione di un calo è dovuta a un cambiamento nella postura di sicurezza: i modelli più recenti hanno migliorato il rilevamento delle crisi ma ridotto la sicurezza dei consigli, creando un compromesso invisibile che gli utenti interpretano erroneamente come una mancanza di empatia.
Questo studio presenta un framework automatizzato di valutazione che, confrontando Google Translate con modelli LLM come GPT-4o e DeepSeek su testi cinesi di varia natura, rivela che, sebbene le prestazioni siano eccellenti nella traduzione giornalistica, rimangono sfide significative nel preservare le sfumature culturali e le espressioni figurative nei testi letterari.