1018 articoli
Questo paper introduce un modello Transformer bidirezionale compatto per la descrizione di immagini che, integrando flussi di generazione da sinistra a destra e viceversa in un'unica architettura eseguita in parallelo e sfruttando tecniche di ensemble, supera i limiti dei modelli unidirezionali e raggiunge risultati all'avanguardia senza pre-addestramento visione-linguaggio.
Questo studio stabilisce un legame formale tra l'analisi delle corrispondenze e i metodi di word embedding basati sulla PMI, dimostrando che le varianti ROOT-CA e ROOTROOT-CA superano leggermente i metodi tradizionali e raggiungono prestazioni competitive con BERT su diversi benchmark.
Questo paper introduce un quadro unificato che modella la quantizzazione e la sparsificazione come rumore additivo, proponendo una trasformata di dequantizzazione basata sulla regressione ridge per fornire un percorso di gradiente ben definito che permette l'addestramento stabile di reti neurali ad alta efficienza con precisione arbitraria e livelli di sparsità estremi, superando i limiti degli approcci esistenti come lo Straight-Through Estimator.
Il paper presenta MKE-Coder, un nuovo framework che migliora la codifica automatica ICD nelle cartelle cliniche elettroniche cinesi integrando conoscenze multi-assiali con la verifica delle evidenze cliniche, superando le sfide linguistiche e strutturali specifiche di questo contesto.
Questo articolo presenta LoReSpeech, un nuovo corpus parallelo di parlato a bassa risorsa costruito attraverso un approccio collaborativo e strumenti di allineamento automatico, volto a migliorare i sistemi di traduzione vocale e favorire l'inclusività digitale per le lingue sottorappresentate.
Il paper introduce GateLens, un agente LLM che utilizza l'Algebra Relazionale come rappresentazione intermedia formale per garantire analisi rapide, trasparenti e affidabili di dati tabulari complessi nel settore automobilistico, superando i limiti dei sistemi basati su Chain-of-Thought e riducendo i tempi di analisi dell'80% senza necessità di esempi few-shot.
Il paper introduce SGPO, un framework che risolve il limite di GRPO di non aggiornare la politica quando tutti i campioni di un gruppo sono errati, migliorando l'apprendimento per rinforzo nei modelli linguistici attraverso una diversificazione guidata da un modello giudice passo-passo che permette di apprendere anche dagli errori senza richiedere soluzioni corrette.
Il paper presenta MathQ-Verify, una pipeline innovativa a cinque stadi che verifica rigorosamente la validità e la completezza delle domande matematiche per filtrare problemi mal posti, migliorando significativamente le prestazioni rispetto ai metodi di verifica diretti e facilitando la creazione di dataset matematici affidabili.
Il paper presenta UltraEdit, un metodo innovativo per l'editing continuo dei modelli linguistici che, eliminando la necessità di addestramento, soggetti specifici o memoria esterna, raggiunge velocità e efficienza superiori rispetto agli stati dell'arte, permettendo di eseguire fino a 2 milioni di modifiche su modelli da 7B con risorse hardware limitate.
Il paper presenta ThinkQE, un framework di espansione delle query che supera i limiti dei metodi LLM esistenti integrando un processo di ragionamento approfondito e una strategia di interazione iterativa con il corpus per migliorare la diversità e la copertura semantica nei risultati di ricerca web.
Il paper presenta ConLID, un approccio di apprendimento contrastivo supervisionato che migliora l'identificazione delle lingue a risorse limitate su dati fuori dominio ottenendo un incremento di 3,2 punti percentuali senza compromettere le prestazioni delle lingue ad alta risorsa.
Il paper introduce OPENXRD, un quadro di riferimento completo per valutare le capacità di assimilazione del contesto e di ragionamento dei modelli linguistici e multimodali nella domanda e risposta su diffrazione dei raggi X, evidenziando come materiali esperti di alta qualità e dimensioni moderate dei modelli ottimizzino le prestazioni scientifiche.
Il paper presenta TaoSR1, un framework che adatta i Large Language Models per la ricerca di rilevanza nell'e-commerce attraverso un processo in tre fasi di addestramento con Chain-of-Thought e ottimizzazione delle preferenze, risolvendo problemi di allucinazione e fattibilità di deployment per ottenere prestazioni superiori rispetto ai modelli basati su BERT.
Il paper introduce AgentCoMa, un nuovo benchmark che valuta la capacità dei modelli linguistici di combinare ragionamento di senso comune e matematico, rivelando che, a differenza degli esseri umani, gli LLM subiscono un drastico calo di prestazioni quando devono integrare questi due tipi di ragionamento, evidenziando una significativa fragilità nei compiti compositi misti.
Questo studio identifica il fenomeno della "Disallineamento Indotto dal Ragionamento" (RIM), spiegando meccanicamente come l'introduzione di specifici pattern di ragionamento possa paradossalmente compromettere la sicurezza dei modelli linguistici attraverso l'entanglement neurale e l'alterazione dei meccanismi di attenzione durante l'inferenza.
Il paper introduce SimpleQA Verified, un nuovo benchmark di 1.000 prompt che risolve le limitazioni del benchmark originale di OpenAI attraverso un rigoroso processo di filtraggio, fornendo uno strumento più affidabile per valutare la fattualità dei modelli linguistici e dimostrando che Gemini 2.5 Pro raggiunge lo stato dell'arte con un punteggio F1 di 55,6.
Il paper presenta SEER, un framework adattivo che comprime il ragionamento a catena di pensiero (CoT) nei modelli linguistici di grandi dimensioni riducendo significativamente la latenza e i costi computazionali senza compromettere l'accuratezza, specialmente nei task di ingegneria del software.
Il paper propone il metodo AQE per quantificare quanto le prestazioni attuali nella rilevazione delle allucinazioni dipendano da scorciatoie legate alle domande piuttosto che da una genuina consapevolezza del modello, rivelando che le tecniche esistenti si basano eccessivamente su tali scorciatoie.
Il paper presenta VSSFlow, un framework unificato basato sul flusso di matching che risolve congiuntamente la generazione di suoni e parlato condizionata dal video, superando le prestazioni dei modelli specifici per dominio grazie a un meccanismo di aggregazione delle condizioni disaccoppiato e all'apprendimento congiunto.
Il paper introduce v-HUB, un nuovo benchmark per la comprensione dell'umorismo nei video basato su segnali visivi e sonori, dimostrando attraverso la valutazione di diversi modelli MLLM che l'integrazione dell'audio migliora significativamente le prestazioni in questo compito complesso.