994 articoli
Il documento presenta DRBench, un nuovo benchmark realistico progettato per valutare le prestazioni degli agenti di intelligenza artificiale in compiti di ricerca approfondita complessi e aperti all'interno di contesti aziendali, integrando dati pubblici e privati attraverso un processo di sintesi verificato da umani.
Il paper introduce il Latent Speech-Text Transformer (LST), un modello che migliora l'efficienza computazionale e le prestazioni di comprensione e generazione sia vocale che testuale aggregando i token vocali in patch latenti, riducendo così la lunghezza delle sequenze e bilanciando l'elaborazione tra le due modalità.
Il paper presenta AlphaApollo, un sistema di ragionamento agentic che affronta le limitazioni nella risoluzione di problemi complessi e nell'evoluzione affidabile dei modelli fondazione attraverso tre componenti chiave: ragionamento multi-turno, apprendimento multi-turno e evoluzione multi-round, dimostrando significativi miglioramenti delle prestazioni su vari benchmark matematici.
Il paper introduce NavSpace, un benchmark per valutare le capacità di percezione e ragionamento spaziale degli agenti di navigazione, e propone SNav, un nuovo modello che supera le prestazioni degli agenti esistenti sia sul benchmark che su robot reali.
Il paper presenta SynthWorlds, un framework che genera mondi paralleli con strutture identiche ma contenuti diversi per isolare e valutare la capacità di ragionamento dei modelli linguistici separandola dalla conoscenza fattuale memorizzata.
Il paper propone ReViewGraph, un nuovo framework che supera i limiti dei metodi di revisione esistenti simulando dibattiti tra autori e revisori tramite agenti LLM e applicando il ragionamento su grafi eterogenei per migliorare la qualità e l'accuratezza delle decisioni di revisione.
Uno studio su 5,65 milioni di articoli scientifici rivela che l'uso dell'intelligenza artificiale generativa sta riducendo le barriere linguistiche facendo convergere la scrittura scientifica di autori non anglofoni verso lo standard dell'inglese statunitense, sebbene ciò sollevi interrogativi su un'effettiva inclusione o su una crescente dipendenza da un unico modello linguistico.
Il paper presenta PRISM, un nuovo modello multimodale per la rilevazione dello stance conversazionale che supera i limiti delle ricerche esistenti integrando la diversità degli utenti attraverso la creazione di "personas" longitudinali e l'uso di ragionamento multimodale contestuale su un nuovo dataset chiamato U-MStance.
Questo studio confronta la rilevazione delle fake news con la previsione della viralità, evidenziando come il passaggio dalla verifica della veridicità alla previsione della diffusione richieda scelte operative più critiche e proponga pipeline leggere e trasparenti per affrontare le sfide delle informazioni disordinate.
Il paper presenta ELERAG, un'architettura RAG potenziata dal Linking di Entità e da una strategia di riordinamento ibrida, che dimostra come l'integrazione di segnali fattuali basati su Wikidata migliori significativamente l'accuratezza nei sistemi di domanda-risposta educativi in italiano, superando i metodi tradizionali nei contesti specifici di dominio pur mantenendo prestazioni competitive su dataset generali.
Il paper presenta DEER, un benchmark che sistematizza la valutazione dei rapporti di ricerca approfondita generati da agenti AI attraverso una tassonomia esperta di 101 criteri e un'architettura di verifica delle affermazioni, rivelando che i sistemi attuali, pur producendo documenti strutturalmente validi, necessitano miglioramenti nel soddisfare richieste di livello esperto e nel garantire la completezza logica.
Il paper introduce CRANE, un framework di analisi basato sulla rilevanza funzionale che, attraverso interventi mirati sui neuroni, identifica componenti specifiche delle lingue nei modelli multilingue con maggiore precisione rispetto ai metodi basati sull'attivazione, rivelando una specializzazione selettiva ma non esclusiva.
Il paper introduce EVM-QuestBench, un benchmark basato sull'esecuzione per valutare la generazione di script di transazioni in linguaggio naturale su catene compatibili con EVM, evidenziando attraverso una valutazione dinamica su 107 compiti e 20 modelli le significative lacune nella precisione delle azioni singole e nella sicurezza dei flussi di lavoro multi-step.
Questo studio presenta la prima indagine sistematica su come le informazioni relative all'accento siano codificate nei token di rappresentazione del parlato discreto (DSRT), proponendo un nuovo framework di valutazione che rivela come la scelta dei livelli e la supervisione ASR influenzino significativamente la preservazione e il recupero di tali informazioni.
Il paper presenta EigenData, un framework unificato che combina un agente di dati auto-evolutivo con un'apprendimento per rinforzo basato su verificatori per generare dati sintetici di alta qualità e addestrare agenti interattivi multi-turno in grado di utilizzare strumenti complessi, ottenendo prestazioni all'avanguardia su benchmark specifici senza costose annotazioni umane.
Questo lavoro propone un metodo di preaddestramento che internalizza una Catena di Pensiero latente adattiva a livello di token, permettendo al modello di allocare dinamicamente più computazione ai token difficili e meno a quelli facili, migliorando così le prestazioni linguistiche e riducendo i costi computazionali senza aumentare il numero di parametri.
Il paper propone un framework di reranking leggero e memory-aware che utilizza i punteggi di attenzione di modelli di piccole dimensioni per stimare la rilevanza tra query e passaggi, ottenendo risultati all'avanguardia su benchmark di contesti lunghi e comprensione del dialogo.
Il paper presenta Missing-by-Design (MBD), un quadro unificato per l'analisi del sentiment multimodale revocabile che combina apprendimento di rappresentazioni strutturate e un processo di modifica dei parametri certificabile per garantire la cancellazione selettiva dei dati e la conformità alla privacy senza richiedere un addestramento completo.
Il paper introduce AuditBench, un benchmark di 56 modelli linguistici con comportamenti nascosti, per valutare l'efficacia delle tecniche di audit di allineamento, rivelando un divario tra le prestazioni degli strumenti isolati e quelle degli agenti autonomi e identificando le metodologie di addestramento che rendono i modelli più difficili da analizzare.
Il paper introduce SkillCraft, un benchmark progettato per valutare la capacità degli agenti LLM di astrarre e riutilizzare composizioni di strumenti come "abilità" riutilizzabili, dimostrando che tale approccio riduce drasticamente l'uso dei token e migliora il successo nei compiti complessi.