1077 articoli
Il paper propone un framework di supervisione debole affidabile per il rilevamento di cornici nei social media arabi, che utilizza un pipeline multi-agente LLM per stimare l'affidabilità degli esempi e un'ottimizzazione QUBO per selezionare un sottoinsieme bilanciato e non ridondante, migliorando così le prestazioni nella previsione del sentiment.
Questo studio evidenzia come i modelli di linguaggio di grandi dimensioni (LLM) utilizzati come giudici automatizzati mostrino una significativa instabilità nei punteggi numerici assegnati a input identici, variando in base al modello, alla famiglia e alla temperatura, il che solleva preoccupazioni critiche per l'affidabilità operativa e la riproducibilità nei flussi di lavoro aziendali.
Lo studio dimostra che i modelli visione-linguaggio calcolano le affordance in modo fortemente dipendente dal contesto, mostrando una deriva significativa sia lessicale che semantica che suggerisce la necessità di un'ontologia dinamica e adattiva per la robotica.
Lo studio dimostra che l'uso di sistemi multi-agente basati su LLM di fornitori diversi migliora significativamente l'accuratezza e la sensibilità delle diagnosi cliniche rispetto alle configurazioni omogenee, grazie alla capacità di combinare bias induttivi complementari per identificare diagnosi che singoli modelli o team uniformi mancherebbero.
Questo studio presenta un metodo di auto-istruzione consapevole della conformità, integrato con un pipeline di verifica a 26 filtri e tecniche LoRA, per generare dialoghi radio marittimi realistici e conformi allo SMCP dell'IMO, al fine di colmare la carenza di dati ad alta qualità necessari per i sistemi di sicurezza marittima basati sull'intelligenza artificiale.
Il paper introduce il sistema di valutazione "What Is Missing" (WIM), che trasforma il feedback testuale in un punteggio numerico basato sulla similarità semantica tra l'output del modello e la descrizione delle informazioni mancanti, offrendo segnali di apprendimento più distinti e interpretabili rispetto alle tradizionali valutazioni numeriche dirette.
Questa rassegna sistematica analizza le strategie di routing dinamico e cascading tra diversi modelli linguistici di grandi dimensioni (LLM), proponendo un quadro concettuale per ottimizzare il compromesso tra costi computazionali e prestazioni adattando la selezione del modello alla complessità della query.
Il paper introduce SkillNet, un'infrastruttura aperta che crea, valuta e organizza competenze AI su larga scala attraverso un'ontologia unificata e un repository di oltre 200.000 competenze, migliorando significativamente le prestazioni degli agenti riducendo la necessità di reinventare soluzioni già esistenti.
Questo studio presenta il primo framework end-to-end per lo sviluppo di modelli linguistici specializzati nella scienza della combustione, basato su un vasto database multimodale e un percorso di iniezione di conoscenza in tre fasi che dimostra come l'uso di grafi della conoscenza e il pre-addestramento continuato siano necessari per superare i limiti delle tecniche di recupero standard.
Questo studio rivela una nuova modalità di fallimento nei modelli linguistici visivi multimodali, dimostrando che l'ottimizzazione di una funzione di perdita volta a massimizzare l'instabilità numerica genera immagini che degradano significativamente le prestazioni del modello con modifiche minime, un fenomeno distinto dalle tradizionali perturbazioni avversarie.
Questo studio dimostra che riscrivere le query per ridurre l'ambiguità utilizzando un contesto di riferimento privo di risposte, piuttosto che limitarsi a inserirlo nel prompt, raddoppia le prestazioni dei modelli linguistici su benchmark complessi come Humanity's Last Exam.
Questo studio dimostra che il benchmark di recupero FreshStack rimane affidabile nel tempo nonostante la deriva del corpus, poiché le modifiche temporali causano principalmente la migrazione dei documenti rilevanti tra repository concorrenti senza alterare significativamente le classifiche dei modelli di recupero.
Il paper propone A-MAC, un framework che gestisce l'ammissione della memoria negli agenti LLM attraverso un processo decisionale strutturato basato su cinque fattori interpretabili, ottenendo risultati superiori in termini di precisione e latenza rispetto ai sistemi esistenti.
Questo articolo presenta una panoramica completa dei modelli linguistici di grandi dimensioni (LLM) in streaming, proponendo una definizione unificata, una tassonomia sistematica e una discussione sulle metodologie, le applicazioni reali e le future direzioni di ricerca per colmare il divario tra l'inferenza statica e l'interazione dinamica in tempo reale.
Il paper presenta GOLF, un framework di reinforcement learning che sfrutta feedback linguistici di gruppo, combinando critiche esterne e tentativi interni, per guidare un'esplorazione mirata e migliorare l'efficienza del campionamento rispetto ai metodi basati su ricompense scalari.
Il paper presenta "Vibe Code Bench", un nuovo benchmark che valuta la capacità dei modelli AI di sviluppare applicazioni web end-to-end da zero, rivelando che le prestazioni attuali sono ancora limitate e identificando l'autotesting come un predittore chiave del successo.
Questo paper propone un metodo di generazione potenziata dal recupero che, integrando l'allineamento semantico e vincoli espliciti sulle evidenze in un quadro unificato, risolve i problemi di disallineamento semantico e utilizzo insufficiente delle fonti per migliorare l'affidabilità fattuale e la verificabilità dei contenuti generati dai grandi modelli linguistici.
Il paper presenta iAgentBench, un nuovo benchmark dinamico per valutare le capacità di sintesi e integrazione di informazioni da più fonti degli agenti di ricerca, superando i limiti dei test attuali che si basano spesso sul recupero di un singolo passaggio.
Il paper presenta "Stan", un assistente didattico basato su modelli linguistici locali e open-weight per un corso di termodinamica, che supporta simultaneamente studenti e docenti tramite un'unica pipeline di dati, garantendo privacy, costi prevedibili e riproducibilità senza dipendenze da API cloud.
Questo studio dimostra che l'approccio multimodale, che combina modelli linguistici e analisi visiva tramite GPT-4.1-nano, supera i metodi unimodali nel prevedere la difficoltà degli item di alfabetizzazione alla visualizzazione dei dati, offrendo un potenziale significativo per l'analisi psicometrica e lo sviluppo automatizzato di test.