1157 articoli
Questo studio dimostra che l'applicazione della risoluzione delle coreferenze nei sistemi Retrieval-Augmented Generation (RAG) migliora significativamente l'efficacia del recupero e la qualità delle risposte, in particolare per i modelli di dimensioni ridotte, mitigando l'ambiguità referenziale che ostacola l'apprendimento contestuale.
Questo studio utilizza tecniche di interpretabilità per dimostrare che i grandi modelli linguistici generalizzano compiti nuovi tramite un meccanismo di "induzione di funzioni", in cui più testine di attenzione collaborano per apprendere e riutilizzare strutture astratte come l'addizione con uno spostamento.
Questo articolo presenta il primo benchmark multilingue completo per la valutazione della detossificazione del testo in nove lingue, dimostrando che le metriche proposte, tra cui approcci basati su LLM, raggiungono una correlazione significativamente superiore con i giudizi umani rispetto ai metodi esistenti.
Il paper presenta Text2VLM, un nuovo pipeline che adatta dataset testuali-only in formati multimodali per valutare la resilienza dei modelli linguistici visivi contro attacchi di iniezione di prompt tipografici, rivelando vulnerabilità critiche e un divario prestazionale rispetto ai modelli proprietari.
Il paper introduce WebDS, il primo benchmark end-to-end per la data science basata sul web, che evidenzia il significativo divario tra le prestazioni degli attuali agenti LLM e quelle umane nella gestione di compiti complessi e multi-step su siti web eterogenei.
Il paper presenta SEVADE, un innovativo framework multi-agente auto-evolutivo con valutazione disaccoppiata che, grazie a un motore di ragionamento dinamico e un adjudicator separato, supera le limitazioni degli attuali modelli nel rilevamento dell'ironia riducendo le allucinazioni e ottenendo prestazioni state-of-the-art su quattro dataset di benchmark.
Il paper propone ObfusQAte, un nuovo framework che introduce il dataset ObfusQA per valutare la robustezza dei modelli linguistici di grandi dimensioni di fronte a domande fattuali oscurate, rivelando la loro tendenza a fallire o allucinazioni quando confrontati con livelli crescenti di indirection e sovraccarico contestuale.
Il paper introduce MultiWikiQA, un nuovo dataset di comprensione del testo generato con LLM e validato da valutazioni umane, che copre 306 lingue con oltre 1,2 milioni di campioni per valutare le prestazioni e le disparità linguistiche dei modelli attuali.
Il paper propone un framework di pruning dei token leggero che preserva gli indici, filtrando le regioni non informative delle immagini di documenti tramite un classificatore binario e un raffinamento con max-pooling per ridurre i costi computazionali dei modelli visione-linguaggio mantenendo l'accuratezza.
Il paper propone StaR, un metodo di ragionamento multimodale che identifica lo stato degli interruttori nelle interfacce grafiche per migliorare l'accuratezza degli agenti nell'esecuzione di comandi di toggle, superando le limitazioni delle soluzioni attuali.
Questo studio propone il Framework di Valutazione degli Argomenti Contestualizzati (ContArgA), un nuovo modello che integra le teorie psicologiche di valutazione cognitiva per analizzare come le emozioni, le caratteristiche individuali e la familiarità con l'argomento influenzino la persuasività, validato attraverso un corpus di 4000 annotazioni raccolte con un innovativo setup di gioco di ruoli.
Questo lavoro propone un nuovo simulatore di utenti non collaborativi che genera comportamenti realistici come richieste di servizi indisponibili e digressioni, rivelando la significativa fragilità degli agenti tool attuali e fornendo un framework open-source per migliorarne la robustezza.
Questo lavoro introduce il PDR-Bench, il primo benchmark per valutare l'adattamento personalizzato degli agenti di ricerca profonda, accompagnato dal framework PQR per misurare l'allineamento personalizzato, la qualità del contenuto e l'affidabilità fattuale.
Il paper presenta GraphMERT, un modello neurale leggero ed efficiente che supera i grandi modelli linguistici nella generazione di grafi della conoscenza affidabili, scalabili e semanticamente validi partendo da testi non strutturati, risolvendo così le sfide di scalabilità e interpretabilità dell'intelligenza artificiale neurosimbolica.
Questo studio propone un nuovo quadro geometrico che modella il ragionamento dei grandi modelli linguistici come flussi nello spazio delle rappresentazioni, dimostrando come essi interiorizzino invarianze logiche indipendentemente dal significato semantico e sfidando così l'ipotesi che siano semplici "pappagalli stocastici".
Il paper propone WeightLens e CircuitLens, due metodi complementari che superano l'analisi basata sulle attivazioni per interpretare direttamente i pesi e catturare le dinamiche circuitali, migliorando così la robustezza e la scalabilità dell'interpretabilità meccanica.
Il paper presenta COGS, un framework di sintesi dati basato sulla composizione che potenzia le capacità di ragionamento dei modelli linguistici multimodali preaddestrati su domini artificiali come grafici e pagine web, decomponendo le domande in fattori primitici per generare coppie domanda-risposta sintetiche addestrate con ricompense di processo a livello fattoriale.
Il paper introduce EliCal, un framework a due stadi che combina l'auto-coerenza a basso costo con una minima annotazione di correttezza per ottenere un allineamento all'onestà universale negli LLM, supportato dal nuovo benchmark HonestyBench.
Questo lavoro propone un'analisi del fallimento delle citazioni nei sistemi RAG basati su LLM, introducendo il benchmark CITECONTROL per studiarne le cause e il framework CITENTION per mitigarle in modo efficiente integrando diversi metodi di generazione e recupero.
Il paper presenta REVISION, un nuovo framework che integra il mining offline delle intenzioni implicite degli utenti e il ragionamento online basato su grandi modelli linguistici per ottimizzare i sistemi di ricerca visiva su Taobao, riducendo significativamente il tasso di richieste senza click.