1723 articoli
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.
Il paper introduce la Direct Consistency Optimization (DCO), un metodo basato sul reinforcement learning che migliora significativamente la coerenza delle conoscenze nei modelli linguistici multilingue senza richiedere un modello di ricompensa esplicito.
Questo studio dimostra che la distribuzione delle stopwords segue una Legge Beta Rank Function anziché la Legge di Zipf e propone un modello di selezione basato su una funzione di Hill per spiegare tale comportamento e la distribuzione quadratica delle parole non-stopwords.
Questo studio valuta l'impatto delle tecniche di aumento dei dati e di potenziamento delle caratteristiche sulla rilevazione dell'odio, dimostrando che il modello open-source gpt-oss-20b ottiene i risultati migliori in generale, mentre l'aumento dei dati potenzia significativamente anche i classificatori tradizionali come Delta TF-IDF, pur confermando che la rilevazione dell'odio implicito rimane più complessa di quella esplicita.
Questa ricerca dimostra che i modelli linguistici su larga scala, in particolare Llama 3.2, superano significativamente i metodi tradizionali nella classificazione multiclasse di contenuti illeciti complessi e squilibrati sui marketplace online, offrendo strumenti più efficaci e scalabili per la sicurezza digitale.
Questo studio propone un framework di valutazione a due livelli per analizzare l'efficacia dei modelli AI nel simulare le domande specifiche dei giudici durante le arringhe orali, rivelando che, sebbene le domande generate siano percepite come realistiche e coprano bene i temi legali sostanziali, i modelli presentano ancora carenze significative come la scarsa diversità e la sycophancy che i metodi di valutazione ingenui non riescono a rilevare.
Questo documento presenta "Model Medicine", un quadro clinico interdisciplinare che applica principi biologici e medici per diagnosticare, trattare e prevenire disturbi nei modelli di intelligenza artificiale, introducendo una tassonomia di discipline, strumenti diagnostici come la "Neural MRI" e framework terapeutici per gestire la complessità dei sistemi AI.
Questo articolo presenta un sistema neuro-simbolico che combina il modello linguistico Gemini Deep Think con una ricerca ad albero e feedback numerico per risolvere autonomamente un problema aperto nella fisica teorica, derivando nuove soluzioni analitiche esatte per lo spettro di potenza della radiazione gravitazionale emessa dalle stringhe cosmiche.
Il paper propone "Interactive Benchmarks", un nuovo paradigma di valutazione unificato che misura l'intelligenza dei modelli attraverso processi interattivi sotto vincoli di budget, dimostrando che tale approccio offre una valutazione più robusta e fedele rispetto ai benchmark standard saturi.
Il paper presenta IF-RewardBench, un benchmark meta-evaluativo completo per modelli giudici che, superando i limiti degli approcci esistenti attraverso una valutazione listwise basata su grafi di preferenze, offre una misurazione più affidabile delle capacità di allineamento e di aderenza alle istruzioni dei modelli linguistici.
Il paper presenta DARE, un modello di recupero distribuzionale-aware che, integrato con un nuovo agente LLM per R e un database di pacchetti curato, migliora significativamente il recupero di funzioni statistiche e la generazione di codice, colmando il divario tra l'automazione dei LLM e l'ecosistema statistico di R.