5441 papers
Deze studie presenteert een methode om nepnieuwsontkrachting te personaliseren op basis van de Big Five-persoonlijkheidstrekken met behulp van LLM's, waarbij geautomatiseerde evaluatie aantoont dat dergelijke gepersonaliseerde boodschappen over het algemeen overtuigender zijn dan generieke versies.
Dit artikel introduceert een compiler-gebaseerde implementatie van Mamba-2 in JAX die, dankzij het gebruik van standaard XLA-primitieven in plaats van aangepaste CUDA-kernels, portabele autoregressieve inferentie met caching mogelijk maakt op CPU, NVIDIA GPU en Google TPU zonder host-synchronisatie.
Dit paper introduceert 'Routing without Forgetting' (RwF), een transformer-architectuur die continu leren in online scenario's verbetert door dynamische prompts te genereren via energie-gebaseerde associatieve retrieval in plaats van traditionele parameter-efficiënte aanpassingen.
Dit artikel presenteert een biologisch plausibel formalisme dat backpropagation through time benadert via een variatiele latente evenwichtstoestand, waardoor een lokaal en continu mechanisme voor spatiotemporale credit assignment in neurale netwerken wordt verkregen.
Dit paper introduceert context engineering als een nieuwe discipline die prompt engineering overstijgt en samen met intent engineering en specificatie engineering een volwassenheidsmodel vormt voor het schaalbaar en autonoom inzetten van multi-agent AI-systemen in het bedrijfsleven.
Deze paper introduceert ARAS400k, een groot schaalbaar dataset voor remote sensing dat synthetische data combineert met echte beelden en een visueel-taal framework voor interpreteerbare augmentatie en evaluatie, wat resulteert in superieure prestaties voor semantische segmentatie en beeldbeschrijving.
Het paper introduceert PRECEPT, een unified framework voor testtijd-adaptatie dat de prestaties van LLM-agenten verbetert door deterministische regelretrieval, conflictbewust geheugen en een door Pareto-gestuurde prompt-evolutie (COMPASS) te combineren, wat leidt tot aanzienlijke winsten in generalisatie, robuustheid en leerefficiëntie.
Dit paper introduceert de MM-tau-p²-benchmark, een nieuw evaluatiekader met twaalf nieuwe metrics om de robuustheid van multimodale agenten in dual-control settings te beoordelen, met name in situaties waar persona-adaptatie en gebruikersinput een rol spelen.
Dit paper introduceert MiniAppBench, een nieuw benchmark en evaluatiekader (MiniAppEval) dat de prestaties van grote taalmodellen meet bij het genereren van interactieve HTML-toepassingen, een domein waar bestaande benchmarks tekortschieten.
Het paper introduceert KV-Lock, een trainingsvrije methode voor video-editing die dynamisch de achtergrondvastlegging en de conditionele geleiding aanpast op basis van hallucinatie-detectie om achtergrondconsistentie en voorgrondkwaliteit te optimaliseren in DiT-gebaseerde videodiffusiemodellen.
Deze paper introduceert een open-source framework voor tijdreeksanomaliedetectie met Graph Neural Networks, dat niet alleen de prestaties en interpreteerbaarheid van dergelijke modellen verbetert, maar ook kritische inzichten biedt over de huidige evaluatiemethoden.
Dit paper introduceert het Omni Parsing-framework en het bijbehorende Logics-Parsing-Omni-model, die een gestructureerde, bewijsgebaseerde aanpak bieden om fragmentarische multimodale data (documenten, afbeeldingen en audio-visuele streams) om te zetten in traceerbare, machine-leesbare kennis.
Dit paper introduceert EsoLang-Bench, een benchmark die esoterische programmeertalen gebruikt om aan te tonen dat grote taalmodellen, ondanks hoge scores op standaardtests, gebrek hebben aan echt redeneervermogen en in plaats daarvan voornamelijk op memorisatie vertrouwen.
Deze studie introduceert een geautomatiseerd classificatiekader voor het beheer van hartklierenrisico bij ouderen, waarbij een aangepaste Transformer-architectie die lange contextuele afhankelijkheden in ongestructureerde patiëntendossiers verwerkt, superieure prestaties levert ten opzichte van traditionele methoden en generatieve grote taalmodellen.
Dit paper introduceert AutoViVQA, een groot automatisch gegenereerd dataset voor Vietnamese visuele vraagbeantwoording, en onderzoekt transformer-architecturen en geautomatiseerde evaluatiemetrics in een meertalige context.
Dit paper introduceert ESAinsTOD, een uniek end-to-end raamwerk voor taakgericht dialogen dat door middel van instructie- en schema-aanpassing grote taalmodellen in staat stelt om zich flexibel aan te passen aan diverse scenario's, superieure prestaties te leveren op bestaande benchmarks en robuust te zijn in low-resource en ruisige omgevingen.
Dit paper introduceert ActiveUltraFeedback, een modulaire actieve leer-pijplijn die onzekerheidsschattingen en nieuwe selectiemethoden gebruikt om het labelen van voorkeursdata voor het uitlijnen van grote taalmodellen aanzienlijk te versnellen en te optimaliseren met slechts een fractie van de benodigde annotatie.
Dit paper introduceert Mousse, een nieuwe optimizer die de stabiliteit van Muon combineert met de geometrische aanpassing van Shampoo door spectrale updates uit te voeren in een witgemaakte coördinatenruimte, wat leidt tot een aanzienlijke versnelling van het trainingsproces voor taalmodellen zonder noemenswaardige rekenkosten.
Dit paper introduceert OOD-MMSafe, een benchmark en het CASPO-framework, om de veiligheid van multimodale grote taalmodellen te verbeteren door zich te richten op het voorspellen van verborgen gevolgen in plaats van alleen op schadelijke intenties.
Dit paper introduceert MUGEN, een benchmark die de beperkingen van grote audio-taalmodellen bij het verwerken van meerdere simultane audio-invoeren blootlegt en aantoont dat trainingsvrije strategieën zoals Audio-Permutational Self-Consistency de prestaties aanzienlijk verbeteren.