2026 papers
Dit paper introduceert VeriTrail, de eerste methode voor het detecteren van hallucinaties in gesloten domeinen met traceerbaarheid, die niet alleen de einduitvoer controleert maar ook identificeert waar hallucinaties in meervoudige generatiestappen zijn ontstaan, en dit ondersteunt met nieuwe datasets en betere prestaties dan bestaande methoden.
Dit paper introduceert RedTeamCUA, een nieuw testframework met een hybride sandbox voor het realistisch evalueren van kwetsbaarheden voor indirecte prompt-injectie in computergebruiksagenten, en presenteert de RTC-Bench-benchmark die aantoont dat zelfs de meest geavanceerde agenten aanzienlijke veiligheidsrisico's vertonen in hybride web-OS-omgevingen.
Dit paper introduceert CityLens, een uitgebreid benchmark voor het evalueren van Large Vision-Language Models bij het voorspellen van stedelijke sociaaleconomische indicatoren op basis van satelliet- en straatbeeldbeelden uit 17 wereldsteden.
In dit paper wordt OmniSpatial geïntroduceerd, een uitgebreid en uitdagend benchmark voor ruimtelijk redeneren bij vision-language modellen, gebaseerd op cognitieve psychologie met meer dan 8.4K handmatig geannoteerde vraag-antwoordparen die vier hoofdcategorieën bestrijken, terwijl experimenten de beperkingen van bestaande modellen aantonen en twee nieuwe strategieën voor verbetering voorstellen.
Deze paper introduceert Meta-Adaptive Prompt Distillation, een meta-leerbenadering die few-shot vermogens in Large Multimodal Models verbetert door taakrelevante visuele kenmerken te distilleren in aangepaste soft prompts, waardoor de prestaties op visuele vraagbeantwoordingstaken aanzienlijk stijgen ten opzichte van traditionele in-context learning en parameter-efficiënte finetuning.
Dit paper introduceert VINCIE, een model dat in-context afbeeldingsbewerking leert door video's te gebruiken als schaalbare trainingsdata via een blokkauzale diffusietransformer, waardoor het zonder gespecialiseerde pipelines state-of-the-art resultaten bereikt op benchmarks voor meervoudige bewerkingen.
Dit artikel introduceert FAME, een framework dat de bijdrage van verschillende modaliteiten aan eerlijkheid weegt om via een gecombineerde verliesfunctie en de Error Distribution Disparity Index (EDDI) zowel de voorspellingsprestatie als de eerlijkheid van multimodale modellen voor elektronische gezondheidsrecords te optimaliseren.
Dit paper introduceert LA-CDM, een hypothesegedreven taalagent die met behulp van supervisie en versterkingslering klinische beslissingen optimaliseert door een interactief proces van testverzoeken en diagnosevorming, wat leidt tot verbeterde diagnostische prestaties en efficiëntie op de MIMIC-CDM dataset.
AgentSynth introduceert een schaalbaar en kostenefficiënt proces voor het automatisch genereren van duizenden realistische computer-taken met variabele complexiteit, waarmee de beperkingen van huidige AI-agenten worden blootgelegd en een goedkoper alternatief voor menselijke annotatie wordt geboden.
GenRecal is een algemeen distillatiekader dat kennis overdraagt van grote naar kleine vision-language modellen door middel van een recalibratiemodule die de verschillen in architectuur en tokenisatie tussen heterogene modellen overbrugt, waardoor kleinere modellen zelfs betere prestaties leveren dan grote gesloten systemen.
Dit paper introduceert OJBench, een uitdagende benchmark met 232 competitieproblemen die aantoont dat zelfs de meest geavanceerde taalmodellen moeite hebben met het oplossen van complexe codeproblemen op olympiade-niveau.
Dit paper introduceert een theoretisch raamwerk voor het ontleden van fouten bij lange teksten in LLM's en toont aan dat het gebruik van chunking met meerdere agenten, zelfs met zwakkere modellen, superieur kan zijn aan single-shot verwerking door de negatieve impact van contextgrootte op modelnauwkeurigheid te beperken.
Dit paper introduceert LongWriter-Zero, een model dat via beloningsgebaseerd versterkingsleren (RL) zonder synthetische trainingsdata ultra-lange, hoogwaardige teksten genereert en hiermee de prestaties van traditionele SFT-methoden en zelfs grotere 100B+ modellen overtreft.
In dit werk wordt TTSDS2, een robuustere en verbeterde versie van de TTSDS-metiek, geïntroduceerd als de enige van zestien metrics die consistent sterk correleert met subjectieve beoordelingen, vergezeld van een uitgebreid dataset met meer dan 11.000 ratings, een pipeline om datalekken te voorkomen en een voortdurend bijgewerkt benchmark voor TTS in 14 talen.
Hoewel Reinforcement Post Training (RPT) de redeneerprestaties van grote taalmodellen aanzienlijk verbetert op bekende taken, blijken deze winsten onvoorspelbaar te zijn en vaak te verdwijnen wanneer ze worden toegepast op onbekende domeinen met andere redeneerpatronen.
Dit onderzoek toont aan dat cognitieve modellen, oorspronkelijk ontwikkeld voor menselijk taalgebruik, effectief kunnen worden ingezet om waardebepalingen en afwegingen in taalmodellen systematisch te analyseren, waardoor inzichtelijk wordt hoe factoren zoals redeneerinspanning, prompts en trainingsfasen het gedrag en de waarden van deze modellen beïnvloeden.
DAPFAM is een nieuw, publiek beschikbaar dataset voor het benchmarken van octrooiverwerving die een aanzienlijke prestatiedaling bij domeinoverschrijdende zoekopdrachten blootlegt en aantoont dat passage-niveau retrieval en Reciprocal Rank Fusion de meest effectieve strategieën zijn.
Dit artikel introduceert XISM, een interactief systeem dat data-gedreven inferentie combineert met expertkennis om schaalbare en interpreteerbare semantische kaarten te construeren, waardoor de transparantie en controleerbaarheid van linguïstische beslissingen worden verbeterd.
Het paper introduceert FrugalRAG, een tweestapsfinetuningframework dat Reinforcement Learning gebruikt om het aantal zoekstappen in multi-hop vraagbeantwoording adaptief te verminderen op basis van vraagmoeilijkheid, waardoor een superieure balans tussen nauwkeurigheid en efficiëntie wordt bereikt met slechts ongeveer 1.000 voorbeelden.
Dit paper introduceert SASFT, een methode die gebruikmaakt van sparse autoencoders om ongeplande taalmixing in grote taalmodellen effectief te verminderen door de pre-activatiewaarden van taalfuncties tijdens het finetunen te reguleren, zonder de multilinguale prestaties te schaden.