1071 papers
Deze paper introduceert een lichtgewicht en effectieve herordeningsframework dat gebruikmaakt van attentiescores van geselecteerde hoofdcomponenten in taalmodellen om passage-query relevantie te schatten, waardoor state-of-the-art prestaties worden behaald op diverse benchmarks, waaronder LoCoMo, zonder de noodzaak van Likert-schaal supervisie.
Dit paper introduceert Missing-by-Design (MBD), een unificerend kader voor herroepbare multimodale sentimentanalyse dat gecertificeerde verwijdering van specifieke data-modaliteiten mogelijk maakt via een machine-verifieerbaar proces, zonder de volledige modelhertraining te vereisen.
Deze paper introduceert AuditBench, een benchmark met 56 taalmodellen die verborgen gedrag vertonen, om de effectiviteit van audittechnieken te evalueren en vast te stellen dat zwarte-kist-tools en gescaffolde prompts de meest succesvolle aanpak vormen voor het opsporen van dergelijke gedragingen.
Deze paper introduceert SkillCraft, een benchmark die de vaardigheid van LLM-agenten test om herbruikbare 'vaardigheden' (samengestelde tool-combinaties) te vormen en opnieuw te gebruiken, wat leidt tot aanzienlijke efficiëntiewinsten en een hogere succesratio door compositie.
PonderLM-3 introduceert een trainingsframework dat tijdens het pretrainen via differentieerbare masking leert om extra rekenkracht per token selectief toe te wijzen, waardoor de inferentie-efficiëntie en prestaties worden geoptimaliseerd zonder uniforme kosten voor alle tokens.
Dit empirische onderzoek analyseert de interacties tussen modelkenmerken en promptontwerp bij het genereren van Verilog-code, waarbij het via een gecontroleerde factoriële opzet patronen identificeert die generaliseren over verschillende modellen en benchmarks.
Deze paper presenteert een volledig lokaal, API-vrij systeem dat college-lectures omzet in meerkeuzevragen met deterministische kwaliteitscontrole, waarbij privacy, verantwoordingsplicht en groene AI worden bevorderd.
Dit paper introduceert Fish Audio S2, een open-source tekst-naar-spraak-systeem dat multi-spreker- en multi-turn-generatie combineert met instructievolgende controle via natuurlijke taal, ondersteund door een schaalbaar trainingsproces en een productieklaar inferentie-engine met een zeer lage latentie.
Dit paper introduceert MASEval, een framework-onafhankelijke bibliotheek die de evaluatie van LLM-agent-systemen uitbreidt van enkel modellen naar het volledige systeem, waarbij wordt aangetoond dat de keuze van het framework even belangrijk is als die van het model voor de prestaties.
Dit onderzoek toont aan dat Sparse Autoencoder-features in LLMs, getest met het Servische digrafie (Latijnse en Cyrillische schriften), semantische betekenis boven orthografische vorm prioriteren, waarbij de representaties scriptonafhankelijk zijn en sterker worden naarmate het model groter is.
Dit paper introduceert MultiGraSCCo, een meerduidig benchmark voor anonimiseringsdoeleinden in tien talen, dat gebruikmaakt van synthetische data en machinevertaling om hoogwaardige, cultureel aangepaste annotaties van persoonsgegevens te genereren voor het testen en verbeteren van privacybeveiligde medische datasets.
Dit artikel presenteert een labelvrije screeningsstrategie voor combinatorische electrocatalysatoren die wetenschappelijke teksten omzet in composities-embeddings, waarbij een lichtgewicht Word2Vec-baseline vaak effectiever is dan geavanceerdere transformer-modellen in het reduceren van kandidaatcomposities zonder gebruik te maken van elektrochemische labels.
Dit paper introduceert ConFu, een nieuw raamwerk voor speculatieve decoding dat draft-modellen in staat stelt de toekomstige generatierichting te anticiperen via 'contemplate tokens' en soft prompts, waardoor de acceptatiekans en snelheid van LLM-inferentie aanzienlijk worden verbeterd ten opzichte van bestaande methoden zoals EAGLE-3.
Het paper introduceert SciTaRC, een door experts samengesteld benchmark voor vragen over wetenschappelijke tabellen die taalredenering en complexe berekeningen vereisen, en laat zien dat zelfs de meest geavanceerde AI-modellen hierin falen door een universeel 'uitvoeringsprobleem' waarbij zowel code- als taalmodellen moeite hebben met het correct uitvoeren van plannen.
Het artikel presenteert PathoScribe, een geïntegreerd framework dat op grote schaal digitale pathologierapporten omzet in een interactieve, redenerende kennisbron die artsen in staat stelt om via natuurlijke taal gevallen te doorzoeken, onderzoeksgroepen te bouwen en klinische vragen te beantwoorden, wat leidt tot een aanzienlijke tijdsbesparing en verbeterde patiëntenzorg.
Dit paper introduceert VoxEmo, een uitgebreide benchmark voor spraak-gevoelsherkenning met spraak-LLMs die 35 corpora in 15 talen omvat en een nieuwe evaluatiemethode biedt die rekening houdt met de subjectiviteit en ambiguïteit van menselijke emoties.
Dit paper introduceert BiCLIP, een eenvoudig framework dat door het toepassen van een gestructureerde geometrische transformatie op multimodale kenmerken, gebruikmakend van een klein aantal ankers, state-of-the-art prestaties bereikt bij few-shot classificatie in gespecialiseerde domeinen.
Dit paper introduceert Guardian, een end-to-end systeem dat een meermodel-pipeline met consensusmechanismen en QLoRA-finetuning gebruikt om de eerste 72 uur van zoektochten naar vermiste personen te ondersteunen door middel van gecontroleerde, auditabele informatie-extractie.
Deze paper presenteert een geautomatiseerd kader voor thematische analyse van klinische kwalitatieve data dat door middel van iteratieve codeboekverfijning en volledige traceerbaarheid schaalbaarheid en reproduceerbaarheid verbetert, wat resulteert in statistisch significante kwaliteitsverbeteringen en een hoge overeenstemming met expert-annotaties.
Dit artikel introduceert een zelfvertrouwensgebaseerd kader dat een enkele redeneringstraject analyseert om adaptief te kiezen tussen enkelvoudige en meervoudige paden, waardoor de nauwkeurigheid van chain-of-thought redenering behouden blijft terwijl de tokenkosten tot 80% worden verlaagd.