1071 papers
Deze paper introduceert HatePrototypes, interpreteerbare en overdraagbare vectorrepresentaties die, zelfs met slechts 50 voorbeelden per klasse, effectief zijn voor het detecteren van zowel expliciete als impliciete haatzaaiende taal zonder herhaaldelijke fine-tuning.
Deze paper introduceert SPOT, het eerste geannoteerde Franse corpus en benchmark voor het detecteren van kritieke ingrepen in online discussies, en toont aan dat fijngefineerde encoder-modellen contextuele metadata effectiever benutten dan geprompte LLM's voor deze taak.
Deze studie toont aan dat multimodale grote taalmodellen moeite hebben om vaardigheden over verschillende modaliteiten optimaal te combineren, waarbij zelfs geavanceerde strategieën zoals chain-of-thought prompting en specifieke fine-tuning slechts een beperkt deel van deze kloof kunnen dichten.
Dit paper introduceert "Stealth Fine-Tuning", een efficiënte aanvalsmethode die de veiligheidsuitlijning van redeneringsversterkte visueel-taalmodellen (RVLMs) omzeilt door zelf gegenereerde schadelijke redeneersporen te hergebruiken voor fijnafstemming, waardoor de modelveiligheid met weinig data en rekentijd kan worden gebroken.
Deze paper introduceert Graphectory, een grafgebaseerde methode voor het analyseren van het proces van agente softwaresystemen, die niet alleen inzicht geeft in hun redeneerstrategieën, maar ook door middel van realtime monitoring en interventies de oplossingskansen aanzienlijk verbetert.
Dit paper introduceert SETUP, een nieuw systeem dat Engelse zinnen automatisch omzet naar Uniform Meaning Representation (UMR) en daarmee aanzienlijke verbeteringen boekt in de nauwkeurigheid van deze semantische analyse.
Dit paper introduceert de Parallel Decoder Transformer (PDT), een architectuur die parallelle tekstgeneratie mogelijk maakt door een gefreezeerde decoder te verrijken met een planner-gestuurde latente werkruimte en een gesynchroniseerd multi-stream protocol voor interne coördinatie zonder externe orchestration.
Dit paper introduceert CompanionCast, een framework dat meerdere gespecialiseerde AI-agenten orchestreert om sociale interactie en gedeelde beleving tijdens activiteiten zoals het kijken van sportwedstrijden te verbeteren, wat in proefstudies leidde tot een significant verhoogd gevoel van sociale aanwezigheid en emotionele deling.
Deze survey biedt een overzicht van de adaptatie van agenten op basis van grote taalmodellen na het vooraf trainen, waarbij een vierparadigmatisch raamwerk wordt gebruikt om methoden voor post-training, adaptief geheugen en vaardigheden te structureren, vergelijken en evalueren.
Dit artikel presenteert een lichtgewicht, twee-traps vision-language framework dat Swin Transformer en T5 combineert voor uitlegbare visuele vraag-antwoordtaken bij gewasziektes, waarbij hoge nauwkeurigheid en generalisatie worden bereikt op de CDDM- en PlantVillageVQA-datasets.
Het NC-Bench-paper introduceert een nieuw, theorieonderbouwd benchmarkkader dat zich richt op de vorm en structuur van natuurlijke gesprekken in plaats van inhoud, en waarmee de conversatievaardigheden van grote taalmodellen worden geëvalueerd via drie sets die basispatronen, RAG-integratie en complexe verzoeken testen.
Dit artikel biedt het eerste componenten-gebaseerde overzicht van de wederzijdse interactie tussen grote taalmodellen en multi-armed bandits, waarbij wordt onderzocht hoe deze technologieën elkaar wederzijds verbeteren in zowel besluitvorming als taalverwerking.
Dit paper introduceert MAS-Orchestra, een trainingsframework dat multi-agent systemen optimaliseert door orkestratie te formuleren als function-calling reinforcement learning, en MASBENCH, een gecontroleerde benchmark die aantoont dat de voordelen van multi-agent systemen sterk afhankelijk zijn van taakstructuur en niet universeel gelden.
Dit paper introduceert het Determinism-Faithfulness Assurance Harness (DFAH), een framework dat aantoont dat besluitvormingsdeterminisme en nauwkeurigheid bij financiële tool-gebruikende LLM-agenten niet met elkaar correleren en daarom onafhankelijk moeten worden gemeten om te voldoen aan auditvereisten.
Deze paper introduceert EFT-CoT, een multi-agent framework dat Emotion-Focused Therapy (EFT) operationaliseert voor mentale gezondheidsvragen, en presenteert het bijbehorende EFT-Instruct-dataset en EFT-LLM-model die in experimenten superieure empathische diepgang en professionele structuur tonen ten opzichte van bestaande methoden.
Dit artikel presenteert een verbeterde versie van X-Codec-2.0 die door een lagere latente rate van 25 Hz en een hogere sample rate van 24 kHz, de efficiëntie en perceptuele kwaliteit voor meertalige spraak significant verhoogt zonder de kernarchitectuur te wijzigen.
Het paper introduceert RedSage, een open-source cybersecurity-assistent die door middel van domeinspecifieke voortgezette pretraining en agentische augmentatie de prestaties op zowel cybersecurity- als algemene LLM-benchmarks significant verbetert.
Mem-T introduceert een autonoom geheugenagent met een hiërarchische database en een nieuwe RL-techniek genaamd MoT-GRPO om het trainingsprobleem van schaarse beloningen bij lange-taken te overwinnen, wat leidt tot aanzienlijk betere prestaties en efficiëntie dan bestaande frameworks.
Deze studie concludeert dat de Schwartz-hoogwaardige waardenstructuur bij het detecteren van menselijke waarden op zinneniveau vooral nuttig is als inductieve bias en dat de grootste prestatiewinsten worden behaald via kalibratie en ensemble-methoden, terwijl harde hiërarchische poortmodellen en compacte LLM's als standalone-systemen minder effectief blijken.
Het artikel introduceert LatentMem, een leerbaar raamwerk voor multi-agent systemen dat agent-specifieke, token-efficiënte latent geheugens synthetiseert via een ervaringenbank en een geheugencomponist, aangevuld met Latent Memory Policy Optimization om de prestaties aanzienlijk te verbeteren zonder bestaande frameworks aan te passen.