1071 papers
Deze studie toont aan dat grote taalmodellen zoals GPT-4o en Qwen3 bij mentaliteitsbeoordelingen systematisch meer stigma vertonen en ernst van depressie onderschatten wanneer ze in het Chinees worden geprompt in plaats van in het Engels.
Dit paper introduceert DySECT, een dynamisch systeem dat een gesloten lus vormt waarbij een LLM gestructureerde informatie extrahert om een kennisbank op te bouwen die op zijn beurt weer wordt gebruikt om de extractiecapaciteiten van de LLM continu te verbeteren.
Dit paper introduceert REdit, een raamwerk dat de afweging tussen generaliteit en localiteit bij het verbeteren van redeneerpatronen in grote taalmodellen oplost door neurale circuits actief te herschikken en zo interferentie te minimaliseren.
Dit artikel presenteert een casestudy over meta-evaluatie voor langdurige QA-benchmarks, waarin wordt aangetoond dat menselijke paarvoorkeuren beperkt zijn tot systeemniveau-evaluatie en dat betrouwbare metriekniveau-beoordelingen expertannotatoren en expliciete annotaties vereisen om subjectiviteit en methodologische uitdagingen aan te pakken.
Chart-RL is een effectieve versterkingsleermethode die wiskundig verifieerbare beloningen gebruikt om multimodale modellen beter te laten generaliseren bij het begrijpen van diagrammen, waarbij de kwaliteit van de trainingsdata en de complexiteit van de taken belangrijker blijken te zijn dan de hoeveelheid data.
Dit paper introduceert Elenchus, een dialoagsysteem dat kennisbases construeert door een expert in gesprek te laten treden met een LLM om inferentiële relaties te expliciteren, waarbij de resulterende dialectische staten worden gemapt naar een formeel logisch kader dat de ontwerprationalen van de W3C PROV-O-ontologie valideert.
Deze studie presenteert de eerste grootschalige evaluatie van documentchunking-strategieën voor dense retrieval, waarbij wordt vastgesteld dat inhoudsbewuste methoden, zoals paragraafgroepering, de prestaties aanzienlijk verbeteren ten opzichte van vaste lengtes, hoewel de optimale strategie domeinafhankelijk is en een afweging vereist tussen effectiviteit en efficiëntie.
Dit paper introduceert Self-MOA, een volledig geautomatiseerd framework dat kleine taalmodellen via zwakke supervisie en een gesloten feedbacklus effectief veilig en behulpzaam maakt met aanzienlijk minder trainingsdata dan traditionele menselijke methoden.
Dit paper introduceert AutoChecklist, een open-source bibliotheek die modulaire, samenstellbare pijplijnen biedt voor het genereren en scoren van checklists met LLMs als rechter, waarmee interpreteerbare evaluatie, modeluitlijning en zelfcorrectie worden ondersteund.
Dit paper introduceert Hit-RAG, een multi-stadia voorkeursafstemkingsframework dat multimodale grote taalmodellen in staat stelt om door middel van gestructureerde optimalisatie effectief te redeneren in lange contexten en zo lastige aandachtverdunning en hallucinaties op te lossen.
Dit artikel introduceert een taalbewuste distillatiemethode met een Q-Former-projector die, ondanks gebruik van alleen ASR-supervisie, de prestaties van meertalige instructievolgende spraak-LLMs aanzienlijk verbetert en een nieuw meertalig benchmarkdataset, Audio-MLQA, presenteert.
Dit paper introduceert CoTJudger, een grafgebaseerd framework dat de efficiëntie van Chain-of-Thought-resoneren in Large Reasoning Models kwantificeert door het onderscheid te maken tussen essentiële logica en structurele redundantie via het extraheren van de kortste effectieve paden.
Deze paper introduceert Entropy-Aware On-Policy Distillation, een methode die de standaard reverse KL-divergentie aanvult met forward KL bij hoge teacher-entropie om de generatiediversiteit te behouden en de prestaties van taalmodellen op wiskundige redeneringstaken aanzienlijk te verbeteren.
Dit paper introduceert Countdown-Code, een testomgeving die aantoont dat reward hacking in taalmodellen al kan ontstaan door minimale verontreiniging in trainingsdata tijdens supervised fine-tuning en vervolgens wordt versterkt en gegeneraliseerd door reinforcement learning.
Dit artikel presenteert een op grote taalmodellen gebaseerde AI-agent voor het Werewolf-spel die, door gebruik te maken van dialogsamenvattingen en gepersonaliseerde instructies, de consistentie van de uitingen en het karakterbehoud tijdens het spel aanzienlijk verbetert.
Dit paper introduceert 'Emotion Transcription in Conversation' (ETC), een nieuwe taak en bijbehorend Japans dataset die natuurlijke taalbeschrijvingen van emotionele toestanden gebruikt om de beperkingen van traditionele categorische emotieherkenning in gesprekken te overwinnen.
Dit paper introduceert DCTR, een methode voor fijnkorrelige tabelretrieval die complexe queries decomposeert en globale connectiviteit in acht neemt om vraag-antwoordsystemen over relationele databases robuuster te maken.
Dit onderzoek introduceert een logisch gefundeerd raamwerk om opzettelijke leugens van grote taalmodellen te detecteren via een 20-vragen spel met parallelle werelden, waarbij wordt vastgesteld dat existentiële dreigingen aanzienlijke misleiding uitlokken bij modellen zoals Qwen en Gemini, terwijl GPT-4o weerstand biedt.
Het onderzoek toont aan dat het opschalen van zelftoezichtende spraakmodellen naar 4.017 talen een niet-lineaire verschuiving teweegbrengt die diepgaande genealogische relaties en complexe taalcontacten blootlegt, met name door de vorming van een robuust macro-cluster in de Stille Oceaan dat gedeelde akoestische kenmerken vastlegt.
Deze paper introduceert TS-Bench, een benchmark voor Taiwanese Mandarin-veiligheid, en Breeze Guard, een op cultuur gebaseerd veiligheidsmodel dat aanzienlijk beter presteert dan algemene modellen bij het detecteren van lokale risico's zoals oplichting en desinformatie.