1065 papers
Dit paper biedt politiekwetenschappers een praktisch beslissingskader voor het kiezen tussen het bouwen, lenen of fijnstemmen van NLP-modellen, waarbij een experiment met conflictgegevens aantoont dat een gefine-tuned ModernBERT-model bijna net zo goed presteert als een gespecialiseerd model, tenzij het gaat om zeldzame gebeurtenisclassificaties.
Dit paper introduceert een chirurgische herinitialisatietechniek die de systematische instorting van 31-44% van de aandachtskoppen in ALiBi-gebaseerde BLOOM-modellen corrigeert door gerichte herschikking van Q/K/V-parameters, waardoor de operationele capaciteit van het model aanzienlijk wordt hersteld en de prestaties op trainingsperplexiteit met 25% worden verbeterd.
Dit paper introduceert X-GS, een uitbreidbaar open raamwerk dat 3D-Gaussische splatting (3DGS) verenigt met multimodale modellen via een efficiënte pijplijn die real-time semantische 3D-scènes genereert uit ongepositioneerde video's voor downstream-taken zoals objectdetectie en embodied AI.
Dit artikel presenteert een volledig open-source, lokaal inzetbaar systeem dat de Qwen2.5-72B-taalmodel gebruikt om uit radiologieverslagen longitudinale tumorinformatie volgens RECIST-criteria te extraheren met hoge nauwkeurigheid, waardoor privacy en reproduceerbaarheid in de gezondheidszorg worden gewaarborgd.
Deze keynote op ECIR 2025 belicht het onderzoek naar de interactie tussen parametrische en contextuele kennis in taalmodellen, met name gericht op het diagnosticeren van kennisconflicten en het begrijpen van hoe modellen context integreren of negeren.
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 onderzoek presenteert een methode om recepten te vergelijken door semantische, lexische en domeinspecifieke aspecten te combineren, wat wordt gevalideerd door experts en nuttig is voor gepersonaliseerde voeding en automatische receptgeneratie.
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.
Deze studie toont aan dat grote taalmodellen (LLMs) effectief kunnen worden ingezet in RAG-systemen voor het vertalen van natuurlijke taal naar gestructureerde metadata om voedsel- en voedingsgegevens te raadplegen, hoewel hun betrouwbaarheid afneemt bij complexe vragen met beperkingen die niet direct in de metadata-formaat kunnen worden uitgedrukt.
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.
Dit paper introduceert RbtAct, een methode die gebruikmaakt van auteursrebuttals als impliciete supervisie om grote taalmodellen te trainen in het genereren van specifiekere en actievere peer-review feedback.
Dit paper introduceert EXPLORE-Bench, een benchmark voor het evalueren van het vermogen van multimodale grote taalmodellen tot lang-horizon redenering in egocentrische omgevingen, en toont aan dat deze modellen significant achterblijven bij menselijke prestaties ondanks verbeteringen door stapsgewijze redenering.
Dit paper introduceert FoodOntoRAG, een fijnstemmingsvrij RAG-pipeline dat robuuste food entity linking bereikt door een hybride zoek- en agent-systeem te gebruiken voor few-shot matching met ontologieën, waardoor de kosten worden verlaagd en de weerstand tegen ontologie-drift wordt verbeterd.
Dit artikel introduceert de geüpdatete en gecombineerde EPIC-EuroParl-UdS-corpora voor Engels en Duits, die zijn aangepast met nieuwe annotaties en informatie-theoretische maatstaven om onderzoek te ondersteunen naar taalvariatie, vertaling en het voorspellen van vullende woorden in tolken.
Dit paper introduceert MITRA, een lokaal gehoste RAG-gebaseerde AI-assistent die gebruikmaakt van een geautomatiseerde documentpypeline en een tweelaagse vectordatabase om veilig en nauwkeurig contextbewuste vragen te beantwoorden over fysicanalyses binnen grote wetenschappelijke samenwerkingen zoals CMS.
Dit paper introduceert One-Eval, een agentisch systeem dat natuurlijke taalverzoeken omzet in traceerbare en aanpasbare evaluatieworkflows voor grote taalmodellen, waardoor de handmatige inspanning voor benchmarkselectie, dataverwerking en rapportage aanzienlijk wordt verminderd.
Dit paper introduceert een Chow-Liu-baas voor het ordenen van tekstchunks in Chain-of-Agents-systemen, waarbij een breedte-eerst-doorloop van de afgeleide afhankelijkheidsboom de informatieverlies minimaliseert en consequent betere prestaties levert dan standaard of semantische ordeningsmethodes op lange-contexttaken.
Dit artikel toont aan dat taalmodellen die het meest lijken op n-gramstatistieken, de leestijden bij het lezen van natuurlijke tekst het beste voorspellen, omdat leestijden gevoeliger zijn voor eenvoudige statistieken dan voor de complexe patronen van geavanceerde transformer-modellen.