1714 papers
Dit paper introduceert ESGenius, het eerste uitgebreide benchmark voor het evalueren van LLM-kennis over ESG en duurzaamheid, dat bestaat uit een geverifieerde vragenlijst en een corpus van autoritaire bronnen, en aantoont dat Retrieval-Augmented Generation (RAG) de prestaties van modellen in dit domein aanzienlijk verbetert.
Dit paper introduceert een deterministische, LLM-onafhankelijke pipeline die ruwe domeincorpora omzet in schaalbare en onbevooroordeelde benchmarks voor het evalueren van domeinspecifieke kennis van zowel basis- als chat-modellen, zonder afhankelijk te zijn van menselijke annotatie of bestaande benchmarks.
Dit paper introduceert Sysformer, een methode die de veiligheid van ingevroren grote taalmodellen verbetert door adaptieve systeemprompts te leren, waardoor de weerstand tegen schadelijke prompts en de naleving van veilige prompts aanzienlijk stijgt zonder kostbare hertraining van de modelparameters.
Dit paper introduceert VLMQ, een post-training kwantisatieframework dat specifiek is ontworpen voor vision-language modellen door visuele oververtegenwoordiging en een modale kloof aan te pakken via een salientie-gedreven aanpak die de prestaties aanzienlijk verbetert, zelfs bij zeer lage bitbreedtes.
Dit artikel presenteert een case study waarin een hybride RAG-strategie consistent beter presteert dan directe prompting met lange context bij cross-linguale technische vraagbeantwoording over een landbouwmachine-handboek, met specifieke modellen zoals Gemini 2.5 Flash en Qwen 2.5 7B die nauwkeurigheden van meer dan 85% bereiken.
Dit paper introduceert CMRAG, een co-modale RAG-framework dat tekst en afbeeldingen gelijktijdig benut via een unificatie-encoderingmodel en een co-modale zoekmethode om de prestaties van visuele documentvraag-antwoordsystemen te verbeteren.
Het paper introduceert MERLIN, een tweestapskader met curriculumlearning en DoRA-finetuning dat de cross-linguale redeneerprestaties van taalmodellen in laag-resource talen aanzienlijk verbetert en zelfs GPT-4o-mini op het AfriMGSM-benchmark overtreft.
Dit paper introduceert YAAL en LongYAAL als nieuwe, meer accurate latentiemetrieken voor simultane spraak-naar-tekstvertaling, gecombineerd met het SoftSegmenter-tool, om de inconsistenties van bestaande methoden op te lossen en betrouwbare evaluaties mogelijk te maken voor zowel korte als lange teksten.
Deze studie toont aan dat decoder-only modellen, ondanks hun succes in taal, slechter presteren dan encoder-only modellen bij het oplossen van partiële differentiaalvergelijkingen, maar dat deze kloof kan worden gedicht door twee nieuwe methoden, Parallel Flipping en Sequence Doubling, die bidirectionaliteit nabootsen.
Dit onderzoek concludeert dat micro-benchmarks voor taalmodellen vaak onbetrouwbaar zijn bij het rangschikken van modellen met vergelijkbare prestaties, omdat zelfs methoden met 250 voorbeelden nauwelijks beter presteren dan willekeurige steekproeven en veel paarvergelijkingen niet behouden blijven.
Dit paper betoogt dat de interne staten van LLM's voornamelijk reflecteren of het model parametrische kennis herinnert in plaats van de waarheid van de output, waardoor hallucinaties die voortkomen uit valse associaties (AH's) moeilijk te onderscheiden zijn van feitelijke antwoorden, terwijl hallucinaties zonder parametrische grond (UH's) wel detecteerbaar zijn.
Dit paper introduceert 'Just-In-Time Objectives', een architectuur die door passieve observatie van gebruikersgedrag specifieke doelen afleidt om grote taalmodellen direct te specialiseren in het genereren van hoogwaardige, op maat gemaakte tools en antwoorden die significant beter presteren dan standaard LLM-chatbots.
Dit onderzoek toont aan dat chain-of-thought redenering de prestaties van grote taalmodellen bij contextbewuste vertaling significant verbetert, waarbij de beste modellen zoals GPT-4 en Phi een 'wijzen worden wijzer'-effect vertonen met accuratesse tot 90% en COMET-scores van ongeveer 92%.
Dit onderzoek toont aan dat ChatGPT communicatiegegevens consistent en betrouwbaar codeert over verschillende demografische groepen heen, vergelijkbaar met menselijke beoordelaars, waardoor het geschikt is voor grootschalige evaluaties van samenwerking.
Dit paper introduceert een nieuwe aanpak met Monte Carlo-inferentie en Bayesiaans experimenteel ontwerp om taalkundige modellen te verbeteren in strategische informatievraag- en actie-taken, waardoor ze in spelletjes als Battleship en Guess Who? beter presteren dan mensen en geavanceerdere modellen, vaak tegen een fractie van de kosten.
Deze paper introduceert DETECT, de eerste op synthetische LLM-gegevens getrainde, Duitstalige metriek die de kwaliteit van tekstvereenvoudiging holistisch beoordeelt op eenvoud, betekenisbehoud en vloeiendheid, en daarmee aanzienlijk beter presteert dan bestaande evaluatiemethoden.
Dit paper introduceert AfriMTEB, een uitgebreid benchmark voor 59 Afrikaanse talen, en AfriE5, een aangepast tekst-embeddingmodel dat door middel van cross-linguale contrastieve distillatie state-of-the-art prestaties bereikt op deze regio.
Dit onderzoek presenteert een innovatieve methode om de persoonlijkheid van grote taalmodellen te sturen door de Big Five-personality traits te koppelen aan specifieke laagactivaties, waardoor een stabiele en vloeiende aanpassing van het gedrag mogelijk wordt zonder de algemene modelcapaciteiten te beïnvloeden.
Dit paper introduceert het concept van 'kritische fictie', waarbij gecontroleerde hallucinaties van taalkundige modellen worden gebruikt om historische lacunes veroorzaakt door sociale ongelijkheid op te vullen en zo betrouwbare, evidence-gebonden verhalen voor 'verborgen figuren' te reconstrueren zonder de historische nauwkeurigheid te ondermijnen.
Dit artikel presenteert Co-Layout, een nieuw raamwerk dat grote taalmodellen combineert met roostergebaseerde integer-programmering en een grof-naar-fijn optimalisatiestrategie om binneninrichtingen en meubelplaatsing gezamenlijk te optimaliseren op basis van tekstuele prompts.