1066 papers
Dit paper introduceert SelfOrg, een zelforganiserend framework voor multi-agent systemen dat dynamische communicatiestructuren genereert op basis van respons-afhankelijke Shapley-waarden om samenwerking te optimaliseren zonder extra supervisie of training.
Dit paper introduceert FOR-Prompting, een asymmetrisch promptprotocol dat zonder extra training de prestaties van taalmodellen verbetert door een Defender, een Debater die kritische vragen stelt zonder directe oplossingen, en een Host te laten samenwerken voor iteratieve zelfherziening.
Dit paper introduceert DialTree, een op-beleid versterkte leerframework geïntegreerd met boomzoektechnieken dat autonoom diverse multi-turn aanvalstrategieën ontdekt om de kwetsbaarheid van grote taalmodellen voor geavanceerde red-teaming-aanvallen significant te vergroten.
Dit artikel introduceert nieuwe benchmarks voor het meten van het dialectkloof in het Frans door het gebruik van regionale uitdrukkingen, en toont aan dat grote taalmodellen, ondanks hun bekwaamheid in het standaard Frans, significant minder goed presteren op het Quebecse dialect.
Dit paper introduceert NANOMIND, een hardware-software co-design raamwerk dat grote multimodale modellen op batterij-aangedreven apparaten efficiënt uitvoert door modulaire componenten dynamisch toe te wijzen aan de meest geschikte versnellers, wat resulteert in een aanzienlijke verbetering van energie-efficiëntie en doorvoersnelheid zonder netwerkverbinding.
Dit paper introduceert ACE, een kader voor kennisbewerking dat neuronale attributie gebruikt om de dynamische query-waarde-paden in meervoudige redeneerketens te identificeren en aan te passen, waardoor de prestaties bij het herinneren van meervoudige feiten aanzienlijk verbeteren.
Het artikel introduceert R-WoM, een op retrieval gebaseerde wereldmodel voor computergebruiksagenten die hallucinaties en fouten in langetermijnplanning van grote taalmodellen aanpakt door simulaties te verankeren met feitelijke, actuele kennis uit externe tutorials, wat leidt tot significante prestatieverbeteringen op benchmarks zoals OSWorld en WebArena.
Dit paper introduceert HypoSpace, een diagnostische suite die de creativiteit van taalmodellen evalueert door hun vermogen te meten om diverse, unieke en volledige sets van hypotheses te genereren in onderbepaalde wetenschappelijke scenario's, waarbij wordt aangetoond dat modellen vaak in een 'mode collapse' terechtkomen die door traditionele correctheidsmetingen onopgemerkt blijft.
Dit artikel introduceert KrishokBondhu, een stemgebaseerd adviescentrum voor Bengalese boeren in Bangladesh dat gebruikmaakt van Retrieval-Augmented Generation (RAG) en spraaktechnologie om via telefoon real-time, contextbewuste landbouwadviezen te verstrekken.
SwiftEmbed is een in Rust geschreven, productiegerichte systeem dat statische token-lookup gebruikt om ultra-snelle tekstembeddings (1,12 ms p50) te leveren voor real-time toepassingen, waarbij het een uitstekende prestatie behaalt voor duplicaatreductie en semantische gelijkenis, maar minder geschikt is voor complexe classificatietaken.
Dit paper introduceert Jr. AI Scientist, een autonoom systeem dat als beginnend onderzoeker werkt om nieuwe wetenschappelijke hypotheses te formuleren en te valideren op basis van bestaande papers, en analyseert zowel de prestaties als de risico's en beperkingen van dergelijke systemen voor de toekomst van de academische gemeenschap.
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.