1888 papers
Dit paper introduceert TransactionGPT, een fundamenteel model op basis van een innovatieve 3D-Transformer-architectuur dat is getraind op miljarden transacties en superieure prestaties levert bij het detecteren van anomalieën en het genereren van toekomstige transacties vergeleken met bestaande methoden en aangepaste LLM's.
Dit paper toont aan dat gerichte activatie-engineering, gebaseerd op attributiepatching en contrastieve emotievectoren, LLaMA 3.1-8B in staat stelt om menselijker emotionele nuances en persoonlijke betrokkenheid te vertonen in onderhandelingen.
Dit paper introduceert het Confidence-Aware Fine-Grained Debate (CFD)-framework, dat gebruikmaakt van open-source LLM's voor geautomatiseerde data-verrijking via een debatmechanisme, wat leidt tot significante verbeteringen in downstream-taken voor mentale gezondheid en online veiligheid.
Dit paper introduceert GUMBridge, een nieuw corpus met gedetailleerde annotaties voor verschillende soorten brug-anafora in zestien diverse Engelse genres, en toont aan dat zowel het oplossen van deze anafora als het classificeren van hun subtypen ook in het tijdperk van grote taalmodellen uitdagende NLP-taken blijven.
Deze studie introduceert een effectieve activatiestuuringsmethode voor Masked Diffusion Language Models die, door het toepassen van een enkele laagdimensionale richting op de residual-stream-activaties tijdens het reverse diffusion-proces, systematische gedragsveranderingen mogelijk maakt zonder optimalisatie, waarbij specifieke kenmerken zoals de bruikbaarheid van pre-instructie-tokens en cross-linguale transfer worden aangetoond die uniek zijn voor deze architectuur.
Dit artikel introduceert "Entropy Sentinel", een methode die het gebruik van afleidingsentropie-profielen van LLM-antwoorden combineert met een lichtgewicht classifier om slice-accuraatheid te schatten onder domeinverschuivingen, waarmee zowel continue monitoring als gerichte data-acquisitie in STEM-domeinen mogelijk wordt gemaakt.
Het onderzoek toont aan dat 'contextuele sleepkracht' (contextual drag) ervoor zorgt dat fouten in de context van grote taalmodellen leiden tot structureel vergelijkbare herhalingen van fouten, waardoor iteratieve zelfverbetering vaak resulteert in verslechtering in plaats van vooruitgang.
Dit paper introduceert het PACIFIC-dataset en een framework dat de prestaties van gepersonaliseerde antwoorden van grote taalmodellen aanzienlijk verbetert door voorkeuren te selecteren die consistent zijn met de afgeleide persoonlijkheidstrekken van de gebruiker.
Het paper introduceert Steer2Edit, een trainingsvrij raamwerk dat activatiesturing omzet in component-specifieke gewichtseditie om de afweging tussen attributen en bruikbaarheid in grote taalmodellen te verbeteren door selectieve aanpassingen aan te brengen in individuele attention heads en MLP-neuronen.
Het artikel introduceert MedXIAOHE, een geavanceerd medisch vision-language foundation model dat door middel van een entiteitsbewuste voortdurende voortraining, versterkt leren en tool-gebaseerde agent-training state-of-the-art prestaties bereikt in medisch redeneren en diagnosestelling.
Deze studie weerlegt eerdere twijfels over de nuttigheid van grote taalmodellen voor tijdreeksvoorspelling door middel van een grootschalige analyse te tonen dat ze, vooral bij domeinoverschrijdende generalisatie en onder complexe verdelingen, de prestaties aanzienlijk verbeteren en onmisbaar blijken te zijn.
Dit paper introduceert een trainingsvrije methode om hallucinaties in grote taalmodellen te detecteren door het softmax-classificatieproces te interpreteren als een Energy-Based Model en afwijkingen in 'uitgestorte energie' te analyseren.
Dit paper introduceert CFE-Bench, een multimodaal benchmark voor het evalueren van redeneervermogen van grote taalmodellen in meer dan 20 STEM-domeinen, waarbij wordt vastgesteld dat zelfs geavanceerde modellen moeite hebben met het consistent handhaven van correcte tussenstappen in complexe, meerstapsoplossingen.
Dit paper introduceert RuCL, een nieuw kader voor curriculum learning dat door gespecialiseerde, gestratificeerde rubrieken te gebruiken in plaats van alleen uitkomstsupervisie, de redeneerprestaties van multimodale grote taalmodellen aanzienlijk verbetert en een nieuwe state-of-the-art nauwkeurigheid bereikt.
Deze paper introduceert een schaalbaar Speech-guided Machine Translation (SMT)-framework dat spraak en tekst fuseert in een meertalig multimodaal groot taalmodel, ondersteund door een zelf-evolutiemechanisme voor synthetische data, en dat nieuwe state-of-the-art resultaten bereikt op multimodale en algemene vertaaltaken.
Dit paper introduceert DeepXiv-SDK, een drie-laags agentic data-interface die ongestructureerde wetenschappelijke literatuur omzet in gestructureerde JSON-data en via diverse tools (zoals CLI, MCP en Python SDK) efficiëntere, kosteneffectieve toegang biedt voor AI-agenten tot het volledige ArXiv-corpus en toekomstige open-access bronnen.
Dit paper introduceert "Super Research", een nieuwe taak en benchmark die grote taalmodellen test op hun vermogen om uiterst complexe vragen op te lossen door middel van geavanceerde planning, superbrede en superdiepe zoekopdrachten, en een grondige evaluatie via een grafiekgebaseerd auditprotocol.
Deze paper introduceert uCDCR, een gestandaardiseerd en verenigd datasetkader voor cross-document coreferentieoplossing dat zowel entiteiten als gebeurtenissen omvat, bestaande corpora analyseert om generaliseerbaarheid te verbeteren, en aantoont dat het oplossen van beide coreferentietypen even complex is.
Het artikel introduceert QIME, een raamwerk dat interpreteerbare medische tekstembeddings genereert door ontologie-gedreven ja/nee-vragen te gebruiken, waardoor de prestaties van zwarte-doosmodellen worden benaderd terwijl klinisch inzicht behouden blijft.
Deze paper introduceert ClinConsensus, een door klinische experts gevalideerde benchmark in het Chinees die grote taalmodellen evalueert op basis van open-ended medische casuïstiek met variërende moeilijkheidsgraden, en een nieuw beoordelingskader voorstelt om de betrouwbaarheid en klinische toepasbaarheid van deze modellen in realistische zorgscenario's te meten.