152 papers
Deze paper introduceert OfficeQA Pro, een nieuwe benchmark gebaseerd op een uitgebreid corpus van US Treasury Bulletins die aantoont dat zelfs de meest geavanceerde AI-agenten moeite hebben met grondig, op documenten gebaseerd redeneren in zakelijke contexten, waarbij gestructureerde documentrepresentaties weliswaar de prestaties verbeteren maar nog steeds aanzienlijke ruimte voor verbetering laten.
Dit artikel biedt een breed overzicht van onderzoek naar de uitlegbaarheid en interpreteerbaarheid van methoden voor natuurlijke taalverwerking en informatieretrieval, met name gericht op modellen zoals woordembeddings, transformers en BERT, en schetst toekomstige onderzoeksrichtingen.
Dit artikel introduceert ADC-SID, een raamwerk dat adaptief ruis in collaboratieve informatie filtert door de uitlijning tussen gedrag en inhoud aan te passen en dynamische wegingen toe te passen, waardoor robuustere semantische ID's worden gegenereerd die beter presteren op items met lange staart in aanbevelingssystemen.
Dit onderzoek toont aan dat de volgorde van beoordeling (eerst een cijfer geven versus eerst een review schrijven) consumentenbeoordelingen polariseert via een combinatie van affectieve heuristieken en cognitieve inspanning, waarbij de volgorde 'eerst cijfer' leidt tot extremere scores afhankelijk van de servicekwaliteit en producttype.
Dit onderzoek toont aan dat redenerende rerankers, in vergelijking met niet-redenerende modellen, noch de eerlijkheid verbeteren noch verslechteren, maar eerder de bestaande eerlijkheidskenmerken van de invoer rangschikking behouden.
Deze paper introduceert AttnLFA en AttnMVP, twee nieuwe architecturen voor generatieve aanbevelingssystemen die door het elimineren van inefficiënte interleaving-mechanismen en het expliciet modelleren van causale afhankelijkheden tussen items en acties, zowel de prestaties als de trainings-efficiëntie aanzienlijk verbeteren.
Dit artikel introduceert Differentiable Geometric Indexing (DGI), een nieuw generatief zoekparadigma dat optimalisatieblokkades en geometrische conflicten oplost door een volledig differentieerbare route en isotrope optimalisatie te combineren, wat leidt tot superieure prestaties, vooral bij lange staart-items.
Deze paper presenteert een unificerend kader voor nieuwsaanbevelingen dat zowel lange-termijnvoorkeuren als korte-termijndynamieken modelleert door gebruik te maken van een globale interactiegrafiek en lokale, tijdsgebonden subgrafieken, wat resulteert in nauwkeurigere en actueelere aanbevelingen dan bestaande methoden.
Deze paper introduceert een nieuw kader dat agenttrajecties analyseert om gestructureerde, contextuele leermomenten te genereren en op te halen, waardoor zelfverbeterende LLM-agenten hun prestaties aanzienlijk verbeteren door fouten te vermijden en succesvolle strategieën toe te passen.
Dit paper introduceert ExBI, een nieuw systeem dat een hypergraafdatamodel en steekproefgebaseerde algoritmen combineert om Exploratory Business Intelligence te ondersteunen door dynamische schema-evolutie en herbruikbaarheid mogelijk te maken, wat resulteert in aanzienlijke snelheidswinsten ten opzichte van bestaande systemen zoals Neo4j en MySQL bij het behouden van hoge analytische nauwkeurigheid.
Dit paper introduceert TriRec, het eerste tripartiete LLM-agent framework voor aanbevelingen dat gebruikers, items en het platform gelijktijdig optimaliseert om de duurzaamheid van het systeem te waarborgen en de traditionele afweging tussen relevantie en eerlijkheid te doorbreken.
Dit onderzoek toont aan dat het gebruik van gestructureerde linked data, specifiek verrijkte entiteitspagina's met JSON-LD en navigatie-instructies, de nauwkeurigheid en volledigheid van zowel standaard als agent-gestuurde Retrieval-Augmented Generation-systemen aanzienlijk verbetert.
Dit artikel introduceert RAGPerf, een open-source end-to-end benchmarkingframework dat modulaire RAG-pipelines analyseert door de prestaties en nauwkeurigheid van componenten zoals embedding, indexering en generatie te meten onder diverse realistische werklasten.
Deze studie introduceert een interpreteerbare, door LLM's ondersteunde pipeline die vier Chinese metafooridentificatieprotocollen omzet in uitvoerbare regelscripts, waarmee voor het eerst een cross-protocol vergelijking wordt gedaan die aantoont dat de keuze van het protocol de grootste variatiebron is en dat deze transparante architectuur concurrerende prestaties levert.
Deze paper introduceert een tweetalig corpus en een machine-actievere GND-taxonomie voor het trainen en evalueren van AI-systemen die bibliothecarissen ondersteunen bij het automatisch toewijzen van onderwerpswoorden aan catalogusrecords.
Dit paper introduceert PharmGraph-Auditor, een hybride framework dat een betrouwbaar farmaceutisch kennisbestand en een bewijsgebaseerde verificatiestrategie combineert om de veiligheid en traceerbaarheid van medicatieverificatie door apothekers te verbeteren.
Dit paper biedt een systematische studie naar pseudo-relevante feedback met grote taalmodellen en onthult dat de keuze van het feedbackmodel cruciaal is, terwijl de meest kosteneffectieve aanpak gebruikmaakt van door het model gegenereerde tekst, tenzij een sterke eerste-stap retriever beschikbaar is, waarbij corpus-gebaseerde feedback dan het meest voordelig is.
Dit paper introduceert LLMGreenRec, een innovatief multi-agent systeem dat Large Language Models gebruikt om duurzame e-commerce te bevorderen door zowel groene aankoopintenties te detecteren als het eigen digitale koolstofvoetafdruk te minimaliseren.
Dit paper introduceert 'Reading Activity Traces' (RATs), een concept dat lezen als creatieve activiteit beschouwt door de interpretatieve arbeid die vaak door algoritmes wordt overgeslagen, zichtbaar te maken en te documenteren.
Dit paper introduceert HCT-QA, een uitgebreid benchmark voor vraag-antwoordtaken op mensgerichte tabellen, dat duizenden realistische en synthetische tabellen bevat om de prestaties van taal- en visiemodellen te evalueren en te verbeteren via fine-tuning.