154 papers
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.
Dit paper introduceert RED, een robuust netwerk voor bewegingsontwarring dat modale specificiteit en selectieve fusie gebruikt om de prestaties van op gebeurtenissen gebaseerde beeldherstel te verbeteren, zelfs bij onvolledige en gefragmenteerde data door onder-rapportage van de sensor.
GaiaFlow is een innovatief framework dat semantisch geleide diffusietuning combineert met adaptieve vroege exits en kwantisatie om de ecologische voetafdruk van neurale zoeksystemen aanzienlijk te verminderen zonder in te leveren op de zoekkwaliteit.
Dit paper introduceert nieuwe, schaalafhankelijke evaluatiemetrics voor "Text-to-Big SQL" om aan te tonen dat bestaande benchmarks ontoereikend zijn voor het beoordelen van de kosten, latentie en prestaties van LLM-agents in productieomgevingen met grote datasets.
Dit paper introduceert een unified learning-to-rank-model voor Target.com dat documenten uit meerdere zoekkanalen dynamisch combineert op basis van query-specifieke signalen en gebruikersgedrag, wat resulteert in een verbetering van 2,85% in conversie en een p95-latentie onder de 50 ms.
Dit artikel introduceert Aletheia, een browserextensie die LLM's en Retrieval-Augmented Generation gebruikt om nepnieuws te detecteren en transparante, bewijsgebaseerde uitleg te bieden, wat in experimenten en een gebruikersstudie met 250 deelnemers effectiever bleek dan bestaande oplossingen.
VDCook is een zelfevoluerend videosysteem dat onderzoekers en teams in staat stelt om via natuurlijke taal en aanpasbare parameters dynamische, metadata-rijke trainingsdatasets voor multimodale taalmodellen te genereren en continu bij te werken.
Het paper introduceert AutoThinkRAG, een framework dat de prestaties van Vision-Language Models bij complexe documentvraag-antwoordtaken verbetert door query-complexiteit te routeren en visuele interpretatie te ontkoppelen van logische redenering, wat leidt tot state-of-the-art resultaten tegen lagere kosten.
Het paper introduceert CBR-to-SQL, een framework dat Case-Based Reasoning toepast om de vertaling van natuurlijke taal naar SQL in de gezondheidszorg te verbeteren door een twee-staps zoekproces te gebruiken dat logischer en robuuster is dan standaard RAG-methoden, wat resulteert in state-of-the-art prestaties op de MIMICSQL-dataset.
Deze studie toont aan dat TikTok, ondanks formele naleving van het verbod op profielgebonden reclame voor minderjarigen volgens de Digital Services Act, door een te nauwe definitie van 'reclame' minderjarigen blootstelt aan sterk gepersonaliseerde, vaak ongemarkeerde influencer- en merkcontent die functioneel gelijkwaardig is aan reclame.
Deze studie toont aan dat een combinatie van een algoritmische 'dual-calibration' nudging en een LLM-gebaseerde presentatie in een vijfweekse experimentele studie met 120 Amerikaanse nieuwslezers succesvol de diversiteit in nieuwsconsumptie (nationaal en internationaal) kan vergroten en op lange termijn de leesgewoonten kan verschuiven naar een meer gebalanceerd nieuwsbeeld.
Dit paper onderzoekt hoe men een gevoelige, op zoekopdrachten gebaseerde intentie-verduidelijking kan realiseren door een aanvalsmodel te definiëren, gevoeligheidsbewuste verdedigingen op het retrieval-niveau te ontwerpen en methoden te ontwikkelen om de afweging tussen bescherming en nut te evalueren.
Dit paper introduceert ChatShopBuddy, een betrouwbaar conversatieagent voor online winkelen dat door middel van versterkt leren, een nieuwe benchmark (SmartShopBench), hiërarchische beloningsmodellering en dynamische contrastieve policy-optimalisatie, meerdere objectieve en subjectieve doelen effectief optimaliseert.
Het paper introduceert OMEGA, een efficiënte methode voor vectorzoekopdrachten die met één model en lage voorverwerkingstijd nauwkeurige resultaten levert voor queries met verschillende K-waarden, waardoor het zowel trager dan bestaande methoden is en minder voorverwerkingstijd vereist.
Dit paper introduceert MLLMRec-R1, een efficiënt GRPO-gebaseerd raamwerk dat de redeneercapaciteit van multimodale grote taalmodellen verbetert voor sequentiële aanbeveling door visuele tokens te vervangen door tekst en reward-inflatie tegen te gaan via verfijde Chain-of-Thought-supervisie.
Het paper introduceert R4T, een methode die reinforcement learning gebruikt om trainingsdata te genereren voor een efficiënte diffusiemodel-retriever die set-georiënteerde zoekopdrachten met hoge kwaliteit en lage latentie mogelijk maakt.
Dit paper introduceert CARROT, een geoptimaliseerd systeem voor Retrieval-Augmented Generation dat gebruikmaakt van Monte Carlo Tree Search en een configuratie-agent om de volgorde en selectie van tekstchunks te verbeteren, waardoor hallucinaties worden verminderd en de prestaties met tot 30% stijgen ten opzichte van bestaande methoden.
Dit paper introduceert IKGR, een tuning-vrij aanbevelingsframework dat door intenties te extraheren met een RAG-gestuurde LLM en een wederzijdse intentie-connectiviteitsverdichting strategie toe te passen, robuuste aanbevelingen biedt in scenario's met schaarste en kennislacunes.
Het paper introduceert Refine-POI, een framework dat grote taalmodellen verbetert voor het aanbevelen van volgende locaties door middel van topologie-bewuste semantische ID-generatie en versterkingsfine-tuning om top-k-ranglijsten te optimaliseren en de beperkingen van bestaande methoden te overwinnen.
Dit paper introduceert de open-source Ettin-suite, een reeks gepaarde encoder-only en decoder-only modellen die aantonen dat specifieke architecturen superieur zijn aan hun tegenhangers voor hun respectieve taken, zelfs na aanpassing via voortgezette training.