154 papers
Dit paper introduceert TURA, een nieuw drie-stapskader dat Retrieval-Augmented Generation combineert met agente toolgebruik om door middel van intentbewuste zoekopdrachten, DAG-gebaseerde taakplanning en een gedistilleerde agent-uitvoerder zowel statische inhoud als dynamische, real-time informatiebronnen te integreren voor een robuuste AI-zoekmachine.
Deze paper toont aan dat vector-embeddings fundamentele theoretische beperkingen hebben die zelfs bij realistische, eenvoudige queries leiden tot falen, omdat het aantal mogelijke zoekresultaten beperkt is door de dimensie van de embedding, wat een oproep is voor nieuwe technieken buiten het huidige paradigma.
Dit paper introduceert Mobile-Agent-RAG, een hiërarchisch multi-agent framework dat door middel van gespecialiseerde retrieval-augmented knowledge bases strategische hallucinaties en uitvoeringsfouten op mobiele apparaten aanpakt, waardoor de succesratio en efficiëntie van langdurige, cross-applicatie taken aanzienlijk worden verbeterd.
Dit paper introduceert PosIR, het eerste gestandaardiseerde benchmarkframework dat systematisch positiebias in diverse taal- en domeinscenario's diagnoseert door documentlengte te controleren, en onthult dat deze bias wijdverbreid is in embedding-modellen en vaak correleert met specifieke interne mechanismen.
Het paper introduceert SLATE, een framework dat het credit assignment-probleem bij het trainen van taalmodellen voor redenering met zoekopdrachten oplost door gebruik te maken van afgekapt stap-voor-stap sampling en gedetailleerde procesbeloningen, wat resulteert in lagere variantie en betere prestaties dan bestaande methoden.
Dit artikel introduceert Geodesic Semantic Search (GSS), een systeem dat node-specifieke Riemanniaanse metrieken leert op citatiegrafieken om via geometrisch bewuste zoekopdrachten en een hiërarchische coarse-to-fine strategie de retrieval-prestaties en interpretatiebaarheid aanzienlijk te verbeteren ten opzichte van bestaande methoden.
Dit paper introduceert OpenSanctions Pairs, een groot benchmark voor entiteitsovereenstemming afgeleid van internationale sanctiedata, en toont aan dat LLMs een productieregelsysteem aanzienlijk overtreffen met F1-scores tot 98,95%, wat suggereert dat de focus moet verschuiven naar andere pijplijncomponenten zoals blokkeren en clustering.
Dit paper introduceert MDER-DR, een nieuw framework voor meerhop-vraagbeantwoording dat de beperkingen van traditionele RAG-systemen op kennisgrafieken overwint door een nieuwe indexeringsmethode (MDER) en een decompositie-retrievalmechanisme (DR) te combineren, wat leidt tot aanzienlijk betere prestaties dan bestaande baselines.
Dit artikel presenteert een model voor sequentiële besluitvorming dat trial-and-error-navigatie verklaart door informatiegeur te combineren met geheugenbeperkingen, waardoor gebruikers die niet alle links scannen maar strategisch 'net genoeg' inspecteren, fouten en terugkeer gedrag kunnen voorspellen.
Dit onderzoek toont aan dat de methodologische keuzes bij het auditen van YouTube's aanbevelingsalgoritmes, zoals het gebruik van ingelogde accounts, een aanzienlijke impact hebben op de validiteit van de resultaten en biedt richtlijnen voor het optimaliseren van auditconfiguraties om kosten te verlagen zonder in te leveren op nauwkeurigheid.
Dit artikel introduceert Agent-OM, een nieuw raamwerk dat LLM-agenten inzet voor het oplossen van semantische heterogeniteit tussen ontologieën en dat, zoals aangetoond door evaluaties op OAEI-benchmarks, uitstekende prestaties levert op zowel eenvoudige als complexe matching-taken.
Het artikel introduceert LEXA, een geavanceerd model voor het terugvinden van juridische zaken dat de beperkingen van eerdere methoden overwint door graph contrastive learning te combineren met contextuele embeddings van grote taalmodellen en een nieuwe edge-updated graph attention-laag voor een betere benutting van structurele informatie.
Dit artikel introduceert en analyseert het NP-complexe probleem van vectorretrieval met gelijktijdige gelijkenis en diversiteit (VRSD), en presenteert een parameterloze heuristiek die presteert beter dan bestaande methoden zoals MMR en k-DPP.
Deze paper introduceert AMPEND-LS, een agentic multi-persona framework dat LLM's en SLM's combineert met bewijsgebaseerde analyse voor multimodale fake news-detectie, waarbij het state-of-the-art prestaties en verbeterde betrouwbaarheid bereikt.
Deze paper introduceert een schaalbare methode voor het voorspellen van teken van koppelingen in een getekend graf door de CopulaGNN te verbeteren via een Gramiaanse representatie van de correlatiematrix en een hervormde conditionele waarschijnlijkheidsverdeling, wat leidt tot lineaire convergentie en snellere training zonder in te leveren op de voorspellingsprestaties.
Deze scientometrische studie analyseert op basis van Web of Science-data de wereldwijde trends in vogelgrieponderzoek van 2014 tot 2023, waarbij een stijgende publicatieaantallen, een leidende rol van Chinese en Amerikaanse instellingen, en de noodzaak van internationale samenwerking worden geconstateerd.
Dit onderzoek toont aan dat het leren van embedding-magnitudes, in plaats van deze als ruis te beschouwen, de prestaties van zoekopdrachten en Retrieval-Augmented Generation aanzienlijk verbetert door de normalisatie specifiek toe te passen op de document- of query-zijde, afhankelijk van de taak en de Fisher Information Matrix.
Dit artikel introduceert Pailitao-VL, een geavanceerd multi-modaal zoeksysteem voor industriële toepassingen dat door middel van een verschuiving naar absolute ID-herkenning en een geoptimaliseerde lijstwijze herordening, hoge precisie en real-time efficiëntie bereikt in complexe productieomgevingen.
Dit paper introduceert DPR, een model-onafhankelijk raamwerk dat traditionele sequentiële aanbevelingsmodellen in staat stelt om zoekresultaten dynamisch te sturen via natuurlijke taalprompts zonder de efficiëntie van collaboratieve signalen op te offeren.
Dit paper introduceert SearchGym, een modulaire infrastructuur voor cross-platform benchmarking en hybride zoekorchestration die een scheiding maakt tussen data, embeddings en zoeklogica om reproduceerbare systemen te bouwen en inzicht te geven in de optimale volgorde van semantische ranking en gefilterde zoekopdrachten.