154 papers
Het paper introduceert AriadneMem, een gestructureerd geheugensysteem voor LLM-agenten dat middels een gefaseerde aanpak met entropiebewuste filtering en conflictbewuste samenvoeging de uitdagingen van losgekoppelde bewijslast en statische updates oplost, wat resulteert in aanzienlijke verbeteringen in meerhop-precisie en een drastische reductie van de runtime.
Het paper introduceert MA-RAG, een multi-round agentic RAG-framework dat medische redenering verbetert door semantische conflicten om te zetten in iteratieve zoekopdrachten en een versterkingsmechanisme te gebruiken om consensus te bereiken, wat resulteert in een aanzienlijke stijging van de nauwkeurigheid op medische benchmarks.
Het artikel introduceert PlugMem, een taakongebonden plugin-module voor LLM-agenten die episodische herinneringen omzet in een compacte, kennisgerichte graaf om efficiëntere zoekopdrachten en redenering mogelijk te maken dan bestaande methoden.
Dit artikel stelt een Retrieval-Augmented Generation-framework voor met een multi-agent architectuur en visueel-taalmodellen om de kennisbeheer en werknemersopleiding in staatsverkeersafdelingen te verbeteren door het integreren van tekstuele en visuele documentatie voor contextbewuste, evidence-based antwoorden.
Dit onderzoek presenteert een hybride raamwerk dat Large Language Models en VARK-cognitieve profielen integreert om het koude-startprobleem in aanbevelingssystemen op te lossen door semantische verrijking en gepersonaliseerde, cognitief afgestemde interfaces te bieden.
MemSifter is een nieuw framework dat de geheugenretrieval voor grote taalmodellen uitbesteedt aan een klein proxy-model, getraind met een uitkomstgerichte versterkende leerstrategie, om de kosten te verlagen en de nauwkeurigheid te verbeteren zonder zware berekeningen.
Dit artikel introduceert Graph Hopfield Networks, een energiegebaseerd model dat associatief geheugen koppelt aan grafen-Laplaciaanse gladmaking voor nodenclassificatie, wat leidt tot verbeterde prestaties op schaarse netwerken en robuustheid onder feature-maskering.
Dit paper introduceert SafeCRS, een veiligheidsbewust trainingskader voor op LLM gebaseerde conversatieve aanbevelingssystemen dat, getest op het nieuwe SafeRec-benchmark, de mate van veiligheidsviolaties aanzienlijk verlaagt terwijl de aanbevelingskwaliteit behouden blijft.
Het paper introduceert AgentSelect, een uniek benchmark dat het selecteren van LLM-agents herformuleert als een aanbevelingsprobleem op basis van narratieve queries, en hiermee een schaalbaar, unificerend dataset en evaluatiekader biedt om de groeiende agent-ecosystemen te bestuderen en te versnellen.
Dit paper introduceert HAP, een heterogeniteitsbewuste aanpak voor het pre-ranking-proces in aanbevelingssystemen die door het scheiden van makkelijke en moeilijke voorbeelden en het adaptief toewijzen van rekenkracht, gradientconflicten oplost en de prestaties verbetert zonder extra kosten, zoals bewezen door de succesvolle implementatie bij Toutiao.
Het artikel introduceert DisenReason, een tweestapsmethode die frequentiedomein-disentanglement en latente redenering combineert om het aantal gedeelde gebruikers in een account te schatten en zo de aanbevelingsnauwkeurigheid voor gedeelde accounts significant te verbeteren.
Dit paper introduceert LabelBuddy, een open-source tool voor audio-annotatie die met AI-ondersteuning de kloof tussen menselijke intentie en machinebegrip overbrugt door een flexibele, containergebaseerde architectuur te bieden voor samenwerking en aangepaste modellen.
Dit paper introduceert -Knowledge, een nieuwe benchmark die conversatie-agenten evalueert op hun vermogen om ongestructureerde kennis en tools te integreren in complexe, realistische scenario's zoals die in de fintech-sector, waarbij zelfs geavanceerde modellen moeite hebben met het nauwkeurig ophalen van documenten en het toepassen van beleidsregels.
Deze studie analyseert een tienjarig YouTube-dataset om de wijdverspreide affiliate marketing en de lage naleving van FTC-transparantieregels te onthullen, en concludeert dat samenwerking tussen platforms, toezichthouders en partners essentieel is om vertrouwen in de influencer-economie te herstellen.