Voor elke paper op deze pagina heeft ten minste één van de oorspronkelijke auteurs onze begrijpelijke uitleg gezien en beoordeeld — door te bevestigen dat de uitleg klopt of door correcties aan te vragen die wij vervolgens hebben doorgevoerd. Een bevestiging betekent niet dat auteurs elke zin formeel goedkeuren, maar wel dat de uitleg langs de mensen is gegaan die de paper hebben geschreven.

1014 papers beoordeeld door auteurs · 381–390 / 1014

💬 NLP

BabelJudge: Measuring LLM-as-a-Judge Reliability Across Languages and Agent Trajectories

Het artikel introduceert BabelJudge, een open-source benchmark en betrouwbaarheidsauditframework dat LLM-as-a-Judge-modellen evalueert over meerdere talen en agent-trajecten door gouden standaardlabels te genereren via gecontroleerde perturbaties om verborgen foutmodi zoals positie- en verbositeitsbiases bloot te leggen die ruwe accuratiewaarden niet kunnen vangen.

Shreyas KC2026-06-23✓ Author reviewed
💬 NLP

CASPER in the Machine: Insights into Character Variety in LLM-Generated Stories

Dit artikel onderzoekt de overeenkomsten en verschillen tussen door LLM's gegenereerde en door mensen geschreven verhalen door narratologische definities toe te passen om acht complexe dimensies van karakterportrettering te analyseren, met als doel vast te stellen of AI-modellen personages produceren met een vergelijkbare variëteit en diepgang als menselijke auteurs.

Anneliese Brei, Abhisheik Sharma, Nicholas Sanaie, Lu Wang, Snigdha Chaturvedi2026-06-23✓ Author reviewed
💬 NLP

Sub-Billion, Super-Frontier: Small Language Models Rival Zero-Shot Frontier LLMs on General and Literary Relation Extraction

Dit artikel toont aan dat compacte, taakadaptieve kleine taalmodellen (onder de 3B parameters) aanzienlijk beter kunnen presteren dan zero-shot frontier LLM's in zowel algemene als literaire relatie-extractie wanneer ze worden getraind op specifieke domeindata, wat een hardware-efficiënt en privaat alternatief biedt zonder dat generatieve schaling vereist is.

Despina Christou, Grigorios Tsoumakas2026-06-23✓ Author reviewed
🔬 physics

Resonant Pitch-Angle Scattering Of Runaway-Electrons by Externally-launched Helicon Waves in the DIII-D Tokamak

Dit artikel toont aan dat extern gelanceerde helicon-golven effectief de groei van runaway-elektronen in de DIII-D tokamak kunnen onderdrukken door middel van resonante pitch-angle verstrooiing in zowel ideale als niet-ideale antenneconfiguraties, terwijl wordt benadrukt dat anomalieën in resonantie de runaway-populaties vergroten en aanzienlijke voortplantingsuitdagingen resteren voor toepassingen na disrupties.

Hari Choudhury, Jeffrey Lestz, Carlos Paz-Soldan, Alexander Battey, Nils Leuthold, Andrey Lvovskiy, Claudio Marini, Jays (…)2026-06-23✓ Author reviewed
⚛️ quantum physics

On Quantum Perceptron Learning via Quantum Search

Dit artikel corrigeert een gebrekkige complexiteitsveronderstelling in de kwantumversie van het version space perceptron-algoritme en stelt twee nieuwe kwantumverbeterde snijvlakalgoritmen voor voor perceptron-leren die gebruikmaken van Grover-zoekopdrachten en kwantumloopzoekopdrachten om verbeterde complexiteitsgrenzen vast te stellen onder geïdealiseerde omstandigheden.

Xiaoyu Sun (Aix-Marseille Université, CNRS, LIS, Marseille, France), Mathieu Roget (Aix-Marseille Université, CNRS, LIS (…)2026-06-23✓ Author reviewed
💻 computer science

SCENIC: Semantic-Conditioned Edge-Aware Neural Framework for Structured IoT Command Generation

Dit artikel introduceert SCENIC, een end-to-end framework dat de implementatie van uiterst efficiënte transformer-modellen op een schaal van minder dan 0,2 miljard parameters op hulpbronnenbeperkte edge IoT-apparaten mogelijk maakt voor het genereren van gestructureerde smart-home commando's, waarbij een bijna perfecte nauwkeurigheid (99,0% EM@1) wordt bereikt terwijl de modelgrootte en inferentielatentie aanzienlijk worden verminderd door geavanceerde pruning, kwantisatie en hardware-bewuste optimalisatie.

Luke Ztz Hu, Hongbing Lang, Songping Mai2026-06-23✓ Author reviewed
💬 NLP

OTTER: A Red-Teaming System for Toxicity-Evading Jailbreak Prompt Optimization

OTTER is een black-box red-teaming framework dat de broosheid van op toxiciteit gebaseerde LLM-verdedigingen demonstreert door prompts te optimaliseren om detectie te omzeilen via minimale tokenwijzigingen, waardoor het een significante toename in aanvals-succesratio's bereikt en bruikbare inzichten biedt voor het harden van classifiers.

Jerry Wang, Hsin-Ling Hsu, Yi-Cheng Lai, Nai-Chia Chen, Fang Yu2026-06-23✓ Author reviewed
🤖 machine learning

Noise is Signal: Density-Based Outliers as Leading Indicators of Occupational Emergence in Labor Market Text

Dit artikel daagt standaard NLP-praktijken uit door de Emergence-Density Inversion (EDI) hypothese voor te stellen, die aantoont dat het weggooien van laag-densiteit "ruis" in vacatures cruciale leidende indicatoren van opkomende beroepen over het hoofd ziet, zoals blijkt uit de snelle stabilisatie van nieuwe AI-gerelateerde rollen zoals Prompt Engineer en AI Safety Researcher binnen de geanalyseerde dataset.

Shreyash Rawat2026-06-23✓ Author reviewed
🔢 mathematics

Interpolations: a linear algebra approach

Dit artikel introduceert een verenigd lineair-algebraïsch kader gebruikmakend van duale ruimten om algemene existentie- en uniciteitstheorema's voor diverse interpolatieproblemen vast te stellen, waarbij expliciete duale basisformules worden afgeleid die een efficiënte constructie van interpolanten mogelijk maken voor toepassingen variërend van Lagrange-polynomen en Hermite-splines tot trigonometrische interpolatie en heterogene sensordata.

Andronick Arutyunov, Nikolay Korgin2026-06-23✓ Author reviewed