Kutatás
A QIMMA kiszűri a hibákat az arab nyelvi LLM-benchmarkingból
Több mint 52 ezer mintát tartalmazó értékelési csomagot hozott létre a QIMMA, ezzel a meglévő arab nyelvi LLM-benchmarkingok hiányosságait orvosolja.
Kutatás
AI research papers, arXiv publikációk, benchmarkok, tudományos áttörések
Kutatás
A Memento-Skills maga írja át a saját képességeit, nem kell betanítani
A több egyetem kutatói által fejlesztett Memento-Skills rendszer a GAIA teljesítményteszt során 13,7 százalékponttal javította a teszteredmények pontosságát egy statikus alapmodellhez képest.
Kutatás
Új AI-módszer javítja a klinikai diagnózist: figyelembe veszi a bizonytalanságot
A módszer egy tervező és egy diagnosztikai LLM-ügynökön keresztül kezeli a bizonytalanságot, képes a szekvenciális adatgyűjtést modellezni.
Kutatás
Új teszt kerüli meg az LLM-ek korlátját a telekommunikációban
A TelcoAgent-Bench nevű keretrendszer nem csupán a nyelvi megértést méri, hanem a strukturált hibaelhárítási folyamatokkal való összehangolást és a forgatókönyv-változatok stabilitását is értékeli.
Kutatás
Az AI chatbotok homogenizálják gondolkodásunkat, csökkentve a kollektív bölcsességet
Egy USC-tanulmány szerint a chatbotok egységesítik az írás stílusát és az érvelési stratégiákat — a kutatók több valós diverzitást sürgetnek a betanítási adatokban.
Kutatás
Az OSGym 90%-kal olcsóbbá teszi az AI ügynökök képzését
A MIT, UIUC, CMU és UC Berkeley kutatói által fejlesztett OSGym keretrendszer egyidejűleg több mint ezer virtuális asztalt képes kezelni, naponta mindössze 23 centért.
Kutatás
AI-jal gyorsítják a 5G hálózatokat, nincs szükség CSI-re
A kutatók a hagyományos pilot-alapú csatornabecslést felhasználói lokalizációs adatokkal váltották ki, jelentősen csökkentve a számítási terhelést.
Kutatás
Az AI elengedheti a rádiós hálózatok legnagyobb terhét az ArXiv szerint
A kutatók mechanikusan állítható fém reflektortömbökkel kísérleteztek, melyekkel a jövő okos rádiókörnyezeteit forradalmasíthatják.
Kutatás
Az amerikai hadsereg saját chatbotot fejleszt a harctéri feladatokhoz
Létezik már a Victor névre keresztelt prototípus, amelybe több mint 500 adatrepozitóriumot tápláltak be. A rendszer célja, hogy a katonák hasznos információkhoz jussanak.
Kutatás
Az AI fejleszti az AI-t: új módszert talált a bizonytalanság mérésére
A mesterséges intelligencia által generált új UQ-módszerek akár 6,7%-os javulást hoztak a ROC-AUC mutatóban kilenc adathalmazon, felülmúlva a manuálisan tervezett alapmodelleket.
Kutatás
A TABQAWORLD a vizuális és szöveges adatokkal javítja a táblázatkezelést
A TABQAWORLD nevű új keretrendszer dinamikusan vált a vizuális és szöveges adatok között, ezzel optimalizálva a többlépcsős táblázatkezelési feladatokat.
Kutatás
Megtanulja a mesterséges intelligencia, hol melegszik a sütő: 14%-kal javult az IBM modellje
Az ALTK-Evolve nevű, hosszú távú memóriarendszerrel felvértezett AI-ügynökök nem pusztán feljegyzéseket olvasnak újra, hanem az elveket sajátítják el a tapasztalatokból.
Kutatás
Új módszerrel becsülnék meg az LLM-ek hibaszázalékát
A módszer három különböző adatforrást kombinál, többek között emberi címkézésű kalibrációs adatkészleteket és LLM-alapú értékeléseket.
Kutatás
Hatmadár-elmélet: az AI-ügynökök nem önálló entitások
Az ArXiv AI-n közzétett tanulmány szerint az úgynevezett Six Birds Theory az AI-ügynököket makroszkopikus objektumként kezeli. A kutatók ezzel új szemléletet kínálnak az AI-ügynökök működésére.
Kutatás
Az AI-ügynökök eszköztudása illúzió lehet egy új tanulmány szerint
Korlátozott kísérletek félrevezető következtetésekhez vezethettek az AI-ügynökök eszköztudásával kapcsolatban. Az AI-ügynökök eszköztudása illúzió lehet.
Kutatás
A VIGIL valós időben vadássza le a kognitív torzításokat az AI-szövegekben
A mesterséges intelligencia által generált tartalmak egyre nagyobb veszélyt jelentenek az online információk megbízhatóságára és a társadalmi diskurzusra, ezért fejlesztették ki a VIGIL-t, egy
Kutatás
Tíz alacsony erőforrású nyelven is hatékonyabb a sok példás ICL
A kutatók húsz, korábban kevésbé támogatott nyelven tesztelték a módszert, amely a nyelvi modellek fordítási képességét javítja.
Kutatás
Játékkal edzenéd magad LLM ellen? A szerepjáték növeli az AI-ellenállást
A LLMimic nevű interaktív oktatóanyagban a felhasználók egy LLM szerepébe bújva sajátíthatják el a betanítási folyamat főbb lépéseit.
Kutatás
Az új neuro-szimbolikus architektúra 24%-kal javítja az LLM-ek pontosságát ARC-feladatokban
A rendszer a hagyományos, tisztán neurális hálózatok és a szigorúan szimbolikus rendszerek hiányosságait küszöböli ki, miközben az LLM-eket objektumreprezentációkkal egészíti ki.
Kutatás
Az LLM mint bíró tanít be kisebb modelleket, címke nélkül
Az új RL-keretrendszerrel a kisebb nyelvi modellek képesek felülmúlni a hagyományos, címkézett adatokkal történő betanítást, különösen matematikai feladatoknál.
Kutatás
A XpertBench felrázza az LLM-tesztelést, 1346 feladattal méri a szakértelmet
A 80 kategóriát átfogó adatbázist több mint ezer iparági és kutatói szakértő állította össze, ezzel garantálva a feladatok valósághűségét és relevanciáját.