最新動態
來源原文的標題與連結，未經本站改寫；英文標題附機器翻譯。已排除與 AI 無關的條目；主題由本站地端模型自動分類，可能分錯。
- 多模態基準測試真的有用嗎？透過結構-回應共同校準進行項目層級診斷機器翻譯Are Multimodal Benchmarks Really Useful? Item-Level Multimodal Benchmark Diagnosis via Structure-Response Co-Calibration
arXiv:2610.14542v1 Announce Type: new Abstract: Multimodal benchmarks are central to evaluating whether models can reason over information from multiple modalities. However, existing literature has revealed that some be
論文基準arXiv cs.AI · 10/15 下午12:00 · 當天共 39 則展開同日其他 38 則
- AI 穩健性稽核的可執行元需求
- HiPPT：透過多尺度文本對齊實現基於生理學的穿戴式PPG表示學習
- Long-Horizon-Terminal-Bench 2.0：自動化多樣化任務建構與衡量代理的持續進展
- 結合混合運動學GCN與彈性Transformer，實現高效印度手語辨識
- AcrossVAM2.0：具衝突感知點監督的參數高效影片擴散模型適配
- 將代理式AI整合至企業軟體的參考架構：職責、互動與變異性
- 迭代大型語言模型，部署小型語言模型
- 以相機為主的AI代理應如何運作？
- 人工智慧的初試：以大型語言模型為參照的超智慧C式測驗
- FDE-Bench：評估從模糊的真實世界商業需求到端到端交付的能力
- CUSE：結合反事實引導與在策略自我蒸餾的細粒度多模態遺忘
- 在 MLLM 遺忘中解耦知識遺忘與拒答學習
- GREAT-ESDD：用於有效引導配送決策的圖邊注意力網路
- 擴散模型的校正訓練
- 不受限制的 CTI-REALM 與開放權重
- ACED-Bench：評估LLM代理如何取得並運用因果證據
- AlignPoison：透過解碼對齊前綴對生成式推薦系統進行條件式定向投毒
- Reels-RSI：程式碼生成解說影片的程式層級自我改進
- ClawLoop：透過原生訓練迴路實現自我改進的代理
- 視覺化代理價值函數中的世界模型
- ScienceBuddy-PV：用於全血管介入研究的驗證器主導遞迴改進協定
- PsyMemBehav：結合心理學與記憶基礎的兩層級「身份到行動」推理，用於社群媒體行為模擬
- AegisVox：長篇語音的因子化隱私保護與臨床資訊保留
- DSABench：多資料庫代理的來源發現、協調與執行基準測試
- MHWA：多時間尺度分層世界-動作模型
- 模組化金融強化學習中信用分配的等資訊評估
- 透過拉回方向實現可控多樣性採樣
- 具 Lean 驗證保證的反思型代理之反事實後悔
- SLM 該坐駕駛座嗎？研究本地模型在雲端撰寫的 Agent 程式中擔任解譯器的表現
- Energy Ring：穩定特徵能量以實現可靠的測試時發現
- 從既有方法到新研究構想：遞迴自我改善的兩種視角
- SAT-RL：運用符號求解器訓練語言模型進行邏輯推理
- 如何打造真正能衡量品味的基準
- 用於測試時發現的關聯語義接地
- SAGE：推動2位元向量量化LLM走向實際可用
- Echo：用於LLM訓練與推論的錯誤補償4位元張量並行通訊
- LYNX：透過接地與閉環精煉進行分析式程式合成
- 令人意外的簡單：透過可攜式技能實現代理式 RAG：客服應用案例研究
- 順應法規要求：訓練語音代理轉接至債務催收中未見過的受監管程序機器翻譯Following the Flow the Law Requires: Training Voice Agents to Transfer to Unseen Regulated Procedures in Debt Collection
arXiv:2610.18881v1 Announce Type: new Abstract: Voice agents built on large language models (LLMs) now handle customer calls, but in regulated applications completing the task is not enough: the agent must follow a conv
論文基準arXiv cs.CL · 10/15 下午12:00 · 當天共 20 則展開同日其他 19 則
- 以證據為錨的死亡調查報告過量死亡預測
- 跨越性別二元：科幻與一般小說中性別指涉的建模
- 不知如何評估時該怎麼辦？為基礎語言模型評測選擇可靠設定
- 超越修正動作：以文字批評訓練大型語言模型代理
- BANGLAPLAN：孟加拉語約束式規劃與決策基準
- J-tau：完全本地化的日語工具-代理-使用者互動基準
- HERO：在程式生成中運用證據進行測試時優化與提示詞最佳化
- 大型語言模型能否調用世界知識進行事件預測？
- 從複製到組合：語言模型如何發展上下文學習
- 超越視覺：原生多模態預訓練中可擴展的錨點
- 從定性文字到整合證據：先並行後整合（PTI）程序
- 表格資料上的型別化決策模型
- DUALVIEW：結合廣泛與輸出特定證據，用於基於LLM的多輸出文字回歸
- 句法頭會影響模型行為嗎？
- LLM 代理能否高效辨識家電故障？從模擬家電診斷中獲得的洞見
- 分享符號，而非向量：跨語言模型的免訓練事實溝通
- DecisionRobust：跨文字與視覺領域的JEV風格決策模型穩健性評測
- ForkGRPO：擴散語言模型的高效探索與細粒度信用分配
- 相似模型，失衡機率：Chatbot Arena 中 Luce 公設失效之處
- AI 扮客戶、真人當評審，麥肯錫全新面試流程：不考死背只看臨場反應
知名管理顧問公司麥肯錫（McKinsey）正將人工智慧技術導入招募流程，針對初階顧問職缺展開全新的面試試點計畫 […]
產品應用TechNews 科技新報 · 10/15 上午11:50