arXiv: 2610,06170v1 Annualce Type: перекрестное резюме: оценка биомедицинской большой языковой модели (LLM) требует проверяемой оценки узкой, развивающейся и основанной на источниках субспециалистично...
arXiv: 2609.31906v1 Annuaire Type: New Habrial: Onterprise Electronic Agents должна сочетать поиск информации, структурированные изменения состояния, временнóе обоснование и многоэтапную координацию. ...
arXiv:2608.29376v1 Announce Type: cross Abstract: Code generation increasingly relies on large transformer models, whose capability advances with scale. Yet such a scale is costly, creating demand for...
arXiv:2608.29929v1 Announce Type: new Abstract: Vehicle attribute recognition is an important task in intelligent transportation systems, particularly when Automatic License Plate Recognition (ALPR) i...
arXiv:2608.29738v1 Announce Type: new Abstract: Large language models (LLMs) can generate apparently highly persuasive text, but does sounding persuasive mean arguing well? We introduce \textsc{Persua...
arXiv:2608.29571v1 Announce Type: new Abstract: Flexible adaptation to context and shared pragmatic intuitions contribute to smooth human conversation. Iterated reference games---in which players repe...
arXiv:2608.29543v1 Announce Type: new Abstract: Recent advances in large language models (LLMs) have established conversational text-to-SQL as a practical interface between users and databases, often ...
arXiv:2608.29431v1 Announce Type: new Abstract: Localized Representation Steering (LRS) is widely used to correct reasoning pathologies in large language models. However, standard benchmark evaluation...
arXiv:2608.27783v1 Анонс типа: кросс-абстракт: речевые LLM обычно оцениваются после того, как они отвечают, хотя операционная система сначала должна решить, следует ли отправить форму волны в модель. ...
arXiv:2608.25655v1 Анонс Тип: новый Абстракт: Беседы с чат-ассистентами все чаще охватывают многие темы в одном длинном потоке, бросая вызов системам памяти. Существующие тесты с длинным контекстом и ...
arXiv:2608.24099v1 Новые агенты GUI часто сталкиваются с динамическими аномалиями при развертывании на устройствах Android, от неожиданных всплывающих окон до неправильного использования действий, но ...
arXiv:2601.07737v3 Announce Type: replace Abstract: Multimodal Large Language Models (MLLMs) продемонстрировали замечательную производительность в основных задачах визуального понимания, но их способн...
arXiv:2608.18389v1 Аннотация: Агенты кода ИИ все чаще используются для решения реальных проблем программного обеспечения, но их надежность при поверхностных изменениях кода остается плохо изученной. М...
arXiv:2608.18289v1 Извлечение структурированной информации из неструктурированных документов представляет собой критически важный компонент цифровых преобразований во всех секторах. В то время как про...
arXiv:2608.18099v1 Аннотация: Управление инвестициями — это область с высокими ставками, в которой агентные системы ИИ должны делать больше, чем создавать правдоподобный текст. Они должны извлекать да...
arXiv:2608.19501v1 Аннотация: Диагностические медицинские тесты и устройства предоставляют полезную информацию для оценки потенциальных преимуществ и рисков терапевтического лечения. Однако, в отличие...
arXiv:2608.20107v1 Недавние достижения в генеративных видеомоделях значительно улучшили визуальный реализм при удалении видеообъектов, но протоколы оценки по-прежнему сосредоточены на точности маскиру...
arXiv:2608.18158v1 Announce Type: new Abstract: LLMs have been increasingly used to catch data quality issues automatically, but we know very little about how consistent these judgments actually are. ...
arXiv:2608.17524v1 Announce Type: new Abstract: This preliminary paper outlines a planned evaluation benchmark for Explainable Reinforcement Learning (XRL) methods. Current evaluations rely on functio...
arXiv:2608.18243v1 Announce Type: new Abstract: The spacing of data contains information about the underlying modality. Sections of consistent, similar spacing correspond to modes while it increases b...