Ruizhe Li
PulseAugur coverage of Ruizhe Li — every cluster mentioning Ruizhe Li across labs, papers, and developer communities, ranked by signal.
-
新基准显示深度研究代理未能达到专家标准
研究人员推出了 DeepResearch Bench II,这是一个旨在评估深度研究代理 (DRAs) 能力的新基准。该基准包含 22 个领域的 132 项研究任务,每项任务要求代理生成一份报告,并根据 9,430 个细粒度评分标准进行评估。这些评分标准源自专家撰写的文章,并通过人类-LLM 管道进行完善,侧重于信息回忆、分析和呈现。初步评估显示,即使是先进的 DRAs 也未能满足超过 50% 的标准,表明与人类研究能力相比存在显著差…
-
研究发现AI代理在执行新任务时难以利用回忆起的事实
arXiv上发表的一篇由研究人员Ruizhe Li、Mingxuan Du、Benfeng Xu和Zhendong Mao撰写的论文,探讨了代理记忆系统的挑战。研究强调,虽然代理在直接提示时可以回忆起特定事实,但它们在后续间接相关的任务中难以有效地利用这些信息。这表明问题不在于模型存储或检索信息的能力,而在于其在新的情境下选择和应用正确事实的能力,作者称之为“路由”问题。
-
研究揭示大型语言模型如何处理种族和民族线索
一项新近发表在arXiv上的研究,探讨了大型语言模型(LLMs)如何处理和利用与种族和民族相关的线索。研究人员使用可解释性技术分析了三个开源模型,发现对人口统计信息的敏感性分布在内部单元中,并且常常与地理、语言和文化联想等语义方面纠缠在一起。虽然对特定单元的干预对有偏见的预测模式产生了一定影响,但显著的残留效应表明,有效的缓解措施需要对这些分布式的、任务特定的机制有更深入的理解。
-
新的OHD框架增强了LLM的表格理解能力
研究人员开发了一个名为正交分层分解(OHD)的新框架,以改进大语言模型(LLM)对复杂表格的理解。OHD使用正交树归纳法将不规则表格分解为列树和行树,捕捉层级依赖关系。这种保留结构的表示方式使LLM能够更好地解释多级表头、合并单元格和各种布局,在AITQA和HiTab等表格问答基准测试中表现优于现有方法。