Syed Rifat Raiyan
PulseAugur coverage of Syed Rifat Raiyan — every cluster mentioning Syed Rifat Raiyan across labs, papers, and developer communities, ranked by signal.
-
孟加拉语习语揭示决策模型的字面锁定
一篇题为“字面锁定:测试语言如何改变类型化决策模型对孟加拉语习语的字面吸引力”的新研究论文探讨了决策模型的行为,决策模型是用于路由和分类等任务的非生成式评分器。研究发现,这些模型表现出一种强烈的倾向,即受到测试语言中选项字面意义的影响。具体来说,当模型在孟加拉语习语上进行测试时,与在英语中进行测试相比,它更有可能被选项的字面解释所吸引,即使输入相同。这种“字面锁定”效应会降低校准度,并可能导致不准确的置信度分数,这表明测试语言在模型的…
-
新的PROClaim框架使用法庭辩论进行AI主张验证
研究人员开发了一个名为PROClaim的新框架,用于通过法庭式多智能体辩论来验证争议性主张。该系统集成了原告、辩护方和法官等专业角色,以及一种渐进式检索增强生成(P-RAG)方法,该方法动态地扩展证据库。PROClaim还纳入了证据协商、自我反思和多法官聚合,以提高准确性和鲁棒性。在Check-COVID基准测试上的评估中,PROClaim的准确率达到了81.7%,比标准多智能体辩论提高了10个百分点,其中P-RAG是这一改进的主要驱动因素。
-
新研究:大型语言模型的政治意识形态取决于语境
一篇题为“LLM-Ideoplasticity”的新研究论文提出,大型语言模型的政治意识形态并非固定不变,而是受语境影响的条件分布。该研究使用一个将响应映射到政治维度的框架评估了九个大型语言模型,揭示了它们对说服性框架和代表性不足的语言等因素的显著敏感性。尽管存在这种可塑性,与主要政党相比,这些模型整体上占据的意识形态范围仍然狭窄。
-
新框架CircuitLM可根据文本生成电路原理图
研究人员开发了CircuitLM,一个新颖的多智能体框架,旨在根据自然语言提示生成准确的电路原理图。该系统通过在一个精选的组件知识库中进行输出接地,解决了常见的LLM问题,如幻觉和物理约束违反。CircuitLM采用一个五阶段流程,包括组件识别、引脚检索、思维链推理、JSON原理图合成和可视化,以生成结构化且视觉上可解释的原理图。使用五个最先进的LLM和涉及电气规则检查引擎和LLM作为裁判方法的双层方法进行的评估,证明了其在创建安全且…