75 bahan
Dengan menggunakan dataset IEMOCAP dan MELD, keluaran generatif berupa label emosi dibandingkan dengan pengklasifikasi linear yang diterapkan pada representasi tersembunyi SpeechLLM yang ringkas. Peningkatan kualitas dari pengklasifikasi ini tidak berlaku universal: hasilnya bergantung pada korpus dan apakah yang digunakan adalah transkrip acuan atau hasil ASR.
Artikel ini membandingkan pemilihan kombinasi obat kompatibel global yang optimal, yang diterapkan melalui mixed-integer linear programming, dengan beberapa skema penyelesaian konflik DDI secara lokal menggunakan skor FLAME tetap pada MIMIC-III. Pada set uji, pendekatan global memberikan peningkatan Jaccard yang kecil tetapi konsisten, yang makin besar saat batasan diperketat dan mencapai +0.0064 dibandingkan metode lokal terbaik.
Studi ini mengusulkan protokol yang menetapkan pertanyaan dan jawaban acuan dalam delapan cara penyajian struktur serta menandai relasi di GraphSpace secara terpisah. Eksperimen dengan fine-tuning berpasangan, masking bidang target, dan penambahan bukti menunjukkan bahwa model mampu mempelajari penerapan relasi maupun mengikuti tautan, tetapi penghapusan tautan menurunkan akurasi hingga di bawah tingkat penelusuran heuristik.
Menurut estimasi Apptopia, selama 12 hari pertama di iOS di Amerika Serikat dan Kanada, Muse memperoleh 1,8 juta unduhan, dibandingkan 1,3 juta untuk ChatGPT; di Amerika Serikat, Muse juga memiliki lebih banyak pengguna harian. Perbandingan ini didasarkan pada estimasi eksternal dan mencakup kondisi peluncuran yang berbeda: ChatGPT langsung diluncurkan secara internasional, sedangkan Muse hanya tersedia di Amerika Serikat dan Kanada.
Artikel ini membahas arsitektur SPARSEUP dan hasilnya: 56,4 nDCG@10 pada BEIR-13, serta recall lebih dari 97% saat dipasangkan dengan indeks Seismic, dengan waktu sekitar 380 mikrodetik per kueri. Ulasan ini mencakup teknik untuk mempertahankan sparsitas vektor, perbandingan dengan model lain, dan ketentuan distribusi berdasarkan Apache 2.0.
Model baru mengenali ucapan dalam mode batch dan streaming; SpaceXAI melaporkan bahwa dalam pengujian frasa pendek pada 19 bahasa, tingkat kesalahan turun dari 20,6% menjadi 6,8%. Ringkasan ini mencakup tarif API dan hasil uji perbandingan yang sejauh ini belum diverifikasi secara independen.
Para penulis mengusulkan lapisan sistem memori bersama: agen menyimpan informasi terstruktur, sementara sistem mengendalikan pemilihan, perlindungan data, dan penyampaiannya kepada model. Dalam pengujian pada AIOS, pendekatan ini meningkatkan personalisasi dibandingkan penyimpanan eksternal dan RAG, serta mengurangi latensi sebesar 15–61% dibandingkan penggunaan konteks lengkap, dengan hasil yang sebanding pada dua dari tiga model.
Studi ini membandingkan dua cara menerapkan paket pengetahuan siap pakai: memasukkan instruksinya ke dalam konteks kerja agen atau menyerahkan subtugas kepada agen terpisah. Delegasi lebih efektif jika masukan, hasil, dan prosedurnya ditentukan dengan jelas, tetapi membutuhkan biaya koordinasi tambahan.
Artikel ini memperkenalkan XAI-Arena — sistem yang membandingkan penjelasan AI berdasarkan beberapa kriteria dengan mempertimbangkan berbagai model dan kepentingan pengguna. Penilaian LLM menunjukkan keselarasan yang signifikan dengan penilaian manusia (ρ Spearman = 0,693), yang menunjukkan bahwa analisis komparatif terhadap penjelasan dapat diskalakan.
