353 bahan
Studi ChronoEvo terhadap 1709 perubahan rekomendasi klinis menunjukkan: pada model utama, 90,8% jawaban mencatat pembaruan, tetapi hanya 58,5% yang menerapkannya sepenuhnya, sementara kesenjangan sebesar 32,3 poin persentase tetap terlihat pada 14 model. Bahkan peningkatan visibilitas pembaruan tidak menghasilkan peningkatan signifikan dalam penerapan penuh aturan baru ke dalam rekomendasi klinis.
PAWM diusulkan sebagai prediktor eksternal yang tidak menduplikasi observasi langkah demi langkah, tetapi aktif saat kegagalan mungkin terjadi dan mengarahkan agen menjauhi tindakan yang keliru. Setelah SFT pada skenario sintetis dan pelatihan bersama GRPO, metode ini menghasilkan peningkatan 24,3% di ScienceWorld dan 7,7% di WebArena-Lite untuk Claude Sonnet 4.5.
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.
Makalah arXiv:2610.32890 mengusulkan penggantian embedding sferis dengan simpleks probabilistik, dengan menambahkan adapter softmax ringan dan kemiripan Total Variation. Pada lima benchmark pencarian, jarak ℓ2 centroid antar-modalitas berkurang 97–99% dengan tetap mempertahankan atau meningkatkan kualitas pencarian.
Arsitektur memori graf diusulkan untuk menyelaraskan entitas secara cermat pada tahap pengindeksan, lalu menilai ulang hubungan berdasarkan struktur lokal saat menerima kueri. Di MemoryAgentBench, metode ini mencapai akurasi rata-rata 55,1 dan peningkatan 5,4 poin persentase dibandingkan baseline retrieval terkuat, dengan biaya sintesis per kueri yang tetap rendah.
Artikel ini menjelaskan Steward — sistem yang terdiri dari sembilan agen LLM dengan peran berbeda, di mana keputusan portofolio ditinjau oleh manajer risiko, dan perubahan prompt hanya diizinkan melalui kontrol yang dapat dibatalkan serta pemutaran ulang data yang direkam. Kesimpulan utamanya adalah bahwa inti yang tidak dapat diubah dan prosedur audit memungkinkan agen dikembangkan tanpa menyerahkan kendali atas aturan risiko dan eksekusi order kepada mereka.
Metode TeachBack diperkenalkan; dalam proses distilasi mandiri pada kebijakannya sendiri, metode ini mengembangkan strategi pemecahan ulang masalah pada model guru, alih-alih mengandalkan solusi acuan yang istimewa. Pada tugas penalaran matematis dan logis, metode ini menunjukkan peningkatan kualitas model siswa yang konsisten dibandingkan skema OPSD yang telah dikenal.
Karya ini memperkenalkan GoldiMask—pendekatan supervised fine-tuning untuk model bahasa dengan difusi diskret, yang memilih token yang terlihat melalui maksimisasi aproksimatif fungsi submodular dan menetapkan bobot pada target yang tersisa berdasarkan kegunaannya dalam pelatihan. Eksperimen pada beberapa model dan dataset menunjukkan peningkatan akurasi rata-rata, peningkatan pada tugas penalaran dan pemrograman, serta lebih sedikit iterasi decoding paralel pada GSM8K dan MATH-500 dengan kualitas yang sebanding.
