Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Dạy giáo viên: Cải thiện khả năng chưng cất mạng nơ-ron cho hồi quy tượng trưng thông qua chính quy hóa Jacobian

Tối ưu hóa Bayesian của các tham số quy trình của hệ thống phân loại dựa trên cảm biến sử dụng quy trình Gaussian làm mô hình thay thế

Học biểu diễn mục quan hệ đa phương thức để suy ra các mục có thể thay thế và bổ sung

SourceSplice: Lựa chọn nguồn cho các tác vụ học máy

OneShield - Thế hệ lan can LLM tiếp theo

RecPS: Điểm rủi ro riêng tư cho hệ thống đề xuất

HuiduRep: Một khuôn khổ tự giám sát mạnh mẽ để học các biểu diễn thần kinh từ các bản ghi ngoại bào

Tận dụng dữ liệu tổng hợp để trả lời câu hỏi với LLM đa ngôn ngữ trong lĩnh vực nông nghiệp

Time-RA: Hướng tới lý luận chuỗi thời gian cho sự bất thường với phản hồi LLM

Mạng nơ-ron thần kinh phân đoạn nắm bắt nhận thức của robot dành cho AI biên

Nhị phân hóa GNN lấy cảm hứng từ Vật lý để tối ưu hóa tổ hợp

Gỡ rối các mô hình dạng chuẩn phân ly thần kinh

Vòng quay thứ hai của máy: Từ kiểm tra bằng chứng đến tạo ra khái niệm

EmissionNet: Dự báo ô nhiễm chất lượng không khí cho nông nghiệp

Ngữ nghĩa mới nổi vượt ra ngoài nhúng mã thông báo: LM biến đổi với biểu diễn Unicode trực quan đông lạnh

ĐáNh giá LLM về dự báo thế giới thực so với các nhà dự báo siêu đẳng của con người

Phân biệt dấu hiệu bằng cách sử dụng mô hình ngôn ngữ lớn

RAG-R1: Khuyến khích khả năng tìm kiếm và suy luận của LLM thông qua tính song song đa truy vấn

Khám phá cấu trúc phân tích cơ bản trong các hằng số Mô hình Chuẩn bằng trí tuệ nhân tạo

MR-CLIP: Học tập hiệu quả các biểu diễn tương phản MRI được hướng dẫn bởi siêu dữ liệu

Nhân quả kỳ lạ - Tìm kiếm các tác nhân Tìm hiểu thế giới siêu nhân quả

Về mặt lý thuyết, vạch trần các cuộc tấn công suy luận chống lại các máy khách được LDP bảo vệ trong các mô hình tầm nhìn liên bang

GPT tư nhân cho thử nghiệm theo định hướng LLM trong phát triển phần mềm và học máy

DINO-R1: Thúc đẩy khả năng suy luận trong các mô hình Vision Foundation

AutoSchemaKG: Xây dựng đồ thị tri thức tự động thông qua quy nạp lược đồ động từ tập đoàn web

Giảm thiểu định kiến giới tính thông qua việc thúc đẩy tư duy khám phá trong LLM

HumaniBench: Một khuôn khổ lấy con người làm trung tâm để đánh giá các mô hình đa phương thức lớn

Bộ mã hóa tự động thưa thớt có hữu ích cho việc phát hiện lỗi hàm Java không?

Phương pháp RAG dựa trên kế hoạch đáng tin cậy để trả lời câu hỏi đa bước nhảy

Bóc mẽ bằng Đối thoại? Khám phá Phản biện do AI tạo ra để Thách thức Thuyết âm mưu

Bộ dữ liệu đỗ xe E2E: Một chuẩn mực mở cho đỗ xe tự động toàn diện

Hành động chi phối trong trò chơi thông tin không hoàn hảo

FakeIDet: Khám phá các bản vá để phát hiện ID giả nhằm bảo vệ quyền riêng tư

ƯớC tính chuyển động và tiếng ồn đồng thời với camera sự kiện

Suy nghĩ trước khi đề xuất: Giải phóng sức mạnh lý luận tiềm ẩn cho đề xuất tuần tự

Quan điểm của các nhà phát triển mới vào nghề về việc áp dụng LLM cho phát triển phần mềm: Tổng quan tài liệu có hệ thống

ULTHO: Tối ưu hóa siêu tham số siêu nhẹ nhưng hiệu quả trong học tăng cường sâu

Khảo sát về đào tạo sau các mô hình ngôn ngữ lớn

Các mô hình ngôn ngữ lớn có biết chúng hiểu biết bao nhiêu không?

Nhúng tốt hơn với Couple Adam

Truyền phát video thích ứng có nhận thức ngữ nghĩa sử dụng mô hình khuếch tán tiềm ẩn cho mạng không dây

Một cuộc điều tra về sự không phù hợp về giá trị trong các văn bản do LLM tạo ra cho di sản văn hóa

ÁP dụng các mô hình ngôn ngữ lớn trong dự báo lưu lượng giao thông

Mô hình nền tảng cảm biến lớn được đào tạo trước trên dữ liệu theo dõi glucose liên tục để quản lý bệnh tiểu đường

FLOAT: Ghép nối luồng tiềm ẩn chuyển động tạo ra cho chân dung nói chuyện có âm thanh

Không trộn lẫn Thích ứng thời gian thử nghiệm dưới các luồng dữ liệu không đồng nhất

PATH: Bộ dữ liệu chuỗi rời rạc để đánh giá các phương pháp phát hiện dị thường không giám sát trực tuyến cho chuỗi thời gian đa biến

Khám phá những điểm yếu đối nghịch của các mô hình thị giác-ngôn ngữ-hành động trong ngành robot

Cobblestone: Tự động hóa lặp lại để xác minh chính thức

Lập kế hoạch nhiệm vụ dựa trên máy biến áp hợp tác và không đồng bộ cho các nhóm robot di động không đồng nhất

Bản đồ chính sách: Công cụ hướng dẫn không gian vô hạn của hành vi LLM

AttnMod: Phong cách nghệ thuật mới dựa trên sự chú ý

Sự thoái hóa cảnh quan mất mát và sự phát triển theo từng giai đoạn trong máy biến áp

Xử lý tổng quát hóa kích thước của mạng nơ-ron đồ thị trên dữ liệu sinh học từ góc nhìn quang phổ

Phòng thủ rò rỉ gradient với mô-đun khóa chính cho học tập liên bang

Seed-Prover: Lý luận sâu rộng cho việc chứng minh định lý tự động

Chuỗi tin cậy ngữ nghĩa: Điều phối tin cậy tự động để lựa chọn cộng tác viên thông qua AI tác nhân hỗ trợ siêu đồ thị

Các nhà khoa học AI còn cách xa mục tiêu thay đổi thế giới đến mức nào?

Khảo sát các tác nhân tự tiến hóa: Trên con đường hướng tới siêu trí tuệ nhân tạo

TRÁI ĐẤT: Cấu trúc sự tiến hóa sáng tạo thông qua lỗi mô hình trong AI tạo sinh

Về Ngữ nghĩa dần dần cho Lập luận dựa trên Giả định

Lý luận thần kinh biểu tượng hoàn chỉnh và vững chắc với LLM - Diễn giải có cơ sở

Trao đổi kiến thức năng động và đánh giá đa dạng kép: Giải phóng tiềm năng của nhóm nghiên cứu đa tác nhân một cách ngắn gọn

ORFS-agent: Công cụ sử dụng tác nhân để tối ưu hóa thiết kế chip

Học tập dựa trên mô hình thế giới cho thời đại giảm thiểu thông tin dài hạn trong mạng lưới phương tiện

Tác động của AI đến đô thị: Mô hình hóa vòng phản hồi trong đề xuất địa điểm tiếp theo

BOOST: Khởi động các chương trình lý luận theo chiến lược để kiểm tra thực tế theo hướng dẫn của chương trình

OR-LLM-Agent: Tự động hóa mô hình hóa và giải quyết các vấn đề tối ưu hóa nghiên cứu hoạt động bằng LLM suy luận

Giải thích nhân quả cho bộ phân loại hình ảnh

BCR-DRL: Phần thưởng nhận thức hành vi và ngữ cảnh cho học tăng cường sâu trong phối hợp giữa con người và AI

Người học liên kết đào tạo chéo để khái quát hóa mạnh mẽ trong điều kiện dữ liệu không đồng nhất

Xác định mạng Bayesian không gian-thời gian duy nhất không có sự tương đương Markov

Họ có hiểu chúng không? Một đánh giá cập nhật về việc xử lý đại từ phi nhị phân trong các mô hình ngôn ngữ lớn

SpA2V: Khai thác tín hiệu âm thanh không gian để tạo ra video có nhận thức không gian dựa trên âm thanh

Thích ứng thời gian thử nghiệm nhận biết mẫu để dịch hình ảnh y tế sang hình ảnh

MMBERT: Hỗn hợp chuyên gia đa phương thức BERT được chia tỷ lệ để phát hiện ngôn từ kích động thù địch của Trung Quốc mạnh mẽ dưới nhiễu loạn che giấu

Một phương pháp đơn giản và hiệu quả để định lượng sự không chắc chắn và phát hiện OOD

Khai thác sức mạnh của việc xen kẽ và đánh giá phản thực tế để xếp hạng tìm kiếm trên Airbnb

Có thật sự là bạn không? Khám phá các kịch bản xác minh sinh trắc học trong video Avatar đầu biết nói chân thực như ảnh

Các mô hình ngôn ngữ lớn của Agentic cải thiện việc trả lời câu hỏi về X quang dựa trên truy xuất

Suy luận ngoài ngữ cảnh: Các LLM đưa ra suy luận về dữ liệu thủ tục bằng cách tận dụng các sự kiện khai báo trong dữ liệu đào tạo trước đó

Các chương trình LLM đang định hình tương lai của Thực tế ảo như thế nào

Lấy mẫu phân tầng đa độ trung thực được điều khiển bởi máy học thích ứng để phân tích lỗi của các hệ thống ngẫu nhiên phi tuyến tính

Lý luận thích ứng động thông qua MCTS do LLM hướng dẫn để KGQA hiệu quả và có nhận thức về ngữ cảnh

Tinh chỉnh nhãn giả đồ thị lồng nhau cho việc học thích ứng miền nhãn nhiễu

JSON-Bag: Biểu diễn quỹ đạo trò chơi chung

NyayaRAG: Dự đoán Phán quyết Pháp lý Thực tế với RAG theo Hệ thống Luật chung Ấn Độ

Giải pháp hiệu quả và học tập các MDP được phân tích mạnh mẽ

D3: Phát hiện video được tạo bằng AI không cần đào tạo bằng cách sử dụng các tính năng bậc hai

Chính sách biến áp khuếch tán trên thiết bị để điều khiển robot hiệu quả

Phân khúc trước, truy xuất tốt hơn: Tìm kiếm pháp lý thực tế thông qua truy vấn dựa trên vai trò tu từ

Lý luận y khoa trong thời đại LLM: Tổng quan hệ thống về các kỹ thuật nâng cao và ứng dụng

Thúc đẩy Khoa học Thông tin Lượng tử trong Giáo dục Tiền đại học: Trường hợp hợp tác Khoa học Học tập

Tấn công cửa sau vào công nghệ phát hiện khuôn mặt học sâu

Mô hình đồ thị tự xây dựng dựa trên sự tương đồng để dự đoán mức độ quan trọng của bệnh nhân bằng cách sử dụng mạng nơ-ron đồ thị và dữ liệu EHR

Báo cáo khoa học gợi ý 3: Tôi sẽ trả tiền hoặc giết bạn -- nhưng bạn có quan tâm không?

Kiến trúc hạt nhân hệ điều hành có thể cấu hình cho trí tuệ tự động

LeakSealer: Hệ thống phòng thủ bán giám sát cho LLM chống lại các cuộc tấn công rò rỉ và tiêm nhanh

Wukong Framework để phát hiện không an toàn cho công việc trong các hệ thống chuyển văn bản thành hình ảnh

OmniUnet: Mạng lưới đa phương thức phân đoạn địa hình phi cấu trúc trên xe tự hành sử dụng hình ảnh RGB, độ sâu và nhiệt

ĐáNh giá chuẩn LLM nhãn khoa (BELO) về kiến thức và lý luận nhãn khoa

Created by

Haebom

Tác giả

Sahana Srinivasan, Chen-Hsin Sun, Mark Chia, Gabriel Dawei Yang, Wendy Meihua Wong, David Ziyou Chen, Dianbo Liu, Maxwell Singer, Fares Antaki, Lucian V Del Priore, Jost Jonas, Ron Adelman, Qingyu Chen, Yih-Chung Tham

Phác thảo

Các chuẩn mực hiện có để đánh giá các mô hình ngôn ngữ quy mô lớn (LLM) trong nhãn khoa có phạm vi hạn chế và quá tập trung vào độ chính xác. Trong bài báo này, chúng tôi trình bày một chuẩn mực đánh giá toàn diện và chuẩn hóa, BEnchmarking LLMs for Ophthalmology (BELO), được phát triển thông qua nhiều lần bình duyệt của 13 bác sĩ nhãn khoa. BELO đánh giá độ chính xác lâm sàng và chất lượng suy luận trong nhãn khoa. Các câu hỏi trắc nghiệm (MCQ) liên quan đến nhãn khoa được chọn từ nhiều tập dữ liệu y tế khác nhau (BCSC, MedMCQA, MedQA, BioASQ và PubMedQA) bằng cách sử dụng phương pháp khớp từ khóa và mô hình PubMedBERT được tinh chỉnh. Các tập dữ liệu đã được bình duyệt nhiều lần và các câu hỏi trùng lặp và chất lượng thấp đã được loại bỏ một cách có hệ thống. 10 bác sĩ nhãn khoa đã cải thiện phần giải thích cho mỗi câu trả lời MCQ và 3 bác sĩ nhãn khoa cao cấp đã xem xét lại. Để chứng minh tính hữu ích của BELO, chúng tôi đã đánh giá sáu LLM (OpenAI o1, o3-mini, GPT-4o, DeepSeek-R1, Llama-3-8B và Gemini 1.5 Pro) bằng cách sử dụng độ chính xác, macro-F1 và năm số liệu tạo văn bản (ROUGE-L, BERTScore, BARTScore, METEOR và AlignScore). Ngoài ra, hai bác sĩ nhãn khoa đã thực hiện một đánh giá định tính bổ sung, xem xét 50 đầu ra được chọn ngẫu nhiên về độ chính xác, tính toàn diện và tính đầy đủ. BELO bao gồm 900 câu hỏi chất lượng cao do các chuyên gia đánh giá tổng hợp từ năm nguồn: BCSC (260), BioASQ (10), MedMCQA (572), MedQA (40) và PubMedQA (18). Một bảng xếp hạng công khai đã được thiết lập để khuyến khích việc đánh giá và báo cáo minh bạch và tập dữ liệu BELO sẽ vẫn là điểm chuẩn chỉ đánh giá để đảm bảo so sánh công bằng và có thể tái tạo các mô hình trong tương lai.

Takeaways, Limitations

•

Takeaways: Cung cấp chuẩn mực toàn diện và chuẩn hóa để đánh giá chương trình LLM nhãn khoa, xây dựng bộ dữ liệu chất lượng cao thông qua đánh giá của chuyên gia, so sánh hiệu suất của nhiều chương trình LLM khác nhau và tạo ra môi trường đánh giá minh bạch, đồng thời đề xuất hướng phát triển chương trình LLM trong tương lai.

•

Limitations: Các loại LLM hiện có trong chuẩn mực có thể bị hạn chế, có thể có tính chủ quan trong đánh giá định tính, khả năng khái quát hóa có thể khó khăn do tính đặc thù của lĩnh vực nhãn khoa và nhu cầu liên tục cập nhật và mở rộng tập dữ liệu.

Xem PDF

Made with Slashpage