幻觉是大语言模型（LLM）的持续问题。随着这些模型越来越多地用于医疗保健和金融等高风险领域，有效幻觉检测的需求至关重要。为此，我们为零资源幻觉检测提出了一个多功能框架，从业人员可以应用于现实世界中的用例 ...

将结构化知识从知识图（KGS）整合到大语言模型（LLMS）中仍然是符号推理的关键挑战。现有方法主要依赖于迅速的工程或微调，而这些方法失去了结构性保真或产生高计算成本。在最新的编码技术的基础上，将图形嵌入在LLM输入中为 Token ，我们通过利用知识图嵌入（KGE）模型将此范式扩展到KG域，从而启用图形感知推理 ...

深度离线增强学习（RL）的最新进展使得从离线数据集训练强大的机器人代理成为可能。但是，根据受过训练的代理的质量和所考虑的应用程序，通常希望通过进一步的在线互动微调这样的代理。在本文中，我们观察到，在微调过程中，州行动分配变化可能会导致严重的自举误差，这破坏了通过离线RL获得的良好初始政策 ...

近年来，大型语言模型（LLM）彻底改变了自然语言处理领域。但是，他们经常遭受知识差距和幻觉的困扰。图检索 - 调格生成（GraphRag）通过从外部图中整合结构化知识来增强LLM推理 ...

大型语言模型（LLMS）在各种任务中都表现出了出色的功能。通常，LLM首先是在大型语料库中进行预培训，然后在特定于任务的数据集上进行了微调。但是，在微调期间，LLM可能会忘记在训练阶段获得的一些知识，从而导致一般能力下降 ...

利用大型语言模型LLM的快速发展，基于LLM的代理已被开发用于处理各种现实世界的应用，包括金融、医疗保健和购物等。确保基于LLM的代理的可靠性和安全性至关重要。应用程序。然而，基于法学硕士的代理人的安全问题目前尚未得到充分探讨 ...

基于扩散的对抗纯化方法试图通过正向过程将对抗性扰动淹没到各向同性噪声的一部分中，然后通过反向过程恢复干净的图像。由于缺乏有关像素域中对抗扰动的分布信息，因此通常不可避免地会损害正常语义。我们转向频域的视角，将图像分解为振幅频谱和相光谱 ...

我们提出了一种将算法发现作为程序搜索的方法，并将其应用于发现深度神经网络培训的优化算法。我们利用有效的搜索技术来探索无限且稀疏的程序空间。为了弥合代理和目标任务之间的巨大概括差距，我们还引入了计划选择和简化策略 ...