A Survey of Large Language Model-Powered Spatial Intelligence Across Scales: Advances in Embodied Agents, Smart Cities, and Earth Science
Tsinghua University(清华大学);University of Helsinki(赫尔辛基大学)
本文综述大语言模型驱动的跨尺度空间智能,回顾人类空间认知对LLMs的启示,探讨其空间记忆等能力,分析具身到全球层面的跨尺度应用,为跨学科研究提供见解并启发未来方向。
2025-04-14 cs.AI cs.CL
Large language models for artificial general intelligence (AGI): A survey of foundational principles and approaches
Cape Coast Technical University(海岸角理工大学);University of Mines and Technology(矿业与技术大学)
本文综述具身性、符号接地、因果性与记忆四项基础原则及其在大语言模型中的实现方法,探讨其如何有机支撑 AGI。
2025-01-06 cs.AI cs.CV cs.LG
EgoSocialArena: Benchmarking the Social Intelligence of Large Language Models from a First-person Perspective
College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);Alibaba Group(阿里巴巴集团)
本文提出EgoSocialArena框架,从第一人称视角系统评估大语言模型的社交智能,涵盖认知、情境和行为三大支柱,并发现最先进模型仍落后于人类表现。
2025-02-24 cs.AI cs.CL
Transforming Dental Diagnostics with Artificial Intelligence: Advanced Integration of ChatGPT and Large Language Models for Patient Care
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);Florida Atlantic University(佛罗里达大西洋大学)
本文综述ChatGPT等LLM在牙科诊断、医患沟通和口腔外科中的应用前景、挑战及未来研究方向。
2024-06-07 cs.AI cs.CL cs.LG
SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents
Carnegie Mellon University(卡内基梅隆大学)
提出SOTOPIA开放环境模拟复杂社会互动,通过SOTOPIA-Eval框架评估代理社会智能,发现GPT-4在困难场景中目标完成率低于人类且缺乏社会常识推理能力。
2024-03-22 cs.AI cs.CL cs.LG
EQ-Bench: An Emotional Intelligence Benchmark for Large Language Models
本文提出EQ-Bench基准,通过让大型语言模型预测对话中角色情绪状态强度来评估其情感智能,发现其与MMLU等多领域综合基准高度相关,并提供了开源代码和排行榜。
2024-01-03 cs.AI cs.CL
Grounding for Artificial Intelligence
University of Illinois Chicago(伊利诺伊大学芝加哥分校)
本文针对当前细粒度层面grounding研究不足的问题,系统探讨了作为智能核心功能的grounding概念,指出其对大语言模型发展及通用人工智能实现的必要性,为人工智能进阶提供研究方向。
2023-12-15 cs.AI
OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence
Beijing Jiaotong University(北京交通大学);University of Montreal(蒙特利尔大学)
本研究面向地理空间人工智能领域,提出了可处理多源异构地理空间数据的定制化多模态大模型OmniGeo,通过融合自然语言理解与空间推理提升了系统性能,在多类任务及零样本场景下表现优于现有模型。
2025-03-20 cs.AI
Personal Intelligence System UniLM: Hybrid On-Device Small Language Model and Server-Based Large Language Model for Malay Nusantara
UPM(马来西亚博特拉大学)
针对马来语族资源受限场景下高资源语言模型表现不佳的问题,提出整合端侧SLiM-34M与服务端MANYAK-1.3B的个人智能系统UniLM,在多任务上取得显著效果,验证了低资源也可构建高效语言模型。
2024-10-09 cs.AI cs.CL
Ethical Artificial Intelligence Principles and Guidelines for the Governance and Utilization of Highly Advanced Large Language Models
University of Toronto(多伦多大学)
针对先进大语言模型伦理治理缺失的问题,本文探讨了可应用于高度先进LLMs的伦理AI原则与指南,以应对其潜在后果。
2024-09-18 cs.AI cs.CE cs.CY
Unlocking the Wisdom of Large Language Models: An Introduction to The Path to Artificial General Intelligence
本研究通过小册子《解锁多LLM协同智能的智慧》介绍《通往人工通用智能之路》全卷,提炼多LLM智能体协同智能(MACI)框架核心原则,回应LeCun批评,提出协同架构解决LLM局限,为AGI发展提供路径。
2025-04-15 cs.AI
Towards Objectively Benchmarking Social Intelligence for Language Agents at Action Level
Department of Computer Science and Technology, Tsinghua University(清华大学计算机科学与技术系)
本文提出 STSS 沙盒模拟基准,在动作层面对语言智能体的社会智能进行客观评估,并通过 TDP 模块验证其区分模型与智能体架构的有效性。
2024-04-08 cs.AI cs.CL
Large Language Models and the Reverse Turing Test
Salk Institute for Biological Studies(索尔克生物研究所);University of California, San Diego(加州大学圣迭戈分校)
大语言模型(LLM)已经具有变革性。它们是预先训练的基础模型,是自我监督的,可以通过微调来适应各种自然语言任务,其中每个任务以前都需要一个单独的网络模型。这离人类语言非凡的多功能性又近了一步。GPT-3和最近的LaMDA可以进行对话与人类在许多主题后,最低限度的启动与一些例子。然而,关于这些LLM是否理解他们所说的话或表现出智力的迹象,已经有了广泛的反应和辩论。这种高差异表现在三次与LLM的访谈中,得出了截然不同的结论。一种新的可能性被发现,可以解释这种分歧。LLM中看似智力的东西实际上可能是反映面试官智力的一面镜子,这是一个可以被认为是反向图灵测试的显着扭曲。如果是这样的话,那么通过研究面试,我们可能会更多地了解面试官的智力和信仰,而不是法学硕士的智力。随着LLM变得越来越有能力,它们可能会改变我们与机器交互的方式以及它们之间的交互方式。LLM越来越多地与感觉运动设备相结合。LLM可以说话,但他们能走路吗?实现人工一般自主性的路线图概述了受大脑系统启发的七项主要改进。LLM可以通过在自然行为期间下载大脑数据来揭示大脑功能的新见解。
2022-11-16 cs.AI cs.CL cs.LG
Truly Assessing Fluid Intelligence of Large Language Models through Dynamic Reasoning Evaluation
Shanghai Jiao Tong University(上海交通大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Harbin Institute of Technology(哈尔滨工业大学);The University of Hong Kong(香港大学)
提出基于分层认知框架的DRE-Bench动态推理基准,通过36项任务和多变体测试评估LLM流体智力,发现模型低级认知稳健但高级泛化不足。
2025-09-28 cs.AI
Shaping Schema via Language Representation as the Next Frontier for LLM Intelligence Expanding
The Hong Kong University of Science and Technology(香港理工大学);MiLM Plus, Xiaomi Inc(小米公司);Zhongguancun Academy(中关村学院);Hong Kong Baptist University(香港 Baptist大学);The University of Tokyo(东京大学);RIKEN Center for Advanced Intelligence Project(日本理化学研究院高级智能项目中心);Xi’an Jiaotong University(西安交通大学)
本文探讨通过高级语言表示塑造模式作为扩展LLM智能的新方向,提出语言表示的结构和符号复杂性对知识激活和组织至关重要,并通过实验证明语言表示设计的有效性。
2026-05-10 cs.AI
Measuring and Analyzing Intelligence via Contextual Uncertainty in Large Language Models using Information-Theoretic Metrics
本文提出通过熵衰减曲线和信息增益跨度分析大语言模型的内部动态,揭示模型规模与文本复杂性对认知档案的影响。
2026-02-03 cs.AI
A foundation model of numerical intelligence with cross-disciplinary generalization
National University of Singapore(新加坡国立大学)
本文提出UNICON这一数值智能基础模型,可跨学科泛化,结合语言模型智能体后能超越训练未涉及学科的最先进专业人员,训练语料库多样性可提升泛化能力。
2026-08-13 cs.AI
Wisdom Of The (AI) Crowd: Investigating Artificial Swarm Intelligence In Large Language Models
Ruhr-University Bochum(波鸿鲁尔大学);Ruhr-Universitaet Bochum(波鸿鲁尔大学)
通过实验研究大型语言模型在估计任务中通过内模型采样和跨模型聚合实现类似群体智能的误差减少效果,发现聚合可显著降低MAPE达37个百分点,且模型具有元认知意识。
2026-07-01 cs.AI
Edge Intelligence Optimization for Large Language Model Inference with Batching and Quantization
BUPT(北京邮电大学);Purple Mountain Laboratories(紫金山实验室);SUTD(新加坡科技设计大学)
针对大语言模型边缘推理的资源与特性适配难题,提出结合批处理、量化的资源联合调度优化方法及带剪枝的深度优先树搜索算法,显著提升推理吞吐量并降低时间复杂度。
2024-05-12 cs.AI cs.LG cs.NI
Evaluating Financial Intelligence in Large Language Models: Benchmarking SuperInvesting AI with LLM Engines
本文提出AFIB基准测试,评估SuperInvesting等AI系统在金融分析中的性能,发现SuperInvesting在准确性、完整性和一致性方面表现最优。
2026-03-09 cs.AI
Large Language Models Meet Legal Artificial Intelligence: A Survey
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院);China Mobile Internet Co., Ltd.(中国移动互联网有限公司);School of Computer Science, South China Normal University(华南师范大学计算机科学学院)
本文综述了法律领域基于LLM的方法,回顾了16个法律LLM系列、47个框架、15个基准和29个数据集,并分析了挑战与未来方向,为初学者提供系统介绍。
2025-09-12 cs.AI cs.CL
Harnessing the Power of Artificial Intelligence to Vitalize Endangered Indigenous Languages: Technologies and Experiences
IBM Research Brazil(IBM巴西研究院);University of São Paulo(圣保罗大学)
本文探讨了利用AI和NLP技术促进濒危原住民语言使用与记录的方法,提出基于社区参与的AI开发周期,通过少量数据微调SOTA翻译器并开发原住民语言模型,构建了拼写检查等工具原型,展望将濒危语言保存为交互式语言模型。
2024-07-29 cs.AI cs.CL
Towards Edge General Intelligence via Large Language Models: Opportunities and Challenges
the University of Hong Kong(香港大学);Simon Fraser University(西蒙菲莎大学);McGill University(麦吉尔大学)
本综述探讨大型语言模型赋能的边缘通用智能(EGI),将其划分为集中式、混合式和去中心化三种体系,评估了边缘设备上小型语言模型的性能,为该领域发展奠定基础。
2025-03-06 cs.AI cs.DC cs.NI
Organizing a Society of Language Models: Structures and Mechanisms for Enhanced Collective Intelligence
Federal University of Rio Grande do Norte (UFRN)(里奥格兰德联邦大学(UFRN))
本文提出将大语言模型组织为层级、扁平、动态和联邦式社区结构,通过任务专业化、通信、投票与市场机制及动态治理来增强集体智能,为从孤立运行向协同式AI框架的范式转变奠定研究基础。
2024-05-06 cs.AI
Brain in a Vat: On Missing Pieces Towards Artificial General Intelligence in Large Language Models
Beijing Insitute for General Artificial Intelligence (BIGAI)(北京通用人工智能研究院)
本文探讨了大型语言模型中人工通用智能的缺失部件,提出智能代理应具备无限任务执行、任务生成、价值系统和现实世界模型等特征,并强调知与行的统一对智能发展的重要性。
2023-07-07 cs.AI cs.CL
Model-Grounded Symbolic Artificial Intelligence Systems Learning and Reasoning with Model-Grounded Symbolic Artificial Intelligence Systems
Massachusetts Institute of Technology(麻省理工学院);University of Alabama(阿拉巴马大学)
提出将指令微调大语言模型重新解释为模型接地的符号AI系统,以自然语言为符号层、模型内部表示空间实现接地,并开发了保持传统范式结构相似性的新学习与推理方法,初步评估表明其能提升学习效率与推理可靠性。
2025-07-14 cs.AI
Emotional Intelligence of Large Language Models
Tsinghua University(清华大学);Renmin University of China(中国人民大学)
本文通过开发针对情感理解的心理测量评估方法,系统测试了大型语言模型的情感智能,发现GPT-4等模型EQ超越多数人类,但其内在表征机制与人类存在显著差异。
2023-07-28 cs.AI
The Internet of Large Language Models: An Orchestration Framework for LLM Training and Knowledge Exchange Toward Artificial General Intelligence
EureXa Labs(优瑞科萨实验室);Peking University(北京大学);University of Waterloo(滑铁卢大学)
针对大语言模型开发中规模大、配置复杂、功能单一、算力成本高等挑战,提出含共享协议、通用环境框架、Agent最优路径模块的编排框架及联合挖矿机制,实现算力与设计方价值共享,降低研究成本,推动LLM发展。
2025-01-11 cs.AI
Document Intelligence in the Era of Large Language Models: A Survey
SAP, Singapore(新加坡SAP)
本文综述大语言模型对文档智能的变革,涵盖多模态、多语言及检索增强进展,并提出智能体与文档专用基础模型等未来方向。
2025-10-15 cs.AI cs.CL
Social Evolution of Published Text and The Emergence of Artificial Intelligence Through Large Language Models and The Problem of Toxicity and Bias
School of Management(管理学院);SRM Institute of Science and Technology(SRM科学技术学院);CQRL Bits LLP(CQRL Bits有限责任合伙);Vignesh Avenue(维格内什大道)
该研究从历史社会视角客观梳理大语言模型驱动的AI涌现进展,指出其存在的毒性、幻觉等问题,并提出AI与人类智能均为规模带来的涌现现象的观点。
2024-05-17 cs.AI
Evidence of interrelated cognitive-like capabilities in large language models: Indications of artificial general intelligence or achievement?
University of Western Australia(西澳大学)
该研究基于591个大语言模型的12项认知相关测试数据,发现LLM能力存在正相关流形与一般能力因子,参数量与该因子正相关但收益递减,为理解LLM类认知能力的结构提供了实证依据。
2024-09-10 cs.AI cs.CL
Spoken Language Intelligence of Large Language Models for Language Learning
NetEase Youdao(网易有道);The University of Texas at Austin(德克萨斯大学奥斯汀分校);Beijing University of Posts and Telecommunications(北京邮电大学)
本文通过构建口语语言知识多项选择题数据集并评估20个大语言模型,研究LLMs在语音学、音系学和第二语言习得中的教育应用效果,发现提示技术可显著提升推理性能,但模型在现实问题推理上仍存在局限。
2025-02-05 cs.AI cs.CL cs.LG
EmotionQueen: A Benchmark for Evaluating Empathy of Large Language Models
Fudan University(复旦大学);School of Computer Science, Fudan University(复旦大学计算机科学学院);Beijing Yuandian Technology(北京原点科技);School of Engineering and Applied Science, University of Pennsylvania(宾夕法尼亚大学工程与应用科学学院)
本文提出EmotionQueen框架,通过四项任务和两项指标评估大型语言模型的情感智能,揭示其共情能力与局限。
2024-09-20 cs.AI cs.CL
CORE:Toward Ubiquitous 6G Intelligence Through Collaborative Orchestration of Large Language Model Agents Over Hierarchical Edge
Beijing University of Posts and Telecommunications(北京邮电大学)
CORE通过协作编排多个LLM代理在分层边缘网络中实现高效任务处理,提升6G环境下的系统效率和任务完成率。
2026-01-29 cs.AI
Embodied Spatial Intelligence: from Implicit Scene Modeling to Spatial Reasoning
Toyota Technological Institute at Chicago (TTIC)(丰田技术研究所(芝加哥))
该研究提出具身空间智能,从场景表征与空间推理两方面弥合大语言模型与物理具身的差距,为能理解自然语言指令的智能机器人奠定基础。
2025-08-30 cs.AI cs.CV cs.RO
ArchSIBench: Benchmarking the Architectural Spatial Intelligence of Vision-Language Models
School of Architecture, Tsinghua University(清华大学建筑学院)
本文提出ArchSIBench,一个基于建筑学、认知科学和心理学视角的建筑空间智能评估基准,通过17个细粒度子任务和3000个问题-答案对,评估多种VLMs在建筑空间感知、推理、导航、转换和配置方面的性能,发现大多数模型在空间转换和配置推理上仍与有建筑训练的人类评估者存在差距。
2026-05-20 cs.AI cs.CV
Compression Represents Intelligence Linearly
Tencent(腾讯);The Hong Kong University of Science and Technology(香港科技大学)
本研究以31个公开大语言模型为对象,验证其压缩外部文本语料的能力与知识、编程、数学推理类智能的基准平均得分几乎线性相关,证实压缩效率可作为评估模型能力的可靠无监督指标。
2024-08-19 cs.AI cs.CL cs.IT
Towards Intent-Based Network Management: Large Language Models for Intent Extraction in 5G Core Networks
Western University(西安大略大学)
本文针对5G核心网开发定制大型语言模型以提取用户意图,推动意图驱动网络管理,迈向全自动化网络智能。
2024-05-22 cs.AI cs.NI
Harnessing Artificial Intelligence to Combat Online Hate: Exploring the Challenges and Opportunities of Large Language Models in Hate Speech Detection
Arizona State University(亚利桑那州立大学)
本研究通过文献综述与实证分析,探讨大语言模型在仇恨言论检测中的能力与限制,识别表现优异的模型及其影响因素。
2024-03-12 cs.AI cs.CL
Imperfect Language, Artificial Intelligence, and the Human Mind: An Interdisciplinary Approach to Linguistic Errors in Native Spanish Speakers
University of Navarra(纳瓦拉大学)
本项目跨学科研究西班牙语母语者语言错误,通过构建真实错误语料库测试GPT等大模型,评估其解释与泛化能力,以揭示语言认知机制并推动更具认知启发的NLP系统发展。
2025-11-03 cs.AI cs.CL
Enhancing Collective Intelligence in Large Language Models Through Emotional Integration
University of Iowa(爱荷华大学);Tulane University(杜兰大学);ByWater Institute(拜沃特研究所)
本研究通过 GoEmotions 数据集和 LoRA 微调 DarkIdol-Llama-3.1-8B 模型以整合情感多样性,验证了情感整合能在保持预测精度的同时塑造响应模式,从而有效增强大型语言模型的集体智能。
2025-03-05 cs.AI cs.CL cs.CY
Actionable Cyber Threat Intelligence using Knowledge Graphs and Large Language Models
Mittweida University of Applied Sciences(米特韦达应用科学大学);Rochester Institute of Technology(罗切斯特理工学院)
本文研究利用开源大语言模型与知识图谱从非结构化网络威胁情报中自动提取可操作信息,通过提示工程、guidance框架和微调优化三元组提取并构建可查询知识图谱,实验表明guidance与微调优于提示工程,但大规模应用仍面临挑战。
2024-06-30 cs.AI cs.CL cs.CR
A Quantum Natural Language Processing Approach to Musical Intelligence
University of Plymouth(普利茅斯大学);Cambridge Quantum(剑桥量子公司)
音乐人工智能(AI)取得了巨大的进步,特别是在音乐创作和通过互联网访问大型数据库进行商业化方面。我们有兴趣进一步推进这一领域,重点是组成。与当前的黑盒人工智能方法相比,我们正在倡导生成音乐系统的可解释作曲前景。特别是,我们正在从自然语言处理(NLP)的分布式成分分类(DisCoCat)建模框架中导入方法,其动机是音乐语法。量子计算是一项新兴技术,很有可能在未来影响音乐产业。因此,我们正在开创量子自然语言处理(QNLP)方法,以开发新一代智能音乐系统。这项工作是从以前的实验实现的DiscoCat语言模型的量子硬件。在本章中,我们将介绍有史以来第一个概念验证的Quanthoven,它(a)证明了对量子计算机进行编程以学习对传达不同含义的音乐进行分类是可能的,(b)说明了如何利用这种能力来开发一个系统来创作有意义的音乐作品。在讨论了我们目前对音乐作为一种交流媒介的理解及其与自然语言的关系之后,本章重点讨论了(a)将音乐作品编码为量子线路的技术,以及(b)设计量子分类器。本章最后演示了用该系统创作的作品。
2021-12-09 cs.AI quant-ph
EmoBench: Evaluating the Emotional Intelligence of Large Language Models
Tsinghua University(清华大学);University of Michigan(密歇根大学)
针对现有情商基准的不足,提出EmoBench基准,含400道中英文手写问题,评估大语言模型情绪理解与应用,揭示其与人类平均水平的显著差距。
2024-07-17 cs.AI cs.CL
Large Language Models as Fiduciaries: A Case Study Toward Robustly Communicating With Artificial Intelligence Through Legal Standards
Stanford University – CodeX - Center for Legal Informatics(斯坦福大学 CodeX 法律信息学中心)
人工智能(AI)正在承担越来越多的自主角色,例如,作为研究助理浏览网页和管理资金。但是,为AI行为指定目标和限制是困难的。类似于法律合同的当事人无法预见他们未来关系的每一个潜在的“如果-那么”偶然性,我们无法在所有情况下指定所需的人工智能行为。法律标准促进了对本来就模糊和不明确的目标的有力沟通。使用法律标准的指令(在语言模型的情况下,“提示”)将允许人工智能智能体发展对指令精神的共同理解,该指令概括了对在世界上未指定状态下采取可接受行动的期望。标准具有其他目标规约语言(如普通语言和程序设计语言)所缺乏的内置上下文。通过对我们根据美国法院意见构建的数千个评估标签的实证研究,我们证明了大语言模型(LLM)开始表现出对人工智能智能体最相关的法律标准之一的“理解”:信托义务。不同模式的性能比较表明,随着法学硕士继续表现出更好的核心能力,他们对法律标准的理解也将继续提高。OpenAI最新的LLM对我们的数据有78%的准确性,他们之前的版本有73%的准确性,而他们2020年GPT-3论文中的模型有27%的准确性(比随机模型更差)。我们的研究是朝着更广泛地评估人工智能对法律标准的理解,以及通过法律反馈进行强化学习(RLLF)的框架迈出的第一步。
2023-01-30 cs.AI cs.CL cs.CY
UrbanVideo-Bench: Benchmarking Vision-Language Models on Embodied Intelligence with Video Data in Urban Spaces
Tsinghua University(清华大学)
UrbanVideo-Bench通过城市空间视频数据评估视频大语言模型的具身智能,揭示其在城市环境中感知、推理和导航能力的局限性,并验证了Sim-to-Real迁移的潜力。
2025-03-08 cs.AI cs.CV
A Rigorous Turing Test: a Foundation for Evaluating Artificial General Intelligence
University of Canterbury(坎特伯雷大学);Oregon State University(俄勒冈州立大学)
该研究严格遵循图灵原始规则开展图灵测试,发现仅1名参与者误识别大型语言模型,表明其通过图灵测试的说法尚不成熟,图灵测试仍将是评估机器智能的核心手段。
2026-08-11 cs.AI cs.CY cs.HC
SocialVeil: Probing Social Intelligence of Language Agents under Communication Barriers
Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院);Department of Psychological Sciences, Rice University(里士满大学心理学系)
SocialVeil通过模拟沟通障碍测试语言模型的社会智能,发现障碍显著降低相互理解并增加困惑度,表明真实社交环境下的交互挑战。
2026-02-04 cs.AI cs.CL
Behavioral Intelligence Platforms: From Event Streams to Autonomous Insight via Probabilistic Journey Graphs, Behavioral Knowledge Extraction, and Grounded Language Generation
Journium, Inc.(Journium公司)
本文提出行为智能平台BIP,通过概率旅程图、行为知识提取和 grounded 语言生成,将原始事件流转化为自动洞察,解决传统主动查询模式的瓶颈问题。
2026-04-28 cs.AI cs.IR
Large Language Models for Causal Relations Extraction in Social Media: A Validation Framework for Disaster Intelligence
Arizona State University(亚利桑那州立大学);DEVCOM Army Research Laboratory(陆军研究实验室)
本文研究大型语言模型在灾害社交媒体中提取因果关系的有效性,提出专家导向的评估框架并评估提取关系是否由事后证据支持。
2026-05-12 cs.AI cs.CL cs.IR
Igniting Language Intelligence: The Hitchhiker's Guide From Chain-of-Thought Reasoning to Language Agents
Shanghai Jiao Tong University(上海交通大学);Amazon Web Services(亚马逊云科技);Yale University(耶鲁大学)
本综述全面梳理了思维链(CoT)推理技术的基础机制、范式转变及其在赋能自主语言智能体发展中的应用,并探讨了泛化、效率与安全等未来研究方向。
2023-11-20 cs.AI cs.CL cs.CV
The Use of Large Language Models (LLM) for Cyber Threat Intelligence (CTI) in Cybercrime Forums
School of Criminology, Université de Montréal(蒙特利尔大学犯罪学学院);Flare Systems(Flare系统公司);Complexity Science Hub(复杂性科学中心)
本研究评估了基于GPT-3.5-turbo的LLM系统从三个网络犯罪论坛700多个对话中提取CTI信息的性能,平均准确率达96.23%,验证了LLM在网络威胁情报领域的应用价值。
2024-10-01 cs.AI cs.CL cs.CR
SpeechIQ: Speech-Agentic Intelligence Quotient Across Cognitive Levels in Voice Understanding by Large Language Models
Kyoto University(京都大学);NVIDIA;Carnegie Mellon University(卡内基梅隆大学);Institute of Science Tokyo(东京科学研究院)
SpeechIQ是一种基于语音的智能评估框架,通过三个认知层级评估大型语言模型在语音理解中的能力,提供统一的比较和识别标注错误与幻觉。
2025-12-01 cs.AI cs.CL cs.SC
Controlled Language and Baby Turing Test for General Conversational Intelligence
Aigents(艾真特斯公司);SingularityNET Foundation(奇点网基金会);Novosibirsk State University(新西伯利亚国立大学)
一般会话智能似乎是人工一般智能的重要组成部分。分别地,它需要智能质量的可访问的措施和其实现的可控方式,理想情况下-具有以合理的方式表示的语言和语义模型。我们的工作是建议使用婴儿图灵测试的方法来扩展经典的图灵测试会话智能和控制语言的基础上,语义图表示可扩展的任意主题域。我们描述了如何将两者结合起来构建一个通用的会话系统,例如用于在线媒体和社交网络数据处理的智能助手。
2020-05-19 cs.AI