标签
本文提出了EchoPrompt，一种无需训练的LLM生成文本检测器，通过添加通用前缀恢复潜在提示依赖性，并衡量指令微调模型与基础模型之间的似然增益差异，实现了最先进的零样本检测性能。
本文系统研究了基于扰动的持续预训练（CPT）在提升多语言大语言模型零样本方言鲁棒性方面的作用，比较了德语、意大利语和阿拉伯语中的六种训练条件。研究发现，字符级噪声CPT是最有效的通用策略，并揭示了不同扰动方法会引发不同的鲁棒性机制。
介绍HyperODE，一种零样本替代模型，将ODE结构映射到超图，无需重新训练即可对整类动力系统进行仿真和参数推断。
介绍DE-NER，一种用于零样本命名实体识别的对话引导框架，通过提问者和角色扮演LLM之间的自我对弈来明确实体边界，相比基线平均提高了3.75%的F1值。
一项研究评估了零样本 GPT-4o-mini 在孟加拉国人口与健康调查数据中预测儿童发育迟缓的表现，并与随机森林基线进行对比，同时评估了不同人口群体间的公平性及时间稳健性。结果显示两者平衡准确率相当，但在居住地和财富类别上存在显著的公平性差异。
本文介绍了SwanTale，一个支持零样本和指令任务的统一多说话人语音与音频生成模型，以及用于数据标注的SwanData-Caption和用于高质量多音频模态生成的SwanVAE。
本文系统评估了41个开放权重语言模型（135M–9B）在8个数据集上的零样本意图分类性能，分析了准确性、校准、鲁棒性和部署效率。研究发现，经过指令调优的3B模型可以胜过7B基础模型，并且像SNIPS这样的一些基准已经饱和。
本文介绍了EC-Reason-Bench，一个无需训练的诊断基准，用于分析通用LLM为何在酶EC编号预测上失败。研究发现外部知识是关键并且必须优先于推理，而基于证据的推理充当了冲突近邻的仲裁者，而非新知识的来源。
ReMem提出了一种双层记忆增强的关键帧选择框架，用于免训练的长视频理解，在多个基准上实现了最先进的零样本性能。
介绍了OVEarth-Bench，一个用于开放词汇地球观测的基准，扩展了类别覆盖和查询多样性，揭示了现有方法仍有限，而基于MLLM的方法表现最佳。
MissionBench是一个新的基准测试，用于评估多模态大语言模型（MLLMs）在三维空中环境中执行长期具身任务的表现。结果显示，即使是表现最好的模型，其任务成功率也不到35%，而人类的表现达到84.4%。
介绍DWT-Fusion，一种免训练框架，通过对token级对数概率进行离散小波分析来检测LLM生成的文本，在多个数据集上取得了优异的AUROC结果。
提出一种用于零样本ICU谵妄预测的轻量化知识注入框架，该框架在推理时用外部临床知识增强结构化电子健康记录数据摘要，在无需微调的LLaMA模型上，AUROC提升高达8.57个百分点。
本文提出了一种新颖的零样本数字孪生框架，该框架将实时视觉感知与几何无关、物理驱动的图神经网络相结合。该方法采用热力学驱动的图神经网络，强制执行能量守恒和熵产生，从而无需重新训练即可在未见过的几何体上实现物理准确的模拟。
本文对五种大型语言模型在引文功能分类任务上进行了全面评估，基于微调后的 Falcon 7B 模型在 ACL-ARC 数据集上取得了新的最优结果。同时引入了 AC3 数据集，该数据集采用七类别标注方案，能够区分中性致谢与评价性立场。
Delineate Anything v2 是一个全球可扩展的农田地块边界映射基础模型，在 [email protected] 上相对提升 103.3%，超越现有最佳水平。该模型使用了涵盖 61 个国家、7300 万实例的多分辨率数据集，并建立了一个手工筛选的 100 国评估基准。
本文提出了一种上下文增强提示框架，利用图神经网络专家模型提供预测提示和解释性子图，以改进小型语言模型中的分子性质预测。在MUTAG和Tox21上的实验显示，与仅使用SMILES的基线相比，准确率提升高达74%。
SUFLECA是一个弱监督框架，用于零样本CAD到图像对齐，通过从预训练视觉表示中扩大基于几何的特征学习，在ScanNet25k上实现了最先进的准确率。
本研究提出了一种基于特征引导的零样本框架，利用大语言模型进行早期慢性肾病筛查，在异构数据集上使用最少的社区可获取特征实现了一致的改进。