cs.CL（2024-10-09）

📊 共 9 篇论文 | 🔗 2 篇有代码

🎯 兴趣领域导航

支柱九：具身大模型 (Embodied Foundation Models) (7 🔗2) 支柱三：空间感知与语义 (Perception & Semantics) (1) 支柱六：视频提取与匹配 (Video Extraction) (1)

🔬 支柱九：具身大模型 (Embodied Foundation Models) (7 篇)

#	题目	一句话要点	标签	🔗	⭐
1	DA-Code: Agent Data Science Code Generation Benchmark for Large Language Models	提出DA-Code基准，用于评估LLM在Agent数据科学代码生成任务中的能力。	large language model
2	Astute RAG: Overcoming Imperfect Retrieval Augmentation and Knowledge Conflicts for Large Language Models	提出Astute RAG，解决大语言模型检索增强生成中不完美检索和知识冲突问题	large language model
3	MoDEM: Mixture of Domain Expert Models	提出MoDEM：结合领域提示路由与领域专家模型，提升大语言模型性能与效率。	large language model
4	Is C4 Dataset Optimal for Pruning? An Investigation of Calibration Data for LLM Pruning	揭示C4数据集并非LLM剪枝最优选择，提出校准数据选择对剪枝性能影响的关键性。	chain-of-thought	✅
5	Exploring Prompt Engineering: A Systematic Review with SWOT Analysis	对大型语言模型中Prompt工程技术进行SWOT分析与系统性综述	large language model
6	Better Language Models Exhibit Higher Visual Alignment	研究表明，更优的语言模型表现出更高的视觉对齐能力，并提出高效的视觉-语言融合方法ShareLock。	large language model
7	Simplicity Prevails: Rethinking Negative Preference Optimization for LLM Unlearning	SimNPO：通过简化负偏好优化解决LLM的不可学习性问题。	large language model	✅

🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)

#	题目	一句话要点	标签	🔗	⭐
8	Embodied Agent Interface: Benchmarking LLMs for Embodied Decision Making	提出具身智能体接口，系统评估LLM在具身决策中的性能。	affordance embodied AI large language model

🔬 支柱六：视频提取与匹配 (Video Extraction) (1 篇)

#	题目	一句话要点	标签	🔗	⭐
9	A Two-Model Approach for Humour Style Recognition	提出双模型方法，提升幽默风格识别中近义风格的区分度	HuMoR

⬅️ 返回 cs.CL 首页 · 🏠 返回主页