← NAACL 各届
NAACL 2024· North American Chapter of the ACL
NAACL 2024
亮点精读
8 篇 · 获奖 / oral / 高引📈 518 引用
Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity
提出自适应检索增强方法，根据问题复杂度动态调整检索策略。
💡 提升RAG效率与准确性，适应不同难度问题。
arXiv
📈 307 引用
LMMs-Eval: Reality Check on the Evaluation of Large Multimodal Models
提出LMMs-Eval框架，统一评估大语言-视觉模型，涵盖3个维度、12个任务。
💡 揭示现有评估缺陷，推动多模态模型标准化评测。
arXiv
📈 211 引用
TopicGPT: A Prompt-based Topic Modeling Framework
提出TopicGPT，利用提示词进行主题建模，无需训练即可生成可解释主题。
💡 简化主题建模，提升可解释性和灵活性。
📈 194 引用
ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models
提出ResearchAgent，利用大语言模型迭代生成研究想法，通过多智能体协作提升创意质量。
💡 自动化研究构思，加速科学发现，降低创新门槛。
arXiv
📈 182 引用
Simulating Classroom Education with LLM-Empowered Agents
用LLM驱动的智能体模拟课堂教育，研究多智能体互动对学习效果的影响。
💡 为AI辅助教育提供可交互的仿真平台，推动个性化教学研究。
arXiv
📈 178 引用
Reducing hallucination in structured outputs via Retrieval-Augmented Generation
通过检索增强生成减少结构化输出中的幻觉现象。
💡 提升结构化输出可靠性，减少错误信息。
arXiv
📈 167 引用
EASYTOOL: Enhancing LLM-based Agents with Concise Tool Instruction
提出EASYTOOL方法，通过简洁工具指令增强LLM代理的工具使用能力。
💡 显著提升LLM代理在复杂任务中的工具调用效率与准确性。
arXiv
📈 164 引用
Attacks, Defenses and Evaluations for LLM Conversation Safety: A Survey
综述了针对大语言模型对话安全的攻击、防御与评估方法。
💡 系统梳理了LLM对话安全的关键挑战与解决方案。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点