Limitation actionnable en recherche : supervision par citations futures
En bref
- Les LLM de 0,6B à 32B paramètres reconnaissent mieux les limitations traitées, mais n'en génèrent pas de nouvelles.
- ActLim-Bench propose 18 279 triples supervisés basés sur des citations futures, validés par des humains.
- La méthode en trois étapes améliore le rappel et les préférences humaines de 64,9% pour l'idéation.
Une étude montre que les grands modèles de langage (LLM) peinent à générer des limitations pertinentes pour la recherche, malgré leur capacité à identifier celles déjà traitées. Les auteurs proposent ActLim-Bench, un jeu de données de 18 279 triples supervisés, et une méthode en trois étapes pour améliorer cette étape clé de l'idéation automatique.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur