Linear representations of grammaticality in neural language models
神经语言模型中语法性的线性表示
机构 * Johns Hopkins University（约翰·霍普金斯大学） ； Boston University（波士顿大学）
AI总结 探讨神经语言模型能否基于语法性区分字符串，通过质量均值探测研究语法性是否编码在其内部表示中，结果表明语法性在多种预训练模型中有力编码，为相关争论提供新证据及评估框架。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
Contextualized Evaluation of Vision Language Models through Dynamic, Multi-turn Interactions
通过动态多轮交互对视觉语言模型进行情境化评估
机构 * UC San Diego（加州大学圣地亚哥分校） ； Northeastern University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Johns Hopkins University（约翰·霍普金斯大学）
AI总结 研究多模态大语言模型现实有效性问题，提出CEDI框架，通过三方交互、多轮半结构化对话及多种策略评估，应用于视觉幻觉，发现能揭示更多接近实际情况的幻觉，凸显其对MLLMs能力评估的作用。
A framework for single and multi-agent human-AI curiosity ecosystems
用于单智能体和多智能体人类-人工智能好奇心生态系统的玩具框架
机构 * Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 该论文提出一个玩具框架，将好奇心视为生态系统，探讨单智能体询问策略及相关决策项权重随经验的变化，还扩展到多智能体，追踪多种指标，为研究好奇心生态及设计多智能体发现系统提供概念框架。
Comments fixed abstract in this version
