AI要約 Apple Silicon上でポーランド語LLM「Bielik 11B」を対象に、異なるモデルファミリー間での投機的デコーディングを評価した論文。UAG(Universal Assisted Generation)を拡張したMLX-LMを用い、クロスファミリーのドラフトモデル活用による推論高速化を実証的に検証している。

EN Empirical study evaluating cross-family speculative decoding for the Polish LLM Bielik 11B on Apple Silicon, using a UAG-extended MLX-LM to enable draft models from different model families for accelerated inference.

AI要約 中国語のマルチモーダル皮肉検出向けの説明可能かつ細粒度ベンチマークCFMSを提案する論文。画像とテキストを用いた皮肉検出タスクにおいて、検出結果だけでなく根拠となる説明や細かな分類を評価できるデータセットを構築した。

EN This paper proposes CFMS, an explainable and fine-grained benchmark for Chinese multimodal sarcasm detection. It provides image-text data that evaluates not only sarcasm classification but also rationales and fine-grained categorization.

EN arXiv:2604.16456v1 Announce Type: new Abstract: Real-time voice assistants must revise task state when users interrupt mid-response, but existing spoken-dialog benchmarks largely evaluate turn-based i

EN arXiv:2604.16306v1 Announce Type: new Abstract: Peer review in software engineering research operates under tight time constraints, while generative AI has substantially reduced the human effort requi

AI要約 KWBenchは、知識労働においてLLMが明示的な指示なしに問題を自発的に認識できるかを測定する新しいベンチマーク。実世界のタスクに潜む課題をモデルが気付けるかを評価し、従来の指示追従型評価を補完する。

EN KWBench is a new benchmark measuring whether LLMs can spontaneously recognize problems in knowledge work tasks without explicit prompting, complementing traditional instruction-following evaluations.

EN For anyone who has been (inadvisably) taking my pelican riding a bicycle benchmark seriously as a robust way to test models, here are pelicans from this morning's two big model releases - Qwen3.6-35B-