Christopher Potts

Die Bewertung der Genauigkeit von Neuronenerklärungen in Sprachmodellen zeigt erhebliche Mängel auf.

Diese Studie testet neue Methoden zur Bewertung von Bildbeschreibungen im Vergleich zu menschlichen Meinungen.

Ein Datensatz testet Sprachmodelle bei selbstreferenziellen Sprachaufgaben.

Forschung zeigt, dass GPT-2 Schwierigkeiten mit Sprachen hat, die menschliche Muster widersprechen.

Erforschen, wie Illusionen der Interpretierbarkeit unsere Sicht auf neuronale Netze beeinflussen.

Eine Studie darüber, wie Sprachmodelle komplexe sprachliche Aufgaben verarbeiten und verstehen.

Eine Studie, die verschiedene Methoden zur Interpretation von Neuronen in Sprachmodellen bewertet.

MoEUT verbessert die Effizienz und Leistung von Universal Transformers bei Sprachaufgaben.

Eine detaillierte Studie darüber, wie Modelle Texte auswendig lernen und welche Auswirkungen das hat.

Innovative Methoden verbessern die Ausrichtung von LLMs an menschlichen Vorlieben für bessere Leistung.

Ein tiefgehender Blick auf Gated Recurrent Units im Sequenzlernen.

Dieser Ansatz macht es einfacher, effektive Pretraining-Datensätze für Sprachmodelle auszuwählen.

Ein neuer Datensatz verbessert die Vorschläge zur Anfrage-Autovervollständigung mit echten Nutzerdaten.