Christopher Potts

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.