Sebastian Ruder

SEACrowd hat das Ziel, die KI-Darstellung für südostasiatische Sprachen und Kulturen zu verbessern.

Ein Blick darauf, wie Sprachverwirrung die KI-Textgenerierung beeinflusst.

Erforschen, wie synthetische Daten maschinelles Lernen-Modelle und ihr Verhalten beeinflussen.

Untersuchen, wie Quantisierung die Leistung in verschiedenen Sprachen beeinflusst.

BAM verbessert die MoE-Effizienz, indem es die Attention- und FFN-Parameter integriert.

Neue Forschung zeigt die Herausforderungen bei der Darstellung von arabischen Dialekten in Sprachmodellen.