Yongbin Li

Solar verwandelt Datentypen in Sprache, um bessere Fragen zu beantworten.

Ein neuer Ansatz nutzt breitere Netzwerke, um die Evaluationsqualität von Sprachmodellen zu verbessern.

Untersuchung der Auswirkungen von Komplexität der Anweisungen auf die Leistung von Sprachmodellen.

Das UniSA-Framework vereint Aufgaben in der Sentiment-Analyse für bessere Emotionserkennung.

UniPCM nutzt automatische Prompt-Generierung, um Dialogsysteme effizient zu verbessern.

Ein neues Verfahren verbessert das Verständnis von Sprachmodellen für Gespräche.

Eine Methode namens Masked Thought Fine-Tuning verbessert das Lösen von Matheproblemen in Sprachmodellen.

Untersuchen, wie LLMs Sicherheit gewährleisten und wie sich Jailbreaks auswirken.

Neues Framework verbessert Trainingsdaten für Sprachmodelle mit Bildern und Text.