Neuste Artikel für Bewertung

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

Eine Studie bewertet Sprachmodelle darin, mehrere Aufgaben gleichzeitig zu bewältigen.

Ein neuer Benchmark testet die Fähigkeiten von LLMs mit strukturierten Datenformaten.

VCEval bietet eine automatisierte Möglichkeit, die Effektivität von Online-Kursen zu bewerten.

Ein neuer Massstab zielt auf die Kompositionalität im Videoverstehen und in Sprachmodellen ab.

Eine neue Methode verbessert das Testen von Sprachmodellen mit echten Nutzerdaten.

Die Nemotron-4 340B Familie bietet starke Modelle für verschiedene Anwendungen und die Generierung von synthetischen Daten.

Bewerten, wie Sprachmodelle mit kulturellen Hinweisen in echten Aufgaben umgehen.

VideoVista bietet eine umfassende Bewertung für Video-Frage-Antwort-Modelle.

Dieser Artikel untersucht Methoden zur Verbesserung der Zuverlässigkeit von Forschungsartefakten in der Informatik.

GLM-4 Modelle zeigen verbesserte Fähigkeiten im Sprachverständnis und in der Sprachgenerierung.

Eine Studie über die Nutzung von LLMs, um andere LLMs zu bewerten und die Auswirkungen davon.

Eine Studie darüber, wie Sprachmodelle überzeugende Begründungen für die Bewertung von Argumenten erzeugen.

Zwei neue Modelle sollen den Zugang zu Technologie für galizische Sprecher verbessern.

Die Schwierigkeiten bei der Übersetzung von metaphorischer Sprache in der maschinellen Übersetzung untersuchen.

DF40 bietet einen umfassenden Ansatz zur Verbesserung von Deepfake-Erkennungsmethoden.

Diese Studie bewertet die Ehrlichkeit von LLMs in drei wichtigen Bereichen.

Entdeck, wie Firmen ihre Frage-Antwort-Systeme verbessern, um besseren Support für die Nutzer zu bieten.

Eine Studie darüber, wie KI Algorithmen versteht und welche Auswirkungen das hat.

Ein neues Mass verbessert die Bewertung von Textklassifizierungsmodellen in verschiedenen Bereichen.

Datenverunreinigung beeinflusst die Bewertung von grossen Sprachmodellen erheblich.

Eine neue Methode zur Bewertung von LLMs stimmt mit menschlichen Werten überein.

Ein neues Tool zur Bewertung von Vorurteilen in grossen Vision-Language-Modellen.

Eine Studie bewertet, wie Maschinen abwechslungsreiche und kreative Poesie im Vergleich zu Menschen erstellen.

Eine neue Methode verbessert, wie wir Gegen-Narrative zu Hassrede bewerten.

InternLM-Law verbessert die Antworten auf diverse chinesische Rechtsfragen mit fortgeschrittener Ausbildung.

Erforschen, wie Nutzerprofile die Personalisierung in Sprachmodellen verbessern.

Forschung zeigt, dass Modelle Schwierigkeiten mit den Schritt-Abhängigkeiten in Kochrezepten haben.

Dieses Papier stellt eine Methode vor, um Sprachmodelle bei verschiedenen Aufforderungen zu bewerten.

Neue Methode geht auf regionale Unterschiede bei der Bewertung von Geschlechtervorurteilen ein.

Das M2Lingual-Datenset verbessert die Fähigkeiten zum Befolgen von Anweisungen in verschiedenen Sprachen.

Dieser Artikel stellt eine neue Methode vor, um Text-zu-Bild-Modelle effektiv zu bewerten.

Diese Studie bewertet die Leistung von Sprachmodellen anhand der italienischen INVALSI-Tests.

RAGBench bringt ein umfangreiches Dataset zur Bewertung von Retrieval-Augmented Generation-Systemen.

Dysca führt eine neue Möglichkeit ein, die Leistung von LVLM mit synthetischen Daten zu bewerten.

Ein Blick auf moderne Methoden im Ingenieurdesign für Effizienz und Leistung.

Ein neuer Ansatz verbessert die kausale Ereignisextraktion durch menschzentrierte Bewertung.

Bewertung, wie das Zurückgreifen auf menschliche Experten die Vorhersagegenauigkeit in ML-Modellen beeinflusst.

Eine neue Methode vorstellen für bessere Lösungen bei komplexen Ingenieur- und Robotikaufgaben.

Eine Studie zur Bewertung der Qualität von Datensätzen zur Identifizierung von Hassrede online.