Computerwissenschaften - Maschinelles Lernen

Die Bedeutung von Daten beim Training grosser Sprachmodelle hervorheben.

Effektive Systeme entwickeln, um Aktivitäten in Smart Homes zu erkennen und an die Bedürfnisse der Bewohner anzupassen.

Ein System, das maschinelles Lernen-Vorhersagen durch Modell-Kaskaden optimiert.

QuEE kombiniert Quantisierung und frühes Verlassen für effizientes maschinelles Lernen.

Die Rolle von Transformern bei der Vorhersage von sequenziellen Datenausgaben erkunden.

Ein neuer Ansatz zur fairen Datenauswahl in Echtzeit-Streams.

Sicherstellen, dass AI-Erklärungen klar und zuverlässig sind, damit die Nutzer Vertrauen haben.

Ein neuer Ansatz verbessert die Optimierung komplexer Verlustfunktionen in neuronalen Netzwerken.

Ein neuer Massstab verbessert langfristige Vorhersagen in Ereignisfolgen über verschiedene Branchen hinweg.

Entdeck, wie zufällige Merkmale komplexe Berechnungen im maschinellen Lernen vereinfachen.

Dieser Artikel betrachtet die Hürden und Lösungen, um die Reproduzierbarkeit in der ML-Forschung zu verbessern.

Erkunde effiziente Kommunikation, die sich auf relevante Daten konzentriert und sich an Veränderungen anpasst.

Statistische Flussabgleichung verbessert das generative Modellieren für Herausforderungen mit diskreten Daten.

Erforschung von Dichte-Quantennetzwerken und ihrem Potenzial im maschinellen Lernen.

Eine Methode zur Minimierung von Überoptimierung in Modellen, die mit menschlichem Feedback trainiert wurden.

AMBER nutzt maschinelles Lernen, um die Mesh-Generierung für technische Simulationen zu automatisieren.

Eine neue Methode zur Schätzung der Kantendichte in Zufallsgraphen, die gleichzeitig die Privatsphäre sichert.

Ein multimodaler Ansatz verbessert die Vorhersagen zur Genexpression in der biologischen Forschung.

Forschung zeigt, wie Sicherheitsneuronen dabei helfen, die Sicherheit und Verantwortung von LLMs zu verbessern.

Die Rolle von aktivem Lernen bei der Medikamentenentwicklung durch molekulare Docking erkunden.

Eine neuartige Methode nutzt Zufallsbewegungen für effizientes Graph-Clustering.

Forward Gradient Unrolling bietet effiziente Lösungen zur Optimierung grosser Machine-Learning-Modelle.

Ein neuer Algorithmus optimiert Multi-Agenten-Systeme und schützt dabei die Privatsphäre der Nutzer.

MODA verbessert Entscheidungsprozesse in städtischen Gebieten mit fortschrittlichen Lerntechniken.

Fortschritte beim Fein-Tuning von Sprachmodellen mit innovativen Techniken.

Ein neues Modell verbessert die Effizienz in Kohortenstudien innerhalb der Gesundheitsanalytik.

Dieser Artikel behandelt die Anpassung von Sprachmodellen für bessere Unterstützung in verschiedenen Sprachen.

CEBench hilft Unternehmen und Forschern, LLMs zu bewerten und dabei Kosten und Leistung im Blick zu behalten.

Eine Studie darüber, wie Sprachmodelle Anweisungen ignorieren können und welche Folgen das hat.

Eine Methode vorstellen, um die Kommunikation zu verbessern, indem man Bedeutung und Energieverbrauch in Einklang bringt.

Eine neue Methode verbessert MRT-Scans, indem sie vorherige Bilder nutzt, um schnellere Ergebnisse zu liefern.

Eine neue Methode verfolgt den Energieverbrauch, um ältere Erwachsene unauffällig zu überwachen.

Dieser Artikel behandelt die Wichtigkeit, die Unsicherheit bei KI-Vorhersagen zu messen.

Die Hürden, mit denen LLMs bei der Übersetzung von Sprachen mit wenig Ressourcen konfrontiert sind, unter die Lupe nehmen.

Eine neue Methode, um die KI-Ausrichtung an menschlichen Werten mit korrumpiertem Feedback zu verbessern.

MV-Mol integriert verschiedene Datenquellen für ein besseres molekulares Verständnis.

Neue Techniken verbessern den Datenschutz und die Sicherheit bei Datenbankabfragen und -transaktionen.

Lerne, wie Kompromissentscheidungen die Zuverlässigkeit in der stochastischen Programmierung verbessern.

CMDPs verbessern die Entscheidungsfindung, indem sie den Kontext in verschiedenen Anwendungen berücksichtigen.

Ein neuer Ansatz zur Verbesserung der Effizienz von nicht-konvexer Bi-Level-Optimierung im maschinellen Lernen.