Neuste Artikel für Computational Linguistik

BatchBPE bietet einen schnelleren Ansatz zur Tokenisierung in der Verarbeitung natürlicher Sprache.

Eine Studie zeigt, wie kleine Änderungen die kontextuellen Wort-Embeddings beeinflussen.

Ein neues Modell verbessert die arabische NER mit KNN-Suche für bessere Genauigkeit.

Ein neuer Ansatz kombiniert Multitasking-Lernen und generative gegnerische Netzwerke für NLP-Aufgaben.

Die Herausforderungen erkunden, Zahlen über theoretische Erkenntnisse in der Linguistikforschung zu priorisieren.

Forschung zu lateinischen Baumkorpora und morphologischer Tagging verbessert das Verständnis von antiken Texten.

Untersuchen, wie verschiedene Tokenisierungsstrategien die Leistung von Sprachmodellen verbessern können.

Eine neue Methode verbessert die Leistung von unidirektionalen Modellen bei Token-Klassifizierungsaufgaben.

Eine Methode, um das Vertrauen von Sprachmodellen in ihre Textgenerierung zu verbessern.

Eine neue Methode verbessert die Fähigkeiten von Sprachmodellen, ohne das ursprüngliche Wissen zu verlieren.

LLMs mit externen Gedächtnisstützen für mehrstufige Denkaufgaben verbessern.

Neue Methode verbessert die ASR-Genauigkeit mit Sprachmodellen für bessere Transkriptionen.

Ein Blick auf die Entwicklung von LLMs und die Herausforderungen für EU-Sprachen.

Forschung zur effizienten Schulung von Sprachmodellen für unterrepräsentierte Sprachen.

Bestrebungen, Werkzeuge zur Verarbeitung der Sindhi-Sprache durch grosse Textdatensammlungen zu schaffen.

Ein Blick auf die Effektivität von Pipeline- versus End-to-End-Systemen beim Zusammenfassen über Sprachen hinweg.

Ein neuer Ansatz soll die Genauigkeit bei Sprachübersetzungsaufgaben verbessern.

RAG bleibt wichtig, um die Antworten von Sprachmodellen zu optimieren, besonders bei langen Texten.

Zwei innovative Methoden verbessern die Leistung und Genauigkeit der chinesischen Rechtschreibkorrektur.

Dieser Artikel untersucht, wie Ableitungsbäume helfen, Sprachen als metallinear oder regulär zu klassifizieren.

Ein neues Modell für bessere Beziehungsanalyse unter Verwendung von Syntax und Kontext.

Semformer integriert Planung in Sprachmodelle und verbessert damit Genauigkeit und Effizienz.

Die Forschung konzentriert sich darauf, die Fähigkeit von Sprachmodellen zu verbessern, längere Texte zu verstehen.

Neue Erkenntnisse darüber, wie Kontext und Ähnlichkeit die Leistung von Sprachmodellen beeinflussen.

Eine neue Methode zielt darauf ab, semantisches Lecken in mehrsprachigen Satz-Embeddings zu reduzieren.

Die Vorteile von Decoder-Only-Modellen für maschinelle Übersetzungsaufgaben anschauen.

Eine Methode zum Trainieren von Sprachmodellen mit gezielten Datenauswahltechniken.

Eine Studie über Auslassungen und Verzerrungen in der natürlichen Sprachgenerierung aus RDF-Daten.

Die Rolle von Grammatikbüchern bei der Übersetzung von ressourcenarmen Sprachen untersuchen.

Ein Blick darauf, wie Wort-Embedding mit unabhängiger Komponentenanalyse analysiert wird.

Entdeck, wie grosse Sprachmodelle die Argumentanalyse in Texten verbessern.

Tippfehler können fortgeschrittene Sprachmodelle total verwirren und ihre Antworten beeinflussen.

Ein Überblick darüber, wie Sprachmodelle lernen und Informationen behalten.

Forscher schauen sich an, wie grosse Sprachmodelle Sequenzen durch Induktion vorhersagen.

Ein neuer Datensatz für kirgisische Wort-Embeddings verbessert die Sprachverarbeitungsfähigkeiten.

Neue Modelle bringen Hoffnung für die nepalesische Sprachverarbeitung.

Einen Parser für Vietnamesisch erstellen, mit fortgeschrittenen Modellen und verbesserten Ressourcen.

Diese Studie untersucht, wie man die Ähnlichkeit von Sätzen in verschiedenen Sprachen vergleichen kann.

Untersuchung der Auswirkungen von multimodalem Training auf Sprachfähigkeiten in KI.

Untersuchen der Fähigkeiten von grossen Sprachmodellen bei Planungsaufgaben.