Neuste Artikel für Modellbewertung

Ein neuer Massstab, um LLMs für Java-Programmieraufgaben zu bewerten.

Dieser Artikel untersucht Strategien zur Verbesserung der Modellgeneralisierung und zum Verständnis des Gradientverhaltens.

Ein Toolkit zur Bewertung der Sicherheit von fortgeschrittenen Sprachmodellen.

Dieser Artikel analysiert die Leistung von feinabgestimmten Modellen im Vergleich zu generativer KI bei Textklassifizierungsaufgaben.

Dieser Artikel untersucht, wie visuelle Zustandsraum-Modelle mit visuellen Herausforderungen umgehen.

Ein neuer Datensatz bewertet, wie LLMs mit mehreren Bildern umgehen.

Untersuchen, wie die Vorhersagen von LLMs mit menschlichen Entscheidungen übereinstimmen, indem statistische Modelle verwendet werden.

Eine neue Benchmark-Suite hilft dabei, Denk-Abkürzungen in der künstlichen Intelligenz zu beurteilen.

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

Eine Studie zeigt Lücken im Denkvermögen von LLMs beim Lösen von Matheproblemen auf.

Eine frische Methode zum Testen der Sicherheit von Sprachmodellen und ihrer mehrsprachigen Fähigkeiten.

Methoden zur Identifizierung wichtiger Merkmale in Umgebungen mit minderwertigen Daten.

Neue Methoden zeigen Herausforderungen beim Vergessen von Wissen aus Sprachmodellen.

Eine Studie über die Entscheidungsprozesse von grossen Sprachmodellen.

Ein Blick darauf, wie die Kalibrierung die Modellvorhersagen und die Zuverlässigkeit beeinflusst.

Langzeit-Kontext-Sprachmodelle machen komplexe Aufgaben einfacher und verbessern die Interaktion mit KI.

Eine Methode, um das Wissen eines Modells durch interne Verarbeitung zu bewerten.

Untersuchen der Auswirkungen von Datenverunreinigung auf die Leistung und Bewertung von Sprachmodellen.

Diese Studie zeigt die Grenzen von Text-zu-Bild-Modellen im Umgang mit Zahlen.

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

Ein tiefer Einblick, wie gut visuelle Modelle mehrere Objekte erkennen und darstellen.

Eine Studie zur Wirksamkeit von OOD-Detektoren gegen feindliche Beispiele.

Forschung hebt die In-Context-Lernfähigkeiten in grossen Sprachmodellen hervor.

Eine Studie, die die Bedeutung von umfassenden Annotationen für die Evaluierung von Retrievals hervorhebt.

Ein neuer Massstab zeigt die Risiken von falschen Vorurteilen in multimodalen Sprachmodellen.

Untersuchung von feinkörnigem Feedback für Text-zu-Bild-Modelle und dessen praktische Auswirkungen.

Neuer Benchmark bewertet, wie Videosprachmodelle Ungenauigkeiten effektiv behandeln.

APIGen generiert vielfältige, qualitativ hochwertige Datensätze für Funktionsaufruf-Agenten.

Eine neue Methode zur Erkennung von Verzerrungen im Training von Sprachmodellen.

Das SAVE-Modell verbessert die audio-visuelle Segmentierung mit Effizienz und Präzision.

Ein neuer Ansatz, um die Genauigkeit von Modellen ohne Labels während Datenverschiebungen zu messen.

Einblicke in die Herausforderungen des maschinellen Lernens bei der Vorhersage von Materialeigenschaften.

Neuer Massstab verbessert die Bewertung von multimodalen Modellen, indem er Vorurteile minimiert.

Diese Studie untersucht, wie visuelle und textuelle Daten die Leistung von Modellen beeinflussen.

CD-T verbessert das Verständnis von Transformermodellen und erhöht die Interpretation und das Vertrauen.

Neuer Benchmark bewertet Geschlechtervorurteile in KI-Modellen im Zusammenhang mit Jobrollen.

Die Untersuchung von Schwachstellen bei Clean-Label-Backdoor-Angriffen und wie allgemeine Grenzwerte helfen können.

Ein neues Tool zum Testen von Sprachmodellen in lauten Umgebungen.

Ein neuer Ansatz zur Bewertung von ML-Modellen mit Fokus auf Datenaufbereitung.

Die Forschung bewertet die Stabilität von XAI-Methoden mit einem Diabetes-Datensatz.