Neuste Artikel für Natursprachverarbeitung

RPC-Attention verbessert die Selbstaufmerksamkeitsmodelle für eine bessere Leistung bei rauschenden Daten.

Forschung hebt Methoden hervor, um die Konsistenz im Dialog bei restaurantbezogenen Gesprächen aufrechtzuerhalten.

Dieser Artikel untersucht, wie Quantisierung die Effizienz des Trainings von Transformer-Sprachmodellen verbessern kann.

Neue Methoden verbessern die Genauigkeit bei der Beschreibung von Bildänderungen trotz Ablenkungen.

Ein neues Modell verbessert die Verbindung zwischen Videos und ihren Textbeschreibungen.

Die Rolle und Herausforderungen der Tokenisierung in der Verarbeitung natürlicher Sprache untersuchen.

Studie bewertet, wie gut Sprachmodelle sich anpassen, um verschiedene Themen zusammenzufassen.

Analysieren, wie Transformer die Vorkommen von Elementen in Sequenzen zählen.

BootRet verbessert die Genauigkeit der Dokumentenbeschaffung mit dynamischen Identifikator-Updates.

Untersuchen, wie LLMs Zahlen addieren können, ohne dabei explizite Schritte zu zeigen.

Die Kombination von LLMs und Prolog verbessert das Denken bei der Textgenerierung.

Eine neue Methode verbessert die Einbettungseffizienz für Sprachmodelle.

ReSP verbessert das mehrstufige Fragenbeantworten durch strukturierte Suche und intelligente Zusammenfassung.

Lern, wie Prompt-Engineering die Leistung von Sprachmodellen bei NLP-Aufgaben verbessert.

Entdecke, wie Transferlernen die Ergebnisse von Modellen verbessert, indem es Wissen aus verwandten Aufgaben nutzt.

Neues Modell kombiniert natürliche Sprache und 3D-Hand-Objekt-Kontakt für mehr Realismus.

Ein Blick darauf, wie Maschinen Sarkasmus durch neue Methoden erkennen.

Dieser Artikel untersucht, wie die Initialisierung von Embeddings die Leistung von Transformer-Modellen beeinflusst.

Ein neuer Ansatz, um die Daten Schwierigkeit für besseres Modelltraining zu messen.

Dieser Artikel untersucht die Effektivität von multimodalen Modellen, die Sprach- und visuellen Daten verwenden.

Eine Studie zur Verbesserung der Transkriptionsgenauigkeit durch verbessertes Prompt-Design.

Diese Studie hebt die Verbesserungen von STR durch RoBERTa über verschiedene Sprachen hervor.

Die Kombination von Sprachverständnis und Vision verbessert die Navigationsfähigkeiten von Robotern.

Dieses Papier hebt die Leistung von ternären Sprachmodellen und deren Effizienz hervor.

Eine neue Methode automatisiert die Datenerstellung für visuelle Verankerungsaufgaben und verbessert die Effizienz des maschinellen Lernens.

Ein Blick auf Mambas Ansatz zur Identifizierung von indirekten Objekten in Sätzen.

Neue Methoden versprechen bessere Leseverständnis in klinischen Einrichtungen.

Ein neuer Datensatz, um die Leistung beim Beantworten von Fragen mit langen, von Menschen verfassten Antworten zu verbessern.

Ein neuer Ansatz verbessert Graph-Neuronale-Netzwerke mit grossen Sprachmodellen.

Lerne effektive Methoden, um grosse Sprachmodelle mit weniger Daten und niedrigeren Kosten zu optimieren.

Ein neuer Ansatz zur Verbesserung von Sprachmodellen mithilfe von menschlichem Feedback.

X-Former verbessert, wie Modelle Bild- und Textverständnis kombinieren.

Roboter können jetzt Sprachbefehle verstehen und befolgen, um Objekte effektiv zu greifen.

CoAPT verbessert die Bilderkennung durch kontextbezogene Attributwörter in der Prompt-Tuning.

Forscher nutzen Probing, um die Lernfähigkeiten von Sprachmodellen durch kausale Analyse zu verstehen.

Ein bahnbrechender rumänischer Datensatz verbessert die Entwicklung von Sprachmodellen erheblich.

Entdecke, wie die Grösse des Wortschatzes die Leistung grosser Sprachmodelle beeinflusst.

Diese Studie vergleicht Methoden zur Erkennung von Standpunkten zu wichtigen Themen in arabischen Texten.

Eine Studie darüber, wie gut LLMs als zuverlässige Wissensdatenbanken funktionieren.

Ein neuer Ansatz zur Analyse unstrukturierter Daten mit fortschrittlichen Abfragemethoden.