Neuste Artikel für Sprachmodelle

Ein neuer Benchmark zeigt Lücken im visuellen Verständnis von grossen Sprachmodellen.

Ein Blick auf die Span-Overlap-Methode für verbessertes Satzparsing.

Untersuchung, wie Namen Vorurteile in Sprachmodellen beeinflussen.

Ein robustes japanisches Korpus, das aus Common Crawl-Daten erstellt wurde, verbessert die Leistung von LLMs.

Diese Studie untersucht, wie Sprachmodelle auf sich ändernde Wortbedeutungen reagieren.

Untersuchung, wie Temperatur die Kreativität in von Sprachmodellen generierten Erzählungen beeinflusst.

Untersuchung von Positionsbias in Sprachmodellen und Möglichkeiten, ihn zu reduzieren.

Diese Studie untersucht, wie GPT-2 Dreibuchstabenabkürzungen vorhersagt.

Strategien zur Reduzierung von übermässig vorsichtigem Verhalten in Sprachmodellen.

Dieses Framework verbessert die Effizienz und Genauigkeit der Textevaluation mit Hilfe von grossen Sprachmodellen.

Neue Metriken verbessern die Effektivität von grossen Sprachmodellen in der Bildung.

Dieser Artikel untersucht, wie grosse Sprachmodelle Informationen aus den Trainingsdaten abrufen.

Die Anpassung von mehrsprachigen Modellen kann die Leistung für weniger genutzte uralische Sprachen verbessern.

Erläuter die Rolle der ordinalen Klassifikation und den Einfluss von vortrainierten Sprachmodellen.

Erkunde, wie DETAIL das Verständnis von kontextuellem Lernen in Sprachmodellen verbessert.

TPO bietet eine neue Methode, um Sprachmodelle effizient an die menschlichen Vorlieben anzupassen.

ThReaD verbessert die Leistung von LLMs bei komplexen Aufgaben durch dynamisches Thread-Management.

Dieser Artikel untersucht die Risiken des Fein-Tunings von Sprachmodellen für mehr Sicherheit.

Ein neuer Ansatz verbessert die Vielfalt der Eingabeaufforderungen für sicherere Sprachmodelle.

Forschung zeigt die Herausforderungen bei der Wasserzeichen-Erkennung in grossen Sprachmodellen.

Diese Studie präsentiert ein System, um die Genauigkeit von Sprachmodellen mithilfe von adversarialen Herausforderungen zu verbessern.

Lern, wie adaptive Teams die Aufgabenperformance mit Sprachmodell-Agenten verbessern.

MAP-Neo zielt auf Transparenz und Performance in der KI-Sprachmodellierung ab.

Die Herausforderungen und Lösungen beim Wasserzeichen von LLMs untersuchen, um Missbrauch zu verhindern.

Neue Ressourcen verbessern die Bewertung von koreanischen Sprachmodellen.

Forschung zeigt, dass vielfältige Anweisungen die Leistung von Sprachmodellen bei unbekannten Aufgaben verbessern.

Forschung stellt eine Methode vor, um die Entscheidungsfindung bei Sprachmodell-Agenten zu verbessern.

Diese Studie untersucht, wie LLMs mit dem Reasoning in abstrakten und kontextuellen Szenarien umgehen.

Der Block-Transformator verbessert die Textverarbeitungsgeschwindigkeit und Effizienz in Sprachmodellen.

Neue Tests zeigen, dass LLMs Schwächen im einfachen logischen Denken haben, trotz hoher Benchmark-Ergebnisse.

Ein Leitfaden zur Umwandlung von nicht-idiomatischem Python-Code mit modernen Techniken.

Diese Studie untersucht, wie LLMs mit Veränderungen bei Zusammenfassungsaufgaben umgehen.

Diese Studie untersucht, wie man Sätze erstellt, die bestimmte Bedeutungen mit FrameNet beibehalten.

Diese Studie bewertet die Fähigkeit von GPT-4, Daten aus der Materialwissenschaftsliteratur zu extrahieren.

Jamming-Angriffe können Retrieval-augmented Generation-Systeme stören, indem sie Antworten blockieren.

Dieser Artikel bewertet die Fähigkeit von Sprachmodellen, Spielumgebungen zu simulieren.

Ein neuer Ansatz zur Bewertung von Denkstrategien mit Fokus auf die computergestützten Kosten.

MedExQA setzt einen neuen Standard für die Bewertung von medizinischen Sprachmodellen mit Fokus auf Erklärungen.

Die Studie bewertet, wie gut LLMs über den unmittelbaren Kontext hinaus logisch denken.

Die Grenzen von Direct Preference Optimization beim Training von Sprachmodellen erkunden.