Christopher Potts

Explora cómo las ilusiones de interpretabilidad afectan nuestra visión de las redes neuronales.

Un estudio sobre cómo los modelos de lenguaje procesan y comprenden tareas lingüísticas complejas.

Un estudio que evalúa varios métodos para interpretar neuronas de modelos de lenguaje.

MoEUT mejora la eficiencia y el rendimiento de los Transformadores Universales en tareas de lenguaje.

Un estudio detallado sobre cómo los modelos memorizan texto y sus implicaciones.

Métodos innovadores mejoran la alineación de los LLM con las preferencias humanas para un mejor rendimiento.

Una mirada profunda a las Unidades Recurrentes Gated en el aprendizaje de secuencias.

Este enfoque simplifica la elección de conjuntos de datos de preentrenamiento efectivos para modelos de lenguaje.

Un nuevo conjunto de datos mejora las sugerencias de autocompletado de consultas usando datos reales de usuarios.