Furong Huang

DLLM combina el aprendizaje por refuerzo con modelos de lenguaje para mejorar el rendimiento en tareas.

Este artículo explora el impacto de la contaminación de datos en la alineación de modelos de lenguaje.

Un nuevo marco aborda los desafíos en la destilación de conocimiento para datos de cola larga.

Explorando el uso de marcas de agua para abordar problemas de copyright en los modelos de lenguaje.

Una nueva perspectiva para mejorar los sistemas de recomendación al entender las elecciones de los usuarios.

Un estudio sobre rechazos falsos en modelos de lenguaje y su impacto en la experiencia del usuario.

Técnicas para equilibrar la distribución de datos en el aprendizaje federado y mejorar el rendimiento del modelo.

Una mirada al aprendizaje continuo para robots y su futuro.

Aprende sobre estrategias de memoria eficientes en modelos de lenguaje de IA.