Liangming Pan

Este artículo habla sobre cómo la autocorrección mejora la fiabilidad de los modelos de lenguaje.

Un estudio sobre cómo generar preguntas de seguimiento significativas para profundizar en la comprensión.

Este artículo habla sobre la importancia y los obstáculos en los sistemas de verificación de hechos.

Un nuevo enfoque mejora el razonamiento científico de los modelos de lenguaje a través del uso efectivo de herramientas.

Investigando el sesgo propio en los LLMs y su impacto en el rendimiento.

Este artículo explora cómo los adversarios impactan el trabajo en equipo entre los modelos de lenguaje.

Un nuevo método mejora la reparación de código para lenguajes de programación poco utilizados.

TART mejora las tareas de razonamiento en tablas usando herramientas especializadas y modelos de lenguaje grandes.