Maarten de Rijke

Examinando cómo los modelos aprenden de múltiples subtítulos y los atajos que encuentran.

Aprende sobre la eficiencia de la recuperación generativa en la búsqueda de documentos.

Aprende cómo la atribución de características explica las decisiones de clasificación en sistemas automatizados.

La investigación se centra en mejorar los modelos de satisfacción del usuario con conjuntos de datos equilibrados.

Una mirada a las técnicas de recuperación densa y generativa y su impacto.

Presentando un marco para una evaluación más precisa del rendimiento de las consultas en la recuperación de información.

Un estudio sobre la efectividad de las técnicas ULTR para mejorar el ranking en búsquedas.

El contexto juega un papel clave a la hora de evaluar el rendimiento de un sistema de diálogo.

Un marco mejora las recomendaciones del siguiente punto de interés usando modelos de lenguaje grande y datos contextuales.

Los comentarios de los usuarios, especialmente los seguimientos, mejoran las evaluaciones de los sistemas de diálogo.

Mejorando la recuperación de documentos al optimizar las listas de resultados para la experiencia del usuario.

Un nuevo método para corregir el sesgo en los sistemas de recomendación.

Aprende cómo el marco TREx mejora las recomendaciones de compras en línea.

Presentando un método que mejora la resumición de datos en varias tablas según las consultas del usuario.

Nuevos métodos mejoran la precisión de los sistemas de recomendación para una mejor experiencia de usuario.

Un nuevo enfoque utiliza LLMs para mejorar las recomendaciones para los usuarios de manera efectiva.

Un nuevo punto de referencia evalúa qué tan bien los modelos de lenguaje siguen múltiples instrucciones en secuencia.

BootRet mejora la precisión en la recuperación de documentos con actualizaciones dinámicas de identificadores.

Este estudio resalta la importancia de la granularidad del conjunto de datos para mejorar los sistemas de recuperación de imagen-texto.

Nuevos enfoques mejoran la seguridad y efectividad de los sistemas de ranking en servicios en línea.

Este estudio investiga el rendimiento de los modelos de enlace de entidades en contextos conversacionales.

Un nuevo método mejora la seguridad del ranking para que la experiencia del usuario sea mejor.

La investigación desarrolla sistemas que se adaptan a diferentes tipos de preguntas para dar mejores respuestas.

Asegurando que los modelos de lenguaje ofrezcan información confiable y precisa mediante citas adecuadas.